Kraftmesszellen-basiertes Bin Picking
Ein Bin-Picking-System, das Kraftmesszellen unter einem Behälter nutzt, um Objektpositionen abzuschätzen und ein probabilistisches Belief-Modell zu aktualisieren. Der Ansatz untersucht, wie physisches Sensor-Feedback die Bildverarbeitung ergänzen kann, wenn Objekte verdeckt oder reflektierend sind.
Überblick
Dieses Projekt untersucht Bin Picking mit Kraftmesszellen unterhalb eines Behälters, wobei Änderungen der gemessenen Gewichtsverteilung genutzt werden, um Objektpositionen abzuleiten, wenn die Bildverarbeitung allein unzuverlässig ist.
Herausforderung
Bildbasiertes Bin Picking stößt an Grenzen, wenn Objekte verdeckt, gestapelt, reflektierend oder anderweitig schwer zuverlässig aus Kamerabildern zu segmentieren sind.
Lösung
Kraftmesszellen-Messwerte fließen in ein probabilistisches Belief-Modell ein, das aktualisiert wird, während der Roboter mit dem Behälter interagiert — mittels Partikelfilterung und Reinforcement Learning zur Steuerung der Greifentscheidungen.
Umsetzung
- Entwurf einer mit Kraftmesszellen instrumentierten Behältervorrichtung
- Probabilistische Modellierung von Objektpositionen
- Implementierung eines Partikelfilters zur Zustandsschätzung
- Reinforcement Learning zur Auswahl der Greifaktionen
- Interaktive Visualisierung des Belief-Zustands
- Roboter-Bahnplanung für mögliche Griffe
Technologien
Galerie
Technisches Diagramm
Ergebnisse
- Platzhalter-Ergebnis — durch ein bestätigtes Projektergebnis ersetzen.
Einschränkungen
- Platzhalter-Einschränkung — durch eine bestätigte Einschränkung des aktuellen Ansatzes ersetzen.
Nächste Schritte
- Platzhalter für einen nächsten Schritt — durch eine bestätigte geplante Erweiterung dieser Arbeit ersetzen.
Verwandte Publikationen
Eine ähnliche Herausforderung?
Schicken Sie uns Ihre technischen Anforderungen, Zeichnung oder Projektidee — wir erarbeiten gemeinsam einen praxistauglichen Ansatz.