Nigel Smith, CEO des Industrieroboterspezialisten TM Robotics, erklärt, warum eine Kombination aus 2D- und 3D-Bildverarbeitungssystemen und künstlicher Intelligenz (KI) zu den neuesten Technologien gehört, die eine neue Phase der Robotik einleiten werden.Laut Wendy Tan White, CEO des Robotik-Softwareunternehmens Intrinsic, „stehen wir an der Schwelle einer Renaissance der Industrierobotik, angetrieben von Software-First-Lösungen, billigerer Sensorik und mehr Daten.“Hier erklärt Nigel Smith, CEO des Industrieroboterspezialisten TM Robotics, warum eine Kombination aus 2D- und 3D-Vision-Systemen und künstlicher Intelligenz (KI) zu den neuesten Technologien gehört, die eine neue Phase der Robotik einleiten werden.Hersteller streben danach, mehr aus Robotern mit größerer Flexibilität, Innovation und Flexibilität zu machen.Käufer werden kleinere und flexiblere Konstruktionen erwarten, die sich problemlos in bestehende Produktionslinien einfügen lassen, während vorhandene Roboter leichter umfunktioniert und Aufgaben neu zugewiesen werden können.In diesen Umgebungen werden Roboter zunehmend eingesetzt, um Produkte in Lagern oder entlang der Produktionslinie zu kommissionieren und zu bewegen.Ein berühmtes Beispiel sind die Kiva-Roboter von Amazon, Roboterhubwagen, die den Arbeitern durch das Lager folgen und sie bei ihren Aufgaben unterstützen.Weitere Wachstumsfelder werden Industrieroboter sein, die CNC-Maschinen bedienen und betreuen, und auch Schweißanwendungen bieten zunehmend Möglichkeiten.Aber ein Feature wird entscheidend sein, wenn Roboter diese Aufgaben erfolgreich erfüllen sollen: 2D- und 3D-Vision-Systeme.Im Gegensatz zu „blinden“ Robotern ohne Vision-Systeme, die einfache, sich wiederholende Aufgaben erledigen, reagieren Roboter mit maschinellem Sehen intuitiv auf ihre Umgebung.Bei 2D-Vision-Systemen ist der Roboter mit einer einzigen Kamera ausgestattet.Dieser Ansatz eignet sich besser für Anwendungen, bei denen das Lesen von Farben oder Texturen wichtig ist, wie z. B. die Barcode-Erkennung.3D-Systeme hingegen sind aus Spatial Computing hervorgegangen, das 2003 am Massachusetts Institute of Technology (MIT) entwickelt wurde. Mehrere Kameras erstellen ein 3D-Modell des Zielobjekts und eignen sich besonders für Aufgaben, bei denen Form oder Position wichtig sind.Dazu gehört auch der präzise Griff in die Kiste, eine der gefragtesten Aufgaben für Roboter, auf die wir im Folgenden näher eingehen werden.Sowohl 2D- als auch 3D-Vision-Systeme haben viel zu bieten.Insbesondere 3D-Systeme können einige der Fehler überwinden, auf die 2D-ausgestattete Roboter bei der Ausführung physischer Aufgaben stoßen, die andernfalls menschliche Arbeiter mit der Aufgabe belassen würden, die Fehlfunktion oder den daraus resultierenden Engpass zu diagnostizieren und zu beheben.In Zukunft haben Roboter, die mit 3D-Vision-Systemen ausgestattet sind, das Potenzial, Barcodes und Scanner zu lesen, auf Mängel wie Motorteile oder Holzqualität zu prüfen, Verpackungsinspektionen durchzuführen, die Ausrichtung von Komponenten zu prüfen und vieles mehr.Wendy Tan White erwähnt „billigere Sensorik und mehr Daten“.Mit anderen Worten, wir können erwarten, dass sich der Fokus der Robotik über die Hardware von Sensorgeräten hinaus auf den Aufbau von KI verlagert, die dazu beiträgt, die Verwendung dieser Sensoren zu optimieren und letztendlich die Roboterleistung zu verbessern.Dazu gehören Kombinationen von maschinellem Sehen mit Lernfähigkeiten.Nehmen Sie zum Beispiel Präzisions-Bin-Picking-Anwendungen.Bei früheren Robotersystemen war eine professionelle CAD-Programmierung (Computer Aided Design) erforderlich, um sicherzustellen, dass der Roboter Formen erkennen konnte.Während diese CAD-Systeme jeden beliebigen Artikel in einem Lagerplatz identifizieren konnten, würde das System auf Probleme stoßen, wenn beispielsweise Artikel während einer Bin-Picking-Aufgabe in zufälliger Reihenfolge erscheinen würden.Stattdessen verwenden fortschrittliche Bildverarbeitungssysteme passive Bildgebung, bei der Photonen von einem Objekt emittiert oder reflektiert werden, das dann das Bild erzeugt.Der Roboter kann dann Gegenstände unabhängig von ihrer Form oder Reihenfolge automatisch erkennen.Ein Beispiel ist das Bildverarbeitungssystem TSVision3D von Shibaura Machine, das zwei Hochgeschwindigkeitskameras verwendet, um kontinuierlich 3D-Bilder aufzunehmen.Mit intelligenter Software kann das System diese Bilder verarbeiten und die genaue Position eines Artikels identifizieren.Durch diesen Prozess kann der Roboter die logischste Reihenfolge bestimmen und Artikel mit der gleichen Leichtigkeit wie ein menschlicher Arbeiter mit einer Genauigkeit von weniger als einem Millimeter aufnehmen.Mit TSVision3D sehen wir, wie sich die Roboter-KI so weit entwickelt, dass sie Bilder so zuverlässig wie Menschen interpretieren kann.Dies könnte uns, mit den Worten von Wendy Tan White, „einer Renaissance der Industrierobotik“ näher bringen.Nigel Smith ist CEO des Industrieroboterspezialisten TM Robotics.Schauen Sie sich unsere kostenlosen E-Newsletter an, um weitere tolle Artikel zu lesen.©2020 Automation.com, eine Tochtergesellschaft von ISA