KI-basierte Objektlage­schätzung: Greifen von Objekten nicht definierter Lage

Objektlageschätzung mittels Simulation und Maschinellem Lernen

Das Ziel des Projektes war es, das Potential von Simulationen und maschinellen Lernverfahren für die Lokalisierung von Gebinden auf Paletten zu untersuchen und prototypisch zu implementieren. Die Gebinde sollten von einem Roboter mit dem Aufwälzgreifer der Firma Premium Robotics gegriffen und definiert abgelegt werden. Dazu wurde KI-basierte Objektlageschätzung herangezogen, da diese es ermöglicht, neue Objekte ohne Fachwissen einzulernen.

Aktuelle Lösungen zur Objektlageschätzung erfordern eine objektspezifische Konfiguration durch Expert*innen und haben eine unzureichende Robustheit gegenüber Änderungen im Aufdruck der Gebinde. Durch Simulationen und Maschinelles Lernen (ML) sollen lange Einlernzeiten für neue Objekte vermieden werden und durch Ungeschulte realisierbar sein. Bedingt durch die Datenknappheit sollen Simulationen zur Generierung von Trainingsdaten herangezogen werden. Die Verwendung von Sim-to-Real Techniken erlaubt eine Überführung der Modelle in reale Anwendungen.

Projektablauf

Im Rahmen des Projektes wurde eine Simulation zur Datengenerierung erstellt. Diese erlaubt es, große Datensätze bestehend aus Kamerabildern und der zugehörigen Lage aller Objekte in der Szene zu erstellen. Auf Basis der Daten wurden Modelle für die KI-basierte Objektlageschätzung trainiert. Die Performance wurde sowohl auf Basis von synthetischen als auch von realen Daten evaluiert.

Das Fraunhofer IPA stellte uns durch den Quick Check beeindruckende neue Methoden vor, die eine schnelle Objektlokalisierung ohne lange Einlernzeiten ermöglicht. Unter den vorgestellten Methoden sind vielversprechende Ansätze, um diese in der Industrie zu verwirklichen.

bestätigt Dr.-Ing. Andreas Wolf, Testimonial von robomotion.

Projektnutzen

• Potentialanalyse zum Einsatz von Künstlicher Intelligenz im Anwendungsfall
• Entwicklung von neuartigen Ansätzen zur Lokalisierung von Gebinden auf Paletten
• Untersuchung der Performance der Ansätze
• Einschätzung von Expert*innen zum Anwendungsfall