{"id":737,"date":"2020-07-07T15:38:54","date_gmt":"2020-07-07T13:38:54","guid":{"rendered":"https:\/\/websites.fraunhofer.de\/stec\/?post_type=projects&p=737"},"modified":"2023-03-10T14:08:00","modified_gmt":"2023-03-10T13:08:00","slug":"ki-basierte-objektlageschaetzung-greifen-von-objekten-in-nicht-definierter-lage-mit-robotern","status":"publish","type":"projects","link":"https:\/\/s-tec.de\/en\/projekte\/ki-basierte-objektlageschaetzung-greifen-von-objekten-in-nicht-definierter-lage-mit-robotern\/","title":{"rendered":"KI-basierte Objektlage­sch\u00e4tzung: Greifen von Objekten nicht definierter Lage"},"content":{"rendered":"\n\n
\n
\n
\n
\n
\n
\"KI-basierte
\u00a9 robomotion GmbH; Foto: Andreas Wolf<\/figcaption><\/figure>\n<\/div>\n<\/div>
<\/div>
<\/div><\/div><\/div>\n<\/div><\/div>\n\n\n\n

Objektlagesch\u00e4tzung mittels Simulation und Maschinellem Lernen<\/h4>\n\n\n\n

Das Ziel des Projektes war es, das Potential von Simulationen und maschinellen Lernverfahren f\u00fcr die Lokalisierung von Gebinden auf Paletten zu untersuchen und prototypisch zu implementieren. Die Gebinde sollten von einem Roboter mit dem Aufw\u00e4lzgreifer der Firma Premium Robotics gegriffen und definiert abgelegt werden. Dazu wurde KI-basierte Objektlagesch\u00e4tzung herangezogen, da diese es erm\u00f6glicht, neue Objekte ohne Fachwissen einzulernen.<\/p>\n\n\n\n

Aktuelle L\u00f6sungen zur Objektlagesch\u00e4tzung erfordern eine objektspezifische Konfiguration durch Expert*innen und haben eine unzureichende Robustheit gegen\u00fcber \u00c4nderungen im Aufdruck der Gebinde. Durch Simulationen und Maschinelles Lernen (ML) sollen lange Einlernzeiten f\u00fcr 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 \u00dcberf\u00fchrung der Modelle in reale Anwendungen.<\/p>\n\n\n\n

<\/p>\n\n\n\n

Projektablauf<\/h4>\n\n\n\n

Im Rahmen des Projektes wurde eine Simulation zur Datengenerierung erstellt. Diese erlaubt es, gro\u00dfe Datens\u00e4tze bestehend aus Kamerabildern und der zugeh\u00f6rigen Lage aller Objekte in der Szene zu erstellen. Auf Basis der Daten wurden Modelle f\u00fcr die KI-basierte Objektlagesch\u00e4tzung trainiert. Die Performance wurde sowohl auf Basis von synthetischen als auch von realen Daten evaluiert.<\/p>\n\n\n\n

Das Fraunhofer IPA stellte uns durch den Quick Check beeindruckende neue Methoden vor, die eine schnelle Objektlokalisierung ohne lange Einlernzeiten erm\u00f6glicht. Unter den vorgestellten Methoden sind vielversprechende Ans\u00e4tze, um diese in der Industrie zu verwirklichen.<\/p>best\u00e4tigt Dr.-Ing. Andreas Wolf, Testimonial von robomotion.<\/cite><\/blockquote>\n\n\n\n

Projektnutzen<\/h4>\n\n\n\n