Der Industrieroboterriese Fanuc verbessert mit KI die Automatisierung

Der Industrieroboterriese Fanuc verbessert mit KI die Automatisierung

25. April 2019 0 Von Horst Buchwald

Tokio, 25.4.2019

Der japanische Industrieroboterriese Fanuc will die Ausbildung von Robotern optimieren und damit die Automatisierung für eine breitere Palette von Branchen, darunter auch Pharmazie, zugänglicher machen.

Das Unternehmen kündigte kürzlich auf der TechCrunch-Veranstaltung Robotics + AI Sessions ein neues Werkzeug auf Basis künstlicher Intelligenz an, das Robotern beibringt, wie sie mit einfachen Anmerkungen und Sensorik die richtigen Objekte aus einem Behälter auswählen können, wodurch der Trainingsprozess um Stunden verkürzt wird.

Bin-Picking heißt das Zauber- Mittel. Ein Roboterarm wird geschult, um Gegenstände aus den Behältern zu entnehmen. Er wird für lästige, zeitaufwändige Aufgaben wie das Sortieren von Großaufträgen eingesetzt. Bilder von Teilen der Gegenstände werden mit einer Kamera aufgenommen, damit der Roboter sie mit den Visionssensoren registriert und speichert. Dann bringt man ihm die entsprechenden Regeln bei, so das er weiß, welche Teile er aufnehmen muss.

In der Vergangenheit waren zahlreiche Fehler und anschließende Versuche noch zeitraubende Prozesse. Jetzt beinhalten die Regeln Details wie die Lokalisierung der Teile oben auf dem Stapel oder welche am sichtbarsten sind.

In Branchen, die relativ neu in der Automatisierung sind, kann es eine Herausforderung sein, genügend Ingenieure und qualifizierte Mitarbeiter für die Schulung von Robotern zu finden.

Hier setzt das neue KI-basierte Tool von Fanuc an. Es vereinfacht den Trainingsprozess, so dass der menschliche Bediener nur ein Foto von Teilen, die in einem Behälter verwechselt wurden, auf einem Bildschirm betrachten und auf einige Beispiele tippen muss, was aufgenommen werden muss, wie z.B. einem kleinen Kind zeigen, wie man Spielzeug sortiert. Dies ist deutlich weniger Training als typische KI-basierte Vision-Sensoren benötigen und kann auch dazu verwendet werden, mehrere Roboter gleichzeitig zu trainieren.