Neue Steuerungsstrategien für industrielle Roboter
DFG-Projekt
Im von der DFG ab 2025 für drei Jahre geförderten Projekt „Einsatz von Verstärkungslernen für eine effiziente Bahnplanung von parallelen Robotern bei der Handhabung biegeschlaffer Objekte“ erforschen Prof. Tobias Glasmachers, Lehrstuhl für Theory of Machine Learning der Fakultät für Informatik, und Prof. Bernd Kuhlenkötter, Lehrstuhl für Produktionssysteme der Fakultät für Maschinenbau, effiziente Regelungsstrategien für industrielle Roboter.
Parallelroboter sind durch ihre leichte Bauweise ein ideales Werkzeug für Sortieraufgaben (Pick-and-Place). Sie kommen beispielsweise in der Lebensmittelindustrie zur Verpackung von Produkten zum Einsatz.
Der Robotertyp zeichnet sich durch eine geschlossene kinematische Kette aus, in der mehrere Arme eine Plattform mit zweckspezifischem Werkzeug steuern. Dadurch kann er besonders schnell und präzise arbeiten. Die dynamischen Eigenschaften von Parallelrobotern sorgen einerseits für hohe Geschwindigkeiten und Beschleunigungen, stellen auf der anderen Seite aber eine gewaltige Herausforderung für den Entwurf optimaler Regelungsstrategien dar.
Denn typischerweise legt der Anwender in der Parallelrobotik die Bewegungsbahn durch eine Aneinanderreihung von Linearbahnen in kartesischen Koordinaten fest. Dadurch entsteht eine eingeschränkte, nicht optimale Roboterbahn. Ziel des Projekts ist eine möglichst effiziente und optimierte Bahnplanung. Dafür nutzen Glasmachers und Kuhlenkötter maschinelle Lernverfahren aus dem Bereich des Verstärkungslernens. Insbesondere durch die Anpassung der Bahn an Position und Ausrichtung der zu transportierenden Objekte sehen die Forscher ein hohes Potential für Effizienzgewinne.
Dabei spielen auch Schwingungen des Systems eine große Rolle, denn Parallelroboter sind im Vergleich zu anderen Industrierobotertypen sehr schnell, leicht und werden oft zum Transport sogenannter biegeschlaffer Objekte, also Objekten mit formbarer Struktur, eingesetzt. Zur Handhabung dieser hohen Dynamik kommen im Projekt aufwendige Simulationen zum Einsatz, die mithilfe modernster Sensorik auf der realen Hardware validiert werden.