Planung für robotische Systeme
Automatisierte Aufgabenplanung mit künstlicher Intelligenz
Jedes Szenario, an dem ein Team von verschiedenen Agenten, Robotern und Menschen, beteiligt ist, erfordert ein Softwaremodul, das ihre Aufgaben so organisiert, dass bestimmte Ziele erreicht werden. Algorithmen zur Aufgabenplanung werden genau zu diesem Zweck entwickelt. Sie definieren die Aufgaben, ordnen sie an und weisen sie den beteiligten Agenten zu, so dass am Ende der Ausführung der Aufgaben die festgelegten Ziele erreicht werden. Bei dem Aufgabenzuweisungsprozess werden Optimierungsziele, wie die Minimierung der Gesamtausführungszeit, berücksichtigt. Die generierten Aufgaben werden dann durch eine Reihe grundlegender Aktionen ausgeführt, wie zum Beispiel die Planung und Ausführung von Trajektorien für einen seriellen Arm, Lokalisierung und Navigation für eine mobile Plattform oder verschiedene Prozesse, die mit einem Greifer ausgeführt werden müssen.
Die reale Welt ist dynamisch, und ihre Elemente sind durch ein hohes Maß an Unsicherheit gekennzeichnet. In solchen Umgebungen werden geplante Aktionen möglicherweise nicht wie erwartet ausgeführt und können fehlschlagen. Wenn Fehler auftreten, muss ein neuer Plan erstellt und ausgeführt werden. Die automatisierte Aufgabenplanung ist eine spezielle Klasse von Aufgabenplanungsalgorithmen, die dem System die nötige Autonomie verleiht, um zu planen und wiederherzustellen, auch wenn Aufgaben fehlschlagen. Am IGMR wird intensiv geforscht, um ein komplexes Task Planning Framework für Teams von kooperierenden Agenten rund um Automated Task Planning Methoden zu entwickeln. Dieses Task Planning Framework basiert auf dem ROSPlan Framework und wurde bereits in einem simulierten Industrie-Szenario und mehreren realen Szenarien validiert.
Förderung
Szenarien und Anwendungsfälle
Arbeitsraum mobiler Roboter
Graphische Aufgabenplanung im Bauwesen
Motivation
Die Automation von Arbeitsschritten im Bauwesen unterliegt einem hohen wirtschaftlichen Druck bei einer gleichzeitig hohen Planungsungenauigkeit, weshalb eine zeitoptimale und ebenso wandelbare Planungsmethode benötigt wird
Ziel
Entwicklung eines Planungsalgorithmus, der für eine beliebig große Flotte von Robotern die flächenbezogenen Aufgaben im Bauwesen an Wänden, Decken und Böden für unterschiedliche Wohnungsgrundrisse zuverlässig zuweist, um den Prozess schnellstmöglich abzuwickeln
Vorgehen
Das Planungsproblem wird aus dem gegebenen Wohnungsgrundriss heraus in einen topologisch mehrstufigen Graphen überführt und durch den Einsatz von verschiedenen Optimierungsansätzen für jedes Individuum der Roboterflotte schichtweise gelöst. Die ermittelten Kosten werden anschließend in einem Auktionsverfahren verglichen und die Aufgaben den Individuen zugeteilt. Die Planungsschleife läuft auch während der Bearbeitung der Arbeiten kontinuierlich weiter, um sinnvolle Planänderungen jederzeit einfließen zu lassen.
Partner
Dieses Planungsmodul ist im Rahmen des Forschungsprojekts Bots2ReC entstanden und wurde insbesondere gemäß den Anforderungen des französischen Partners Bouygues Construction entwickelt.
Förderung
Online Bewegungsplanung und -steuerung
Agile und frei vernetzte Montagesysteme, die sich durch die sensorisch unterstützte Zusammenarbeit mehrerer mobiler und stationärer Roboter auszeichnen, sind ein wesentlicher Bestandteil der Fabriken der Zukunft.
Die dynamische Umgestaltung von Produktionslinien erfordert eine spezielle Steuerung für Robotermanipulatoren.
In aktuellen industriellen Anwendungen werden solche Systeme in der Regel für wiederkehrende Aufgaben eingesetzt und auf ihre Aufgaben eingelernt und somit feste Bewegungen definiert. In zukünftigen Montageszenarien ist dies nicht der Fall. Neue Anforderungen sorgen dafür, dass ein schnelles und zuverlässiges Bewegungsplanungs- und Steuerungsschema entwickelt werden muss. Dieses Schema muss dabei angemessen auf Änderungen der Umgebung und der Sollwerte reagieren und machbare Bewegungen erzeugen. Somit können moderne Montagesysteme dann in die Lage versetzt werden, Teil des Internet of Production zu werden, indem sie in die Struktur eines Metamodells, dem so genannten digitalen Schatten eingeordnet werden.
Als Teil des Exzellenzclusters Internet of Production modellieren wir solche Montageszenarien über Koordination und Konsens in einem Sensor-Roboter-Netzwerk.
Förderung
Exzellenzcluster Internet of Production
Ausgewählte Veröffentlichungen
- Kinematic Control of Serial Manipulators Using Clifford Algebra
- Kinematically Adapted Sampling-Based Motion Planning Algorithm for Robotic Manipulators
- Holarchy for Line-less Mobile Assembly systems Operation in the Context of the Internet of Production