Gelernte kraftbasierte Fügevorgänge für komplexe Manipulationsstrategien

Problemstellung

Bei feinfühligen Manipulationen von Montagevorgängen kann es aufgrund von Unsicherheiten zu Verklemmungen kommen, die vermieden werden sollten.

Ziel

Zur Vermeidung von Verklemmungen kann von Mensch-inspirierten Fähigkeiten bei der Steck-Montage gelernt werden.

Lösungskompetenz

Es wird ein adaptives Regelungskonzept mithilfe neuronaler Netze (RNNs) entwickelt, die über ein Long short-term memory (LSTM) verfügen, also ein langes Kurzzeitgedächtnis, welches sich Vorgänge merken und basierend darauf lernen kann. Außerdem wird kartesische Kraftregelung mit Vorwärts-Dynamik eingesetzt. Ein initiales und sicheres Lernen wird durch menschliche Teleoperation in der Simulation gewährleistet. Ein robuster Sim2Real-Transfer ermöglicht den einfachen und schnellen Einsatz in realen Anwendungen.

Erprobungsumgebung

Da die Controller über Open Source Lizenzen verfügbar sind, ist ein schneller Transfer in die Produktion möglich.