Robotik & IT: Drei Trends, wie Software die Robotik verändert
Robotik ist, insbesondere verknüpft mit Künstlicher Intelligenz, eine entscheidende Technologie des 21. Jahrhunderts, um gesellschaftlichen Herausforderungen in vielen Domänen zu begegnen. Hierfür bedarf es jedoch flexiblerer Robotersysteme, die nicht mehr nur "blind" eine festprogrammierte Aufgabe erledigen. Software ist hierfür eine Schlüsselkomponente. Die Trends Automatisierung der Automatisierung, Open-Source-Software und modellgetriebene Entwicklung zeigen beispielhaft, wie sich Integrationsaufwände verringern lassen.
Es gibt viele Gründe, die für mehr Roboter in der Produktion, aber auch in anderen Bereichen wie Intralogistik, Handel, Gesundheit, Landwirtschaft oder rund um Dienstleistungen sprechen. Die zwei wohl größten Treiber sind aktuell der Mangel an Arbeitskräften, stark bedingt durch den demografischen Wandel, wie auch der hohe finanzielle Druck, den die Unternehmen insbesondere in einem Hochlohnland wie Deutschland spüren. Zudem sind Roboter für Aufgaben prädestiniert, die Menschen oft nicht übernehmen möchten oder sollten, beispielsweise, weil die Aufgabe monoton, gefährlich oder nicht ergonomisch ist.
Die klassischen Roboteranwendungen an großen Produktionsstraßen sind bereits seit Jahren etabliert und erfüllen dort auch genau ihren Zweck. Das zeigt sich in starken Wachstumszahlen weltweit neu installierter Roboter: Diese lagen 2022 bei rund 553.000, ein Plus von fünf Prozent gegenüber dem Vorjahr. Spannend dabei: Rund 290.000 Roboter wurden letztes Jahr allein in China installiert.
Diese "klassischen" Robotersysteme werden initial mit entsprechendem Zeit- und Kostenaufwand umfänglich programmiert und führen dann über Monate oder Jahre die immer gleiche Aufgabe aus. Meist sind dies das Handhaben von Werkstücken und das Schweißen. Der Prozess ändert sich nicht, es gibt immer wiederkehrende Bauteile, keine Abweichungen oder Toleranzen und es bedarf somit auch keiner "Verstehensleistung" durch das Robotersystem.
Flexible Roboter ermöglichen neue Anwendungen
Diese Arbeitsweise kommt an ihre Grenzen, wenn ein Prozess mehr Flexibilität erfordert. In der Produktion kann dies beispielsweise dadurch bedingt sein, dass sich Bauteile häufiger ändern (Stichwort personalisierte Produktion). Denkt man an Roboter in der Intralogistik, haben sie es mit einer Vielzahl an zu handhabenden Objekten zu tun. Diese korrekt zu erkennen, zu greifen und abzulegen bzw. zu verpacken mag in einem Produktionslager noch mithilfe konkreter Programmierung beherrschbar sein, weil die Teileanzahl begrenzt ist. Was aber, wenn Roboter in großen Warenlagern für E-Commerce agieren sollen oder im Einzelhandel, wo sich das Sortiment fortlaufend ändern kann? Das händisch zu programmieren, ist nicht wirtschaftlich leistbar. Denkt man schließlich an Roboter, die sich in öffentlichen Räumen und unter Menschen bewegen, braucht es die wohl größte Flexibilität, sei es, was sichere Fahrwege sowie den Umgang mit Hindernissen angeht, die Interaktion mit Menschen und auch das mögliche Aufgabenspektrum. Software hat für diese kognitiven Roboter, die mithilfe von Sensoren ihre Umgebung erfassen, diese Daten analysieren können und auf dem Ergebnis aufbauend eine passende Aktion ableiten, eine Schlüsselfunktion.
Mehr noch: Software ist nicht nur bei der Aufgabenausführung essenziell, sondern schon bei der Planung und Inbetriebnahme einer Roboteranwendung. Denn ein Roboter allein kann noch keine Aufgabe ausführen. Erst die Verbindung mit passender Peripherie wie Sensoren, Greifern, nötiger Sicherheitstechnik und ggf. weiteren Dingen macht einen Roboter zum handlungsfähigen Robotersystem. Dieses zu integrieren und passend zu programmieren ist aktuell noch mit hohen Aufwänden verbunden. Das schlägt sich auch finanziell nieder: Während der Roboter selbst meist nur 20 bis 25 Prozent der Kosten eines Robotersystems ausmacht, entfallen die übrigen Kosten auf die gesamte Anwendungsentwicklung.
Das ist aus zweierlei Gründen kritisch. Zum einen macht es Roboter noch für viele Unternehmen wie mittelständisch geprägte Betriebe zu kostspielig. Aufwände und Nutzen passen nicht zusammen, beispielsweise, weil sich Bauteile oft ändern und dann immer die Anwendung angepasst werden müsste. Hierfür nötiges Expertenwissen muss meist teuer von extern eingekauft werden. Zum anderen ist dieses Expertenwissen ein zu großes Nadelöhr, wenn man davon ausgeht, dass künftig immer mehr Roboter eingesetzt werden dürften. Es fehlt schlicht an den personellen Kapazitäten auf Integrationsseite. Es braucht also Lösungen, die Robotersysteme softwareseitig leichter und ohne großes Fachwissen einsetzbar machen. Wie das möglich wird, zeigen drei Trends, die die Robotik stark beeinflussen.
Trend 1: Weniger Integrationsaufwände durch die Automatisierung der Automatisierung
Ein großes Forschungsthema und der erste Trend ist die sogenannte Automatisierung der Automatisierung, also die zunehmend automatisierte Planung, Programmierung und Inbetriebnahme eines Robotersystems. Muss beispielsweise die Produktion auf ein neues Produkt umgestellt werden, unterstützen Assistenzsysteme den Programmierer oder das Programm wird gleich automatisiert erstellt. Dieses Konzept wirkt auf allen Ebenen einer Produktion und sorgt dafür, dass Aufwände bei Produktänderungen oder -wechseln deutlich kleiner werden oder sogar ganz entfallen. Zudem kann mithilfe der am Fraunhofer IPA entwickelten Software CARA (Computer-Aided Risk Assessment) eine teilautomatisierte Risikobeurteilung erfolgen. Bisher führen speziell ausgebildete Fachleute eine Risikobeurteilung durch, ohne die ein Robotersystem nicht rechtmäßig betrieben werden kann. Das ist ein aufwändiger Vorgang, der zudem immer dann erneut durchgeführt werden müsste, wenn sich auch nur eine kleinere Änderung an der Anwendung ergibt. Besonders anspruchsvoll ist der Vorgang für Cobots, die relativ neuen, kompakten Roboterarme, die mitunter ohne Schutzzaun oder -glas betrieben werden sollen. CARA unterstützt Unternehmen bei dieser Risikobeurteilung und macht den Prozess schneller und einfacher.
Im Ergebnis ermöglicht die Automatisierung der Automatisierung, dass auch individualisierte Produkte weiterhin automatisiert produziert werden können und somit erschwinglich bleiben. Die Stückproduktionskosten sind trotz kleiner Losgrößen auf dem Niveau von hohen Stückzahlen.
Neue Entwicklungen für den Griff-in-die-Kiste
Technologien der Künstlichen Intelligenz (KI) und hier insbesondere das Maschinelle Lernen (ML) zielen im Sinne der Automatisierung der Automatisierung ebenfalls darauf ab, Einrichtaufwände zu reduzieren und somit flexible Robotersysteme besser verfügbar zu machen. Was die Wahrnehmung angeht, sind hier in den letzten rund zehn Jahren enorme Fortschritte passiert. Am Beispiel von Handhabungsaufgaben wie dem Griff-in-die-Kiste oder dem Verpacken von Waren wird dies deutlich.
Beim Griff-in-die-Kiste geht es darum, chaotisch gelagerte Bauteile zu erkennen und darauf basierend den Griff wie auch die Ablage, sei es für einen weiteren Produktionsschritt oder fürs Verpacken, passend zu planen und auszuführen. Obwohl es für diese Anwendung hohes wirtschaftliches Potenzial gibt, liegt ihre Verbreitung noch hinter den Erwartungen. Ein Grund hierfür: Zellen mit dem Griff-in-die-Kiste sind das erste Glied einer verketteten Produktions- oder Montagelinie. Die Austaktung solch einer Linie basiert darauf, dass jede Station eine garantierte Leistung erbringt. Der Griff-in-die-Kiste bringt hier oft zwei Unsicherheiten mit: Die Kiste wird nicht immer leer und die Taktzeiten schwanken mitunter stark. Das kann an der Bildverarbeitung liegen, an ungeeigneten Sensoren oder Greifern, an schwierig zu greifenden Objekten oder kundenspezifischen Herausforderungen.
Maschinelles Lernen reduziert Einrichtzeit um 84 Prozent
Dank intelligenter Software lassen sich auch diese Herausforderungen zunehmend meistern. Maschinelles Lernen kommt zum Einsatz, um die Objekterkennung und -handhabung zu verbessern. In Simulationen werden Algorithmen und neuronale Netze trainiert, sodass sich das System am Ende vollständig autonom selbst konfigurieren kann. Das Training umfasst die automatische Parameteroptimierung und die automatische Generierung gültiger Griffhaltungen für verschiedene Greifprinzipien. Es sind weder Expertenwissen noch reale Daten oder Anmerkungen erforderlich. Eine Schnittstelle über einen Webservice macht die Bedienung leicht und erfordert lediglich das Hochladen eines CAD-Modells vom Bauteil. Dieses automatisierte Konfigurieren spart gegenüber dem manuellen Einrichten tatsächlich über 80 Prozent Zeit.
Beispielhaft zeigt die Entwicklung "AI Picking" des Fraunhofer IPA, wie ML auch dabei hilft, mit verhakten Bauteilen umzugehen. Hierfür wurden in einer Physiksimulation tiefe neuronale Netze zur Erkennung und Auflösung von Verhakungen trainiert. Die Algorithmen planen die Roboterbewegungen so, dass die Bauteile enthakt werden. Bisherige Lösungen beruhten auf zusätzlicher Sensorik zur Erkennung verhakter Bauteile (sogenannter blinder Passagiere) oder Abschüttelbewegungen, welche die Taktzeiten verlängern und die Bauteile schädigen können.
Modellfreie Packplanung für 3D-Freiform-Objekte
Maschinelles Lernen hilft überdies nicht nur beim Greifen in eine Kiste, sondern auch beim Ablegen in eben diese. Hierfür ist eine modellfreie Packplanung für beliebige 3D-Freiform-Objekte entwickelt worden. Sie ist für vielfältige Einsatzmöglichkeiten geeignet, wie beispielsweise die Warenkommissionierung, das Palettieren, das End-of-Line-Packing oder auch das Beladen von LKW, Flugzeugen, Rollcontainern und vielem mehr.
In einer Physiksimulation können verschiedenste Anwendungsfälle visualisiert werden. Die Packplanung funktioniert ad hoc basierend auf Tiefenbild-Aufnahmen der zu packenden Objekte und ist in circa 50 Millisekunden erfolgt. Dabei benötigt das Robotersystem keinerlei Vorwissen oder CAD-Modell und auch kein aufwändiges Training im Vorfeld, wie es oft bei vortrainierten Deep-Learning-Methoden der Fall ist. Die Planung erfolgt in sechs Freiheitsgraden und hat eine eingebaute Stabilitätsprüfung vor der geplanten Ablage. Es ist zudem möglich, ähnliche Teile in gemischten Kisten semantisch zu gruppieren. Und nicht zuletzt können individuelle oder gelernte Packregeln in die Lösung integriert werden.
Trend 2: Open-Source-Komponenten beschleunigen Software-Entwicklung
Ein zweiter Trend ist die Nutzung frei verfügbarer Software. Stand heute ist die Wiederverwendbarkeit von Softwarekomponenten in der Robotik im Allgemeinen noch nicht sehr verbreitet. Stattdessen gibt es viele proprietäre Lösungen. Doch wenn jeder das Rad neu erfindet, geht viel Effizienz verloren. Frei verfügbare Softwarekomponenten werden deshalb immer mehr zum Innovations- und Wettbewerbsfaktor, denn sie ermöglichen Unternehmen, auch mit wenigen eigenen Ressourcen schnell Prototypen zu entwickeln. Besonders verbreitet ist die Middleware Robot Operating System (ROS). ROS bietet Komponenten für grundlegende, aber komplexe Fähigkeiten von Robotern wie Manipulation, Navigation oder Bildverarbeitung. Hinzu kommen Treiber, Algorithmen zur Datenanalyse und Aufgabenplanung sowie Diagnose- und Entwicklungswerkzeuge. Diese sind herstellerunabhängig, standardisiert und entstehen partizipativ. Einmal entwickelte Komponenten können mehrfach verwendet werden, was die Entwicklung und Inbetriebnahme von Robotersystemen beschleunigt. Und jeder kann die Komponenten als Basis für die Neu- oder Fortentwicklung nutzen. Auch eine kommerzielle Nutzung ist bereits recht verbreitet und beinhaltet häufig sowohl Open-Source- als auch Closed-Source-Komponenten.
ROS wurde 2007 veröffentlicht und war ursprünglich für den Einsatz im Forschungsbereich und in der schnellen Prototypenentwicklung, insbesondere in der noch jungen Servicerobotik vorgesehen. Am Fraunhofer IPA kommt ROS bereits seit 2009 in diversen Roboteranwendungen zum Einsatz, sei es für die Entwicklung von Forschungsplattformen, aber auch für marktreife Lösungen, beispielsweise zur einfacheren Roboterprogrammierung, zur kooperativen Navigation mobiler Roboter, für den Griff-in-die-Kiste, die einfache Kraftrückkopplung oder schließlich das cobot-basierte Schweißen.
Dieser Einsatz im industriellen Kontext stellt natürlich andere Anforderungen an ein Softwaresystem als der Einsatz in der Forschung, insbesondere hinsichtlich IT-Sicherheit sowie robuster, echtzeitfähiger Kommunikation als ein Baustein zur normenkonformen Umsetzung funktionaler Sicherheit. Da ROS (oder ROS1) selbst nicht echtzeitfähig ist, wurde im Dezember 2017 die erste Version von ROS2 veröffentlicht, das auf den Data-Distribution-Service-(DDS-)Standard für Echtzeitsysteme setzt. ROS2 ist – obwohl mit dem Fokus auf bessere Unterstützung industrieller Anforderungen entwickelt – momentan noch recht forschungslastig und ist am stärksten in der mobilen Robotik und dem autonomen Fahren verbreitet.
Die weltweite Initiative ROS-Industrial hat deshalb das Ziel, ROS noch besser auf industrielle Anforderungen zuzuschneiden und die Zuverlässigkeit der Software zu erhöhen sowie Anpassungen an industrielle Standards und Regularien voranzubringen. Die Initiative versteht sich als Technologiepartner und Schnittstelle zwischen Entwicklergemeinde und Industrie und bringt deren Entwicklungskulturen zusammen. Zur Initiative gehören drei Konsortien in Asien, Nordamerika und Europa mit aktuell über 90 Mitgliedern, vom Start-up bis zum Konzern und von Forschungseinrichtungen bis zum industriellen Endanwender.
Trend 3: Modellgetriebene Integrationsmethoden steigern die Effizienz
Ein dritter Trend sind modellbasierte Entwicklungsmethoden, die die Softwareintegration für Robotersysteme deutlich vereinfachen können. Diese Methoden entstehen basierend auf ROS sowie eigenen Lösungen vom Fraunhofer IPA und adressieren damit Systemintegratoren, Roboter-Entwickler, Softwarefirmen und Komponentenanbieter. Das Angebot reicht von Integrationstools über die passende Systemkomposition bis hin zu Test- und Experimentierumgebungen, um Robotertechnologien bewerten und vorantreiben zu können. Damit sollen kürzere Entwicklungszyklen erreicht werden, indem verfügbare Komponenten mehrfach genutzt werden können. Zudem ermöglichen die Angebote eine bessere Übersicht über komplexe Robotersysteme. Und nicht zuletzt lässt sich die korrekte Komposition aller Komponenten prüfen, bevor diese auf dem Robotersystem in Betrieb genommen werden.
Konkret bedeutet dies, dass es beispielsweise Modelle (d. h. formale Beschreibungen) von Softwaresystemen gibt und auch Komponentenbeschreibungen. Erstere können Systemingenieure einfach in grafischen Werkzeugen aus existierenden und neu zu entwickelnden Komponenten erstellen. Letztere liegen in einer Online-Datenbank vor und informieren über funktionale und nicht-funktionale Aspekte. Für den gesamten Entwicklungsprozess, von der Auswahl oder Neuentwicklung der Komponenten über die Systemkomposition bis zum Ausrollen und Überwachen lauffähiger Steuerungssoftware, kommt eine eigene, modellbasierte Entwicklungsumgebung zum Einsatz. Diese generiert aus den einmal erstellten Komponenten- und Systemmodellen automatisiert den Integrationscode, ausspielbare Software-Module und weitere Artefakte, wie Teile der Systemdokumentation und Tests – ohne dass über den Entwicklungsprozess Informationen verloren gehen oder wiederholt eingegeben werden müssen.
Die entwickelten Konzepte konnten bereits für verschiedene Produktionslinien und Roboterzellen prototypisch angewandt werden. Dazu gehört einmal eine Linie mit einer manuellen Station und drei Roboterzellen. Die Schritte pro Werkstück lassen sich flexibel konfigurieren. Das Verhalten der einzelnen Stationen wurde mit "Behaviour-Tree"-Bibliotheken definiert. Ein Behaviour Tree ist ein hierarchisches Modell, das in künstlicher Intelligenz (KI) und Robotik verwendet wird, um komplexe Agentenverhalten zu definieren und kann als Alternative zu State Machines betrachtet werden. Es strukturiert Aufgaben in einem baumähnlichen Format, wobei jeder Knoten eine bestimmte Aktion, Entscheidung oder Bedingung darstellt. Dieser Ansatz ermöglicht eine modulare, skalierbare und leicht verständliche Darstellung komplexer Verhaltensweisen. Die zweite Einsatzumgebung ist eine Produktionslinie mit drei Roboterstationen und einem Hochgeschwindigkeits-Fließband. Die Schritte pro Werkstück lassen sich auch hier flexibel konfigurieren. Das Verhalten der Stationen kann mithilfe einer Open-Source-Bibliothek auf Basis von ROS und CtrlX definiert werden.
Insgesamt zeigen die drei Trends – die Automatisierung der Automatisierung, die zunehmende Bedeutung von Open-Source-Komponenten sowie die modellgetriebene Entwicklung – beispielhaft, dass es die Software ist, die die Robotik vorantreibt. Natürlich gibt es auch hardwareseitig relevante Neuerungen, beispielsweise bei den Greifern oder rund um die oben erwähnten Cobots. Die beiden Domänen weisen jedoch sehr unterschiedlich schnelle Entwicklungszyklen auf. Während neue Roboter-Hardware meist Jahre braucht, erscheint neue Software nach mehreren Wochen bis wenigen Monaten. Durch die Verknüpfung von IT und Robotik profitiert die Robotik von den Fortschritten vor allem im Perzeptionsbereich.
