Mobile Transportroboter

Schlau, schnell und dank KI-basierter Simulation ihrer Zeit voraus: Künstliche Intelligenz dient als Enabler für die Automatisierung komplexer Transportsysteme.

Die mobilen Transportroboter kommen

Auf dem Weg zur vollständig flexiblen Logistik sind Autonomie in der Entscheidungsfindung und die Selbstorganisation des Materialflusses sind nicht mehr wegzudenken. Dabei entstehen vollkommen neue, hochdynamische Klassen von Transportfahrzeugen, die neue Herausforderungen an die dezentrale Steuerung stellen. Forschende am Fraunhofer IML haben im Projekt »OpenDynamics« des vom Bundesministerium für Digitales und Verkehr geförderten Silicon Economy-Vorhabens zwei neuartige autonome mobile Transportroboter entwickelt: Die entsprechenden Versuchsfahrzeuge drehten jetzt im Rahmen der IFOY TEST Days in Dortmund ihre Runden vor einem interessierten Fachpublikum, eine Weiterentwicklung der Roboter wird das Fraunhofer IML zur LogiMAT einer breiteren Öffentlichkeit Ende Mai präsentieren.

Kaum ein Fahrerloses Transportfahrzeug (FTF) bzw. Transportroboter ist heute vollständig autonom. Die wenigen autonomen Systeme sind proprietär und bieten keine Standardschnittstelle. Vor diesem Hintergrund haben Forschende der Silicon Economy im Projekt »OpenDynamics« eine neue Generation und eine neue Klasse von Transportrobotern entwickelt, die tatsächlich autonom agieren. Mehr noch: Zahlreiche Komponenten für die Hardware, aber auch für die Navigations- und Lokalisierungssoftware stehen Unternehmen open source zur Verfügung – die Leitidee der Silicon Economy. Auf dieser Basis haben die Wissenschaftlerinnen und Wissenschaftler allerdings auch schon erste kommerzielle Lösungen realisiert.

Die wesentlichen Eigenschaften der beiden Versuchsfahrzeuge im Überblick:

Immer in Balance: Dynamisch stabiler Roboter »evoBOT«

Forschende aus der Silicon Economy haben das Fahrprinzip des »inversen Pendels« dazu genutzt, eine innovative Plattform mit einer intelligenten Balancierautomatik zu entwickeln. Die Plattform kann mit unterschiedlichsten Greiferlösungen zum Halten, Positionieren und Bewegen von Waren ausgestattet werden. Dank der Pendelbewegung kann ein Roboter, der auf der Plattform basiert, Objekte direkt vom Boden abheben und in unterschiedlichen Höhen abgeben. In der Intralogistik lassen sich für solche überaus wendigen, schnellen Transportroboter, die eine All-in-one-Lösung versprechen, zahlreiche Anwendungen finden. Der Bauplan für die erste Pendelstufe des Chassis soll open source gestellt werden und damit eine Entwickler-Community attrahieren. 

Weitere Informationen zu den Entwicklungen rund um den »evoBOT« finden Sie hier.

Datenschutz und Datenverarbeitung

Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: https://policies.google.com/privacy

Transportroboter »evoBOT«

»Der evoBot markiert mit seinem aufrechten Gang einen wichtigen Punkt in der Evolution mobiler Roboter. Seine Entwicklung weist in Richtung humanoider Robotik. Jeden Tag kommen uns neue Ideen für seinen Einsatz, da er einerseits mit einer Geschwindigkeit von 10 m/s in den Bereich leistungsfähiger Fördertechnik vordringt und andererseits sehr individuelle Aufgaben im Zusammenspiel mit dem Menschen erfüllen kann. So erstrecken sich die Anwendungsbereiche des evoBOT über den klassischen logistischen Kontext hinaus bis in den komplexen urbanen Raum.«

Prof. Michael ten Hompel

Drinnen und draußen unterwegs: Hochdynamischer Outdoor Roboter »O³dyn«

Viele Fahrerlose Transportfahrzeuge werden heutzutage für geringe Dynamik ausgelegt und sind entweder für den Innen- oder den Außenbereich von Betriebsgeländen konzipiert. Sie weisen entweder hohe Leistungsfähigkeit, Dynamik oder Flexibilität auf. Alle drei Eigenschaften zusammen sind bisher aber in praktisch keinem einzelnen Fahrzeug gleichermaßen zu finden. Der hochdynamische Roboter kann nun große Lasten im Format einer Palette mit einer hohen Geschwindigkeit omnidirektional transportieren. Er ist darauf ausgelegt, die geschützte und definierte Umgebung von Lagerhallen zu verlassen und auf dem jeweiligen Betriebsgelände zu agieren.

Die Navigation des Fahrzeugs funktioniert nahtlos am Übergang zwischen Innen- und Außenbereich. Die Realisierung erfolgt über umgebungsbasierte und funkbasierte Lokalisierungsalgorithmen. Der Roboter setzt auf den Forschungsergebnissen und der Fahrzeugbasis des LoadRunner® auf.

Datenschutz und Datenverarbeitung

Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: https://policies.google.com/privacy

Hochdynamischer Outdoor Roboter O³dyn

KI-basierte Simulation beschleunigt Entwicklung

Die beiden mobilen Transportroboter sind am Fraunhofer IML mit einer KI-basierten Simulation entwickelt worden – einem komplett neuen Verfahren, das die Forschenden auch auf der digitalen NVIDIA »GTC Entwicklerkonferenz für das KI-Zeitalter« im März vorstellten.

Durch eine starkparallele Verarbeitung moderner Grafikkarten werden dabei hochkomplexe Vorgänge in Echtzeit simuliert und bilden die Grundlage einer neuen Klasse von Algorithmen – der »Simulationsbasierten KI«. Simulationen verwenden Modelle zur Abstraktion. Für die Entwicklung von solchen hochdynamischen Systemen wie den beiden Transportrobotern wird das Verhalten der simulierten mit dem der realen Transportfahrzeugen in einer speziellen, besonders geeigneten Testumgebung - mit Hilfe eines High-Performance Motion Capturing - abgeglichen und so das Simulationsmodell optimiert. Reduziert sich die Differenz von Modell und Realität, geht die Simulation in eine Digitale Realität für die KI über und der Roboter wird zum CPS-Zwilling (CPS = cyberphysische Systeme) der Simulation.

Die Entwicklung neuer Roboter beansprucht nach klassischen Methoden mehrere Jahre. Mit Hilfe der KI-basierten Simulation können die Roboter aber während der Entwicklungszeit mit neuen Anforderungen aus der Intralogistik trainiert werden. Durch die Digitale Realität können die Entwicklung der Hardware von der Programmierung des Systemverhaltens während der Entwicklungszeit entkoppelt werden. Gehen die Roboter dann in die Produktion, befinden sie sich immer noch auf dem neuesten Stand bzw. auf der Höhe der neuesten intralogistischen Technik – ein erheblicher Mehrwert gegenüber der klassischen Roboterentwicklung.

Schon im Rahmen des LoadRunner®-Projekts hatten Forscher des Fraunhofer IML diese Technologie erstmalig angewendet, um die KI für die Schwarmsteuerung rein virtuell zu entwickeln, und damit einen gänzlich neuen Forschungszweig erschlossen.

Dr.-Ing. Peter Detzner

Contact Press / Media

Dr.-Ing. Peter Detzner

Kommissarischer Abteilungsleiter KI und Autonome Systeme

Fraunhofer-Institut für Materialfluss und Logistik IML
Joseph-von-Fraunhofer-Straße 2-4
44227 Dortmund

Telefon +49 231 9743-325

Fax +49 231 9743-77325

Guido Follert

Contact Press / Media

Dipl.-Ing. Guido Follert

Abteilungsleiter Maschinen und Anlagen

Fraunhofer-Institut für Materialfluss und Logistik IML
Joseph-von-Fraunhofer-Straße 2-4
44227 Dortmund

Telefon +49 231 9743-253

Jana Jost

Contact Press / Media

Dr.-Ing. Jana Jost

Abteilungsleiterin Robotik und Kognitive Systeme

Fraunhofer-Institut für Materialfluss und Logistik IML
Joseph-von-Fraunhofer-Straße 2-4
44227  Dortmund

Telefon +49 231 9743-522

Jan Emmerich

Contact Press / Media

Dipl.-Inform. Jan Emmerich

Abteilungsleiter IoT und Eingebettete Systeme

Fraunhofer-Institut für Materialfluss und Logistik IML
Joseph-von-Fraunhofer-Straße 2-4
44227 Dortmund

Telefon +49 231 9743-526