CORINNE: Cobots relationale Schnittstelle mit neuromorphen Netzen und Ereignissen

Abstract

Industrielle Cobots kommen zunehmend in flexiblen Fertigungsumgebungen zum Einsatz, beispielsweise in der Schweißtechnik, der Montage usw. Hier stellt die intuitive und robuste Mensch-Maschine-Interaktion nach wie vor eine zentrale Herausforderung dar: Klassische Teach-Verfahren beruhen entweder auf der physischen Führung des Roboters oder auf Programmierschnittstellen. Letztere sind zeitaufwendig, erfordern Spezialwissen und beschränken die Flexibilität des Bedieners im laufenden Prozess. Bildbasierte Gestenerkennungssysteme auf Basis konventioneller Kameras stoßen hingegen hinsichtlich Latenz, Bewegungsunschärfe und Rechenaufwand an Grenzen, was ihren Einsatz in dynamischen industriellen Umgebungen erschwert. Ein zentraler Engpass besteht in der Verbindung schneller, latenzarmer Wahrnehmung mit adaptiven Lernfähigkeiten. Diese ermöglichen es dem Cobot, in Echtzeit auf die Absicht des Bedieners zu reagieren und sein Verhalten im laufenden Betrieb zu erweitern. Ereignisbasierte (neuromorphe) Sensoren in Kombination mit neuromorphen Verarbeitungsansätzen bieten grundlegend andere zeitliche Eigenschaften - eine hohe zeitliche Auflösung, geringe Latenz und reduzierte Datenlast - und sind daher besonders geeignet, diese Lücke zu schließen. CORINNE adressiert diesen Bedarf durch die Entwicklung einer relationalen, gestenbasierten Schnittstelle für Cobots. Diese verbindet neuromorphe Sensoren und Verarbeitung und semi-supervised Learning miteinander und wird in einem schweißtechnischen Anwendungsfall auf einer realen Cobot-Plattform validiert. NEURA trägt zu diesem Ziel bei, indem die ereignisbasierte Sensorik und die Gestenerkennungspipeline in die Cobot-Plattform und die zugehörige Easy-Teach-App integriert werden. Außerdem wird die Kommunikationsinfrastruktur für Federated Learning zwischen Cobots bereitgestellt und der vollständige Prozess in einem industriell relevanten Schweißszenario demonstriert. Die Arbeiten erfolgten gemeinsam mit den Projektpartnern TU Chemnitz und Fortiss.