KoboHand — Kollaboratives Kl-gestütztes Handling biegeschlaffer Bauteile

Das Projekt KoboHand entwickelt ein zuverlässiges Automatisierungssystem für die Handhabung leichter, flexibler und forminstabiler Bauteile. Der Kern des Projekts ist ein ganzheitlicher Ansatz, der KI-basierte Objekterkennung, ein adaptives, sensorgestütztes Greifwerkzeug sowie eine in Echtzeit reagierende Prozesskontrolle miteinander verzahnt. Am Ende des Projekts sollen diese entwickelten Teilsysteme in einem funktionsfähigen Gesamtdemonstrator auf dem Technologie-Reifegrad TRL6 vereint werden.

Unser Projektpartner

KoboHand ist als innovatives Kooperationsprojekt angelegt, das Forschung direkt mit industrieller Anwendungspraxis verbindet. Unser Partner aus der Industrie ist die Uvex Safety Gloves GmbH, die in Lüneburg seit über 30 Jahren erfolgreich chemische und mechanische Schutzhandschuhe produziert. Uvex liefert nicht nur die praxisorientierte Problemstellung, sondern steuert auch essenzielles Fachwissen in der Handhabung und Veredelung technischer Textilien sowie in der Automatisierung dieser anspruchsvollen Produktionsschritte bei. 

Die Problemstellung

Die Automatisierung manueller Handgriffe stößt bei textilen und biegeschlaffen Materialien nach wie vor an Grenzen. Textilien unterliegen naturgemäß chargenbedingten Schwankungen, sei es durch unterschiedliche Fadenspannungen, Garndicken oder ein abweichendes Dehnungsverhalten. Bestehende Robotersysteme sind jedoch meist auf starre und geometrisch bekannte Objekte ausgelegt. Sie scheitern oft an der notwendigen Feinfühligkeit und der spontanen Reaktionsfähigkeit, die ein Mensch bei flexiblen Materialien instinktiv anwendet. 

Diese manuelle, komplexen Vorgänge machen einen großen Teil des gesamten textilen Veredelungsprozesses aus. Vor dem Hintergrund des zunehmenden Fachkräftemangels und des demografischen Wandels wird es für Unternehmen zunehmend schwerer, Personal für solch monotone, körperlich belastende und gleichzeitig schwer automatisierbare Tätigkeiten zu finden.

Ziel und Methodik

Das Ziel des Projekts ist die Entwicklung einer übertragbaren Automatisierungslösung, die menschliche Handhabungsfähigkeiten durch die Kombination modernster Technologien abbildet. Die Methodik stützt sich dabei auf drei wesentliche Säulen: 

• KI-basierte Objektdetektion und Greifparameterbestimmung: Mittels Deep-Learning-Modellen (z. B. YOLO oder Vision Transformer) sollen biegeschlaffe Textilien selbst in teilstrukturierten und überlappenden Stapelanordnungen zuverlässig erkannt werden. Aus diesen Bilddaten leitet ein Algorithmus präzise Greifpunkte ab.
• Entwicklung eines adaptiven Greifwerkzeugs: Es wird ein speziell konzipierter, sensorintegrierter Endeffektor konstruiert. Dieser soll fähig sein, das Material definiert zu greifen, das Textil materialschonend aufzudehnen und für das Überziehen über die Handform vorzubereiten.
• Sensorbasierte Prozesskontrolle in Echtzeit: Das System erhält durch Kameras und Taktilsensoren im Greifwerkzeug ein direktes Feedback über den Erfolg des Greif- und Aufziehvorgangs. Durch die Auswertung dieser Daten kann ein Cobot seine Pfadplanung und Greifstrategie dynamisch anpassen und selbstständig Fehler korrigieren.

Ablauf des Projektes

Um diese Ziele zu erreichen, ist das Projekt in sechs aufeinander aufbauende Phasen strukturiert. Zu Beginn steht eine detaillierte Prozessanalyse, bei der der bisherige manuelle Prozess und die mechanischen Materialeigenschaften der Textilien exakt ausgewertet werden. Darauf aufbauend generieren wir umfangreiche Bilddatensätze, um die KI-Modelle für die Bilderkennung zu trainieren und die Algorithmen zur Greifpunktbestimmung zu programmieren. 

Parallel dazu findet die Konstruktion, Aktorikauswahl und stetige Optimierung unseres adaptiven Greifwerkzeugs statt. Sobald dieses greifen kann, widmen wir uns der Prozesskontrolle: Wir trainieren ein weiteres Modell, das Kamerabilder und Sensordaten so verknüpft, dass der Cobot bei Abweichungen seine Pfadplanung reaktiv in Echtzeit anpassen kann. In der vorletzten Phase integrieren wir alle entwickelten Hardware- und Software-Schnittstellen in einen Gesamtdemonstrator, der anschließend auf seine Prozesssicherheit getestet wird. Begleitet wird der gesamte Ablauf durch ein aktives Projektmanagement, das die reibungslose Koordination sowie den gezielten Wissenstransfer in die wissenschaftliche Gemeinschaft und die regionale Wirtschaft sicherstellt. 

Sollten Sie Fragen zu dem Projekt haben, melden Sie sich gerne bei Ole Prüfer.