Die Integration von Computer Vision in die Robotik verstehen

KI in der Robotik entwickelt sich unglaublich schnell, und Roboter werden für immer komplexere Aufgaben gebaut, bei denen sie weniger menschliche Unterstützung benötigen. RoboCat von DeepMind ist beispielsweise ein KI-gesteuerter Roboter, der mit nur 100 Demonstrationen neue Aufgaben erlernen kann. Anschließend kann RoboCat diese Eingaben nutzen, um weitere Trainingsdaten zu erzeugen und seine Fähigkeiten zu verbessern. Nach zusätzlichem Training steigt seine Erfolgsquote von 36 % auf 74 %. Innovationen wie RoboCat sind ein wichtiger Schritt hin zu Robotern, die mit minimaler menschlicher Unterstützung ein breites Aufgabenspektrum bewältigen können.

Abb. 1 Funktionsweise von RoboCat von DeepMind.

KI-gesteuerte Roboter wirken sich bereits auf zahlreiche praktische Anwendungen aus, etwa bei Amazon, wo Roboter zur Optimierung der Lagerabläufe eingesetzt werden, und bei KI-Robotern, die landwirtschaftliche Verfahren in der Landwirtschaft optimieren. Zuvor haben wir die allgemeine Rolle von KI in der Robotik betrachtet und gezeigt, wie sie Branchen von der Logistik bis zum Gesundheitswesen verändert. In diesem Artikel gehen wir näher darauf ein, warum Computer Vision in der Robotik so wichtig ist und wie sie Robotern hilft, ihre Umgebung wahrzunehmen und zu interpretieren.

Die Bedeutung von Sehsystemen in der Robotik#

Bildverarbeitungssysteme in der Robotik dienen als Augen eines Roboters und helfen ihm, seine Umgebung zu erkennen und zu verstehen. Diese Systeme verwenden in der Regel Kameras und Sensoren, um visuelle Daten aufzunehmen. Anschließend verarbeiten Computer-Vision-Algorithmen die aufgenommenen Videos und Bilder. Mithilfe von Objekterkennung, Tiefenwahrnehmung und Mustererkennung können Roboter Objekte identifizieren, ihre Umgebung einschätzen und Entscheidungen in Echtzeit treffen.

Abb. 2. Ein Roboter mit maschinellem Sehen (Quelle: roboticstomorrow.com).

Vision-KI oder maschinelles Sehen ist unverzichtbar, damit Roboter in dynamischen und unstrukturierten Umgebungen autonom arbeiten können. Muss ein Roboter einen Gegenstand aufnehmen, sollte er ihn mithilfe von Computer Vision lokalisieren können. Das ist ein einfaches Beispiel. Dieselbe grundlegende Basis eines Computer-Vision-Systems ist erforderlich, um Anwendungen zu entwickeln, mit denen Roboter Produkte in der Fertigung prüfen oder chirurgische Eingriffe präzise und genau unterstützen können. Bildverarbeitungssysteme liefern die für Entscheidungen in Echtzeit erforderlichen sensorischen Informationen. So können Roboter natürlicher mit ihrer Umgebung interagieren und in verschiedenen Branchen ein breiteres Aufgabenspektrum bewältigen.

Neueste Fortschritte in der Bildverarbeitung für autonome Roboter#

In letzter Zeit hat die weltweite Nutzung von Bildverarbeitung in der Robotik zugenommen. Der globale Markt für Robotik und Bildverarbeitung soll bis 2028 ein Volumen von 4 Milliarden US-Dollar erreichen. Sehen wir uns einige Fallstudien an, die zeigen, wie Vision AI in realen Robotikanwendungen eingesetzt wird, um die Effizienz zu steigern und komplexe Probleme zu lösen.

Unterwasserinspektionen mit Vision AI und Robotik verbessern#

Inspektionen unter Wasser sind unverzichtbar, um Bauwerke wie Pipelines, Offshore-Anlagen und Unterwasserkabel in gutem Zustand zu halten. Diese Prüfungen tragen dazu bei, die Sicherheit und einwandfreie Funktion sicherzustellen und kostspielige Reparaturen oder Umweltschäden zu verhindern. Die Inspektion von Umgebungen unter Wasser kann jedoch aufgrund schlechter Sicht und schwer erreichbarer Bereiche schwierig sein.

Roboter mit Bildverarbeitung können klare, hochwertige visuelle Daten aufnehmen, die direkt vor Ort analysiert oder zur Erstellung detaillierter 3D-Modelle der untersuchten Bereiche verwendet werden. Durch die Verbindung menschlichen Fachwissens mit dieser Technologie werden Inspektionen sicherer und effizienter und liefern bessere Erkenntnisse für Wartung und langfristige Planung.

So setzte NMS, ein führendes Unternehmen für gewerbliche Taucharbeiten, die ferngesteuerten Unterwasserfahrzeuge (ROVs) Sentinus von Blue Atlas Robotics für eine anspruchsvolle Unterwasserinspektion eines Rohrs mit einem trüben Zugangspunkt ein. Das mit Bildverarbeitung ausgestattete Sentinus-ROV beleuchtete den Bereich mit seinen vierzehn Lampen und nahm hochauflösende Bilder aus verschiedenen Blickwinkeln auf. Anhand dieser Bilder wurden genaue 3D-Modelle des Rohrinneren erstellt, mit denen NMS den Zustand gründlich bewerten und fundierte Entscheidungen zu Wartung und Risikomanagement treffen konnte.

Abb. 3 Funktionsweise der Sentinus-ROVs von Blue Atlas Robotics.

Häuser mit Vision AI und robotergestützter Präzision bauen#

In der Bauindustrie kann es angesichts des Arbeitskräftemangels schwierig sein, eine gleichbleibende Qualität sicherzustellen. Die Automatisierung im Bauwesen mithilfe von Industrierobotern bietet eine Möglichkeit, den Bauprozess zu optimieren, den Bedarf an manueller Arbeit zu senken und präzise, hochwertige Arbeit zu leisten. Computer-Vision-Technologie kann in diese Automatisierung integriert werden, sodass Roboter Überwachungen und Inspektionen in Echtzeit durchführen können. Konkret können Computer-Vision-Systeme Robotern dabei helfen, Fehlausrichtungen oder Materialfehler zu erkennen und so zu überprüfen, ob alles korrekt positioniert ist und den Qualitätsstandards entspricht.

Ein hervorragendes Beispiel dafür ist die Partnerschaft zwischen ABB Robotics und dem britischen Start-up AUAR. Gemeinsam nutzen sie robotergestützte Mikrofabriken mit Vision AI, um aus Holzwerkstoffplatten erschwingliche, nachhaltige Häuser zu bauen. Die Bildverarbeitung ermöglicht es den Robotern, Materialien präzise zuzuschneiden und zusammenzubauen. Der automatisierte Prozess begegnet dem Arbeitskräftemangel und vereinfacht die Lieferkette, indem er sich auf ein einziges Material konzentriert. Außerdem lassen sich diese Mikrofabriken an den lokalen Bedarf anpassen und können Arbeitsplätze in der Umgebung unterstützen. Gleichzeitig wird das Bauen effizienter und flexibler.

Abb. 4. Robotische Mikrofabriken mit Vision-KI.

Ladevorgänge von Elektrofahrzeugen mit 3D Vision AI automatisieren#

Das Laden von Elektrofahrzeugen ist ein weiterer interessanter Anwendungsfall für Vision AI in der Robotik. Mit 3D-Sehen und KI können Roboter inzwischen Ladeanschlüsse von Elektrofahrzeugen automatisch lokalisieren und verbinden, selbst in schwierigen Umgebungen wie im Freien gelegenen Parkplätzen. Vision AI erfasst hochauflösende 3D-Bilder des Fahrzeugs und seiner Umgebung. So kann der Roboter die Position des Ladeanschlusses präzise bestimmen. Anschließend berechnet er die genaue Position und Ausrichtung, die zum Anschließen des Ladegeräts nötig sind. KI mit visueller Wahrnehmung beschleunigt den Ladevorgang, macht ihn zuverlässiger und verringert den Bedarf an menschlichem Eingreifen.

Ein Beispiel dafür ist die Zusammenarbeit von Mech-Mind mit einem großen Energieunternehmen. Dabei wurde ein durch 3D-Bildverarbeitung gesteuerter Roboter entwickelt, der den Ladeanschluss eines Elektrofahrzeugs präzise findet und verbindet – selbst bei schwierigen Lichtverhältnissen. Automatisiertes Laden von Elektrofahrzeugen macht den Ladevorgang an gewerblichen Standorten wie Bürogebäuden und Einkaufszentren effizienter.

Abb. 5. Durch 3D-Bildverarbeitung gesteuertes Laden von Elektrofahrzeugen.

Vorteile von Vision AI für Robotikanwendungen#

Computer Vision bietet zahlreiche Vorteile in der Robotik und hilft Maschinen, Aufgaben autonomer, präziser und anpassungsfähiger auszuführen. Hier sind einige besondere Vorteile von Vision AI in der Robotik:

• Kosteneffizienz: Durch die Automatisierung von Aufgaben, die hohe Präzision und Konsistenz erfordern, verringert Vision AI den Bedarf an manueller Arbeit, senkt die Fehlerquote und steigert die Produktivität. Das führt langfristig zu Kosteneinsparungen.
• Adaptives Lernen: Durch die kontinuierliche Analyse visueller Daten können Roboter ihre Leistung mit der Zeit verbessern, aus ihren Interaktionen lernen und sich an neue Aufgaben oder Veränderungen in ihrer Umgebung anpassen.
• Sicherheit und Einhaltung von Vorschriften: Vision AI erhöht die Sicherheit von Robotern, die neben Menschen arbeiten, indem sie Hindernisse erkennen und vermeiden, unsichere Bedingungen identifizieren und Vorschriften einhalten können.
• Mehrere Aufgaben gleichzeitig erledigen: Durch die Bildanalyse können Roboter mehrere Aufgaben gleichzeitig ausführen, etwa Objekte sortieren und zugleich prüfen. Das steigert die Gesamteffizienz.

Herausforderungen von Computer Vision in der Robotik#

Vision-KI bietet der Robotik zwar viele Vorteile, doch die Integration von Computer Vision in die Robotik bringt auch Herausforderungen mit sich. Diese können die Leistung von Robotern in unterschiedlichen Umgebungen und ihre Zuverlässigkeit beeinträchtigen. Deshalb solltest du sie bei der Planung und Bereitstellung von Robotersystemen berücksichtigen. Hier sind einige der wichtigsten Herausforderungen beim Einsatz von Computer Vision in der Robotik:

• Integration mit anderen Sensoren: Bildverarbeitungssysteme müssen häufig mit anderen Sensoren wie LiDAR- oder Ultraschallsensoren zusammenarbeiten. Es ist eine komplexe Aufgabe, sicherzustellen, dass diese verschiedenen Sensoren reibungslos zusammenarbeiten und ein vollständiges Bild der Umgebung liefern.
• Kosten der Implementierung: Die Entwicklung und Einführung fortschrittlicher Bildverarbeitungssysteme kann teuer sein. Die Kosten für die Implementierung von Vision AI gegen den erwarteten Nutzen abzuwägen, ist für viele Unternehmen eine Herausforderung.
• Qualität und Verfügbarkeit von Daten: Bildverarbeitungssysteme benötigen große Datensätze zum Training. Es kann jedoch schwierig sein, hochwertige, annotierte Daten zu erhalten, die die verschiedenen Situationen eines Roboters genau abbilden. Sind die Daten mangelhaft oder unvollständig, können die Modelle ungenauer sein und Roboter schlechter funktionieren.
• Zuverlässigkeit unter unterschiedlichen Bedingungen: Computer-Vision-Systeme müssen zuverlässig sein und in unterschiedlichen Umgebungen, etwa drinnen und draußen, gleichbleibende Leistung erbringen. Diese Zuverlässigkeit ohne häufige Anpassungen oder manuelle Eingriffe sicherzustellen, kann jedoch schwierig sein.

Vision AI prägt die nächste Robotergeneration#

Vision-KI verändert die Art und Weise, wie Roboter mit ihrer Umgebung interagieren, indem sie ihnen ein Maß an Verständnis und Präzision verleiht, das einst unvorstellbar war. Computer Vision wirkt sich bereits stark auf Bereiche wie Fertigung und Gesundheitswesen aus, in denen Roboter zunehmend komplexere Aufgaben übernehmen. Mit der Weiterentwicklung der KI und den Verbesserungen bei Computer-Vision-Systemen wachsen auch die Möglichkeiten von Robotern. Fortschritt in der Robotik bedeutet nicht nur fortschrittliche Technologie, sondern auch die Entwicklung von Robotern, die mit uns zusammenarbeiten können. Mit ihren zunehmenden Fähigkeiten werden Roboter wahrscheinlich eine noch größere Rolle in unserem Alltag spielen, neue Möglichkeiten eröffnen und unsere Welt effizienter und vernetzter machen.

Werde Teil unserer Community und sieh dir unser GitHub-Repository an, um mehr über verschiedene Anwendungsfälle von Vision AI zu erfahren. Auf unseren Lösungsseiten findest du außerdem weitere Informationen zu Computer-Vision-Anwendungen für autonomes Fahren und die Fertigung.