Mobile industrielle Robotik mit ROS

Zusammenfassung

Die zunehmend flexible Produktionsmethodik z.B. im Rahmen von Industrie 4.0, ist eine Reaktion auf die stetig wachsende Anzahl von Produktvarianten und deren immer geringer werdende Zykluszeit. Eine wesentliche Komponente für die flexible Verkettung der einzelnen Produktions­zentren stellt die mobile autonome Robotik dar. Mit mobilen autonomen Systemen können nach Bedarf Waren kommissioniert oder zwischen den automatisierten Produktions­anlagen transportiert werden. Der Einsatz geht weit über das Feld der spurgebundenen Flurförderer hinaus: intelligente mobile Roboter können Transport– und Handhabungsaufgaben übernehmen, um sowohl den Logistik- als auch den Montageprozess flexibler zu gestalten. Das Open Source Framework ROS (Robot Operating System) besitzt eine umfangreiche Funktionalität, um eine Vielzahl der Probleme im Bereich der mobilen autonomen Robotik, z.B. die Lokalisierung und Navigation, zu lösen.

Einleitung               

Die mobile autonome Robotik ersetzt und erweitert die herkömmlichen spurgebundenen Flurförderer erheblich. Mobile autonome Systeme können sowohl im Bereich des Warehousing, der flexiblen Verkettung von herkömmlichen Automationsstraßen, als auch zur Unterstützung von Handhabungsaufgaben eingesetzt werden. Die grundlegenden Problemstellungen der autonomen mobilen Robotik stehen dabei stets im Vordergrund: Wahrnehmung, Lokalisierung und Navigation. So muss bspw. für die Kollisionsvermeidung die nähere, nichtdeterministische Umgebung des mobilen Roboters durch Auswertung von adäquater Sensorik eingeschätzt werden, um entsprechende Aktionen wie z.B. ein Stopp des Systems durchzuführen.

Die Lokalisierung von mobilen Systemen basiert auf den Informationen der Wahrnehmungskomponente, die i.A. durch wahrscheinlichkeits­theoretische Algo­rithmen, wie z.B. Bayes-Filter unterstützt werden. Die Planung und Durchführung der Aktionen, die zum Erreichen des örtlichen Ziels führen, werden durch die Navigationskomponente abgedeckt. Besonders Lokalisierung und Navigation benutzen Algorithmen, die relativ komplex und aufwändig zu implementieren sind. Durch die Nutzung von ROS sind speziell diese Problemstellungen relativ einfach zu lösen.

ROS Framework                           

Auch die Manipulation von Objekten lässt sich mit den drei Problemstellungen beschrei­ben, die z.B. bei einer flexiblen Pick&Place Anwendung auftreten: das Objekt muss wahrgenommen und lokalisiert werden. Anschließend wird ein Pfad zum Objekt geplant, der ausgeführt wird, um das Objekt zu manipulieren.

Das ROS Framework deckt diese Problemstellungen umfangreich ab. ROS bietet neben typischen Eigenschaften eines Betriebssystems, wie Hardware-Abstraktion, umfangreiche Kommunikations­eigenschaften und Debugging-Möglichkeiten auch „Higher Level“ Algorithmen, z.B. aus dem Bereich des „Simultaneous Localization And Mapping“ (SLAM). Diese Algorithmen lösen die Problemstellung, eine Lokalisierung des mobilen Systems ohne vorher bekanntes Kartenmaterial der Umgebung durchzuführen. SLAM Algorithmen erzeugen eine Karte der Umgebung zur Laufzeit und generieren gleichzeitig eine Schätzung der Pose des autonomen Systems.

Eine Erweiterung des ROS Frameworks stellt ROS-industrial (ROS-i) dar, welches die Nutzung von ROS mit Industrierobotern ermöglicht. Hier ist besonders MoveIt! zu erwähnen: ein Programm, welches eine umfangreiche Kontrolle von Industrierobotern bis hin zu kollaborativen Systemen erlaubt, z.B. basierend auf 3D Sensorik. Mit MoveIt! können Pick&Place Aufgaben komplett autonom gelöst werden ohne vorher Positionen „teachen“ zu müssen. Das System erkennt die angeordneten Bauteile, vermeidet Kollisionen und generiert automatisch die benötigten Bewegungsabläufe für den Industrieroboter.

Anwendungen und Beispiel

Am Beispiel eines autonomen Werkzeug-Trolleys soll der Einsatz von ROS beschrieben werden. Durch Nutzung von ROS konnte in kürzester Zeit ein autonomes System generiert werden, welches selbständig in einer unstruktu­rierten dynamischen Umgebung logistische Grundoperationen - wie das Liefern von benötigten Werkzeugen - durchführen kann. Hierdurch lassen sich Investitions­kosten vermindern, da die Werkzeuge je nach Bedarf an verschiedenen Arbeitsplätzen eingesetzt werden können. Gleichzeitig wird die Zeit maßgeblich reduziert, welche die Arbeiter mit der Beschaffung spezieller Werkzeuge verbringen.

Das System basiert auf einem kommerziellen Werkzeug-Trolley, der durch kostengünstige Hardware und ROS zu einem vollständig autonomen System erweitert wurde. Entwickelt wurde der autonome Werkzeug-Trolley in einer Kooperation zwischen der FH Aachen und dem PEM Institut. Die entwickelte Steuerung ist in Abbildung 1 schematisch dargestellt.

Abbildung. 1: Schematische Darstellung der Steuerung des autonomen Werkzeug-Trolleys

Die Sensordaten der verwendeten IMU und des Encoders werden fusioniert, was die Bestimmung von relativen Positionsdaten ermöglicht. Die absolute 3D Position (x,y,theta) wird auf Basis einer statischen Karte der Produktionsumgebung ermittelt. Die Karte wurde hierzu a priori durch einen SLAM Prozess erstellt. Die Position wird durch einen Abgleich der Karte mit den aktuellen LIDAR Daten ermittelt. Ausgehend von der absoluten Position und der hinterlegten Karte kann ein Pfad zu einer Zielposition geplant werden. Da es sich um eine statische Karte handelt, enthält der globale Pfad keinerlei Informationen zur dynamischen Kollisions­vermeidung. Die lokale Pfadplanung hat als Ziel dem globalen Pfad zu folgen und gibt entsprechende Fahrbefehle an den Werkzeug-Trolley. Der lokale Planer  besitzt einen weiteren Layer, welcher dynamische Hindernisse mit einbe­zieht. Die dynamischen Hindernisse werden mit Hilfe der LIDAR Daten erkannt, und ein Ausweichpfad innerhalb eines lokal begrenzten Bereichs wird entsprechend geplant.

ROS Ausbildung

Um ROS nutzen zu können, müssen Kenntnisse zum Umgang mit dem Framework erlangt werden. Die umfangreiche Funktionalität von ROS birgt die Problematik, sich in viele – für die mobile Robotik notwendige - Themenfelder, wie z.B. die Sensorik und die Theorie zur Lokalisierung, einarbeiten zu müssen. Es ist aber in den meisten Fällen nicht notwendig, die gesamten umfangreichen Möglichkeiten von ROS kennenzulernen: ROS ist modular und fein strukturiert aufgebaut, so dass nur so viel ROS genutzt werden kann wie nötig. ROS bietet daneben immer die Möglichkeit, es um zusätzliche Komponenten zu erweitern.

Im Rahmen des ROSIN EU-Projekts werden speziell zur industriellen Nutzung von ROS-i dreitägige Schulungen für Industrieteilnehmer angeboten. Die Teilnehmer einer Schulung, die von der FH Aachen mit verschiedenen Industrierobotern durchgeführt wurde, sind in Abbildung 2 zu sehen. Im Rahmen der Schulung werden die Grundlagen vollständig erarbeitet, sodass ROS anschließend auf individuelle Problemstellungen angewendet werden kann.

Die Grundlagen beinhalten u.a. die Struktur der Datei- und Softwarepaket­verwaltung, die Sensoranbindung – damit die Wahrnehmung - und die netzwerkbasierte Kommunikation der einzelnen Komponenten des Roboters. Darauf basieren alle vorhandenen ROS Softwarekomponenten zur Bewegung, Lokalisierung und Navigation mobiler autonomer Robotersysteme. Insbesondere die Einbindung der Sensoren in die Netzwerkinfrastruktur von ROS ist für Einsteiger die größte Hürde, die sich durch eine Schulung überwinden lässt. Weitere Infos unter http://rosin-project.eu/

Abbildung 2: ROSIN Industrie Schulung.

Autoren

Prof. Dr.-Ing. Stephan Kallweit, Patrick Wiesen M.Sc., Heiko Engemann M.Sc., FH Aachen, Fachbereich Maschinenbau und Mechatronik, Goethestr. 1, 52064 Aachen

Diese Veranstaltungen könnten Sie auch interessieren

Seminar
© Norman Chan - fotolia.com
Intelligente Sensoren in der industriellen Anwendung
  • 19.03. - 20.03.2019 in Nürnberg
  • 02.07. - 03.07.2019 in Düsseldorf
  • 12.11. - 13.11.2019 in Nürtingen bei Stuttgart

Das Seminar "Intelligente Sensoren" macht Sie damit vertraut, welche Rolle Sensorik bei der digitalen Transformation spielt. Werden Sie zum Sensorexperten im Bereich Internet of...

Informieren & Buchen

Der für Sie ausgewählte Bereich

  • Automation