Zur intuitiven Kooperation zwischen Roboter und Mensch ist eine zuverlässige Erfassung der Bewegung eines menschlichen Körpers notwendig. Die Bewegungen werden mit Hilfe eines Kamerasystems sowie Beschleunigungssensorik registriert und mit Hilfe einer Sensorfusion in ein gemeinsames Modell überführt. Durch die Prädiktion der menschlichen Bewegungen entsteht die Möglichkeit, dass ein Robotersystem dem Menschen rechtzeitig ausweichen kann sowie den Menschen bei seiner Arbeitsverrichtung unterstützen kann. 

Veröffentlichung:

• A Probabilistic Dynamic Movement Primitives Framework on Human Hand Motion Prediction for an Object Transfer Scenario (in Veröffentlichung)

Im Projekt wurde ein Ansatz zur online Bewegungsplanung von Robotermanipulatoren in Kooperation entwickelt. Der Algorithmus ermöglicht, dass Robotersysteme nicht mehr "starr" programmiert werden, sondern eigenständig die Bewegungsplanung übernehmen und auf Veränderungen der Umgebung reagieren können. Anhand von 2 Szenarien wurde die entwickelte Methode im Projekt validiert und optimiert. Zunächst wurde ein Szenario entwickelt in der ein Roboter eigenständig eine Pick&Place Aufgabe (Sortieren von unterschiedlichen Bauteilen) mit Hilfe eines Vision Systems vollführt. Im 2. Szenario kooperieren zwei Roboter in einem gemeinsamen Arbeitsbereich, indem sie gemeinsam ein Demontagepozess an mehreren Produkten durchführen. Die Roboter tauschen dabei jederzeit ihre aktuellen Zustände aus und können sich mit Hilfe der entwickelten Methode gegenseitig ausweichen.

Im Projekt entstandene Veröffentlichungen:

• N. Gafur, G. Kanagalingam, A. Wagner, M. Ruskowski, Dynamic Collision and Deadlock Avoidance for Multiple Robotic Manipulators, 2022. IEEE Access 10, 55766 - 55781. LINK
• N. Gafur, L. Weber, V. Yfantis, A. Wagner, M. Ruskowski, Dynamic path planning and reactive scheduling for a robotic manipulator using nonlinear model predictive control, 2022. 30^th Mediterranean Conference on Control and Automation. LINK Experimental Results Video