Problemstellung

In der industriellen Montage ist die präzise Erkennung und Lokalisierung von Schraubentypen (bspw. Innen- und Außensechskant) eine Herausforderung. Dieses Projekt entwickelt ein System zur robusten Erkennung von Schraubenköpfen mit YOLOv8 von Ultralytics und einem Raspberry Pi sowie der automatischen Pfadgenerierung für den Roboter KUKA LBR iiwa 7R800 (welcher die erkannten Schrauben anziehen soll).

Aktueller Bearbeitungsstand

Das System erkennt Schrauben auf einem Webstream und bestimmt ihre Position. Als Positionsreferenzen dienen QR-Codes auf der Arbeitsstation. Die Erkennung zeigt aktuell bereits gute Ergebnisse; das Macheine Learning Modell muss jedoch noch robuster gegenüber sich ändernden Lichtbedingungen werden. Die Generierung von kollisionsfreien Anfahrtswegen für den Roboter anhand der bestimmten Koordinaten ist aktuell in Arbeit (Stand Okt. 2024).

Das Projekt wird im Rahmen des Tracks "Angewandte Forschung" des Master-Studiengangs "Informatik in den Ingenieurwissenschaften" (https://iiw.htw-berlin.de/) bearbeitet.

"Pilothafte Entwicklung und feuerwehrtechnische Erprobung eines Löschdrohnenschwarms zur direkten Vegetationsbrandbekämpfung" - PEELIKAN

https://www.peelikan.de/

Waldbrände sind Naturkatastrophen mit verheerenden Konsequenzen für die Umwelt und den Menschen. Die Zahl der Wald- und Vegetationsbrände ist durch den fortschreitenden Klimawandel in den letzten Jahrzehnten weltweit stark angestiegen. Ein Grund für uns gemeinsam mit Experten der Feuerwehr ein Löschdrohnen-System zu entwickeln, dass die Brandbekämpfung revolutionieren und eine effiziente Ergänzung zu herkömmlichen Löschmethoden darstellen wird.

Für die HTW Berlin steht im Forschungsprojekt PEELIKAN die Weiterentwicklung der Drohnen, die kooperative Steuerung des Drohnenschwarms und die Integration automatisierter Schnittstellen zwischen Drohnen und Bodenstation im Fokus.

Diese als auch die Schnittstellen zwischen der Bedienstation und Einsatzleitung stellen besondere Herausforderungen dar, die innerhalb des Projekts durch die HTW Berlin (FB2) bearbeitet werden. Daneben gilt es sicherheitsrelevante Abläufe für Notlandungen und den Rückzug beim Einsatz von anderen Systemen im Luftraum zu etablieren, um einen sicheren Betrieb des Drohnenschwarms zu gewährleisten.

Lernfähige Robotersysteme für die lokale Produktion (01.04.-30.09.2023)

Robotersysteme können zur Stärkung lokaler Produktionsketten beitragen. Dazu müssen diese aber günstiger und einfacher adaptierbar werden und besser auf sich verändernde Umgebungsbedingungen reagieren.

Innerhalb des vom IFAF Berlin geförderten Projektes wurde untersucht, inwiefern einfache massenproduzierte Sensoren in Verbindung mit KI-Systemen dazu beitragen können und ob die Bereitstellung von Algorithmen und Konstruktionsunterlagen als Open-Source-Material deren Verbreitung begünstigen.