Intralogistik : Robotiker entwickeln Alternative zum klassischen Regal

Schnelligkeit ist alles im e-Commerce, Automatisierung deshalb das Gebot der Stunde. Doch gerade im Warenregallager gibt es viele Greif- und Erkennprozesse, die noch nicht von Robotern durchgeführt werden können. Ein Team des Karlsruher Instituts für Technologie (KIT) hat deshalb ein System entwickelt, das diesen Flaschenhals in der Logistikkette aufweiten soll. Bei der kürzlich in Japan durchgeführten "Amazon Robotics Challenge" belegten die Wissenschaftler damit den 7. Platz.

Statt die Waren in einem herkömmlichen Regal anzuordnen, liegen die Objekte in mobilen Kisten, die horizontal um den zentralen Roboterarm angeordnet sind. Teilweise sind die Kisten wie Schubladen durch den Roboter selbstständig bedienbar, sodass eine mehrgeschoßige Anordnung möglich ist. Auch wenn das Fassungsvermögen dieses Systems auf den ersten Blick kleiner als ein Regalsystem gleicher Standfläche ist, lässt sich die Kapazität leicht steigern. Im Warenlager der Zukunft könnte etwa ein zweiter Roboter als Zubringer die passenden Kisten bringen und abholen.

„Da die momentanen Warenhaussysteme technisch ausgereizt sind, wollten wir ein komplett neues System für das 21. Jahrhundert entwickeln, dass die Vorteile des Robotergreifers voll zur Geltung kommen lässt“, sagt Kai Markert vom Institut für Fördertechnik und Logistiksysteme des KIT .

Das Gesamtsystem wurde so angeordnet, dass alle Handhabungsaktionen – Erkennen, Greifen, Saugen, Ablegen – von oben mit ähnlichen Bewegungsmustern durchgeführt werden können. Dadurch werden Bewegungsplanung und Durchführung einfacher, schneller und sicherer. Zudem kann ein Laserscanner die Ebene über den Behältern überwachen und so kontrollieren, ob die Prozessschritte korrekt ausgeführt wurden.

Um die Artikel aufzunehmen, nutzt der Roboter einen Greifer oder einen Saugnapf. Je nach Artikel entscheidet sich die Steuerung selbstständig für die passende Greifart, wählt die passenden Parameter und Kontaktpunkte aus. Ein Kamerasystem liefert zwei- und dreidimensionale Bildinformationen. Bilderkennungssoftware und Neuronale Netze erkennen darin die Objekte. Greifpunkte können sowohl beim Einlernen der Objekte vorgegeben als auch nach der Objekterkennung aus der Lage und Größe des Objektes berechnet werden.