Universal Robots bringt den UR AI Trainer für KI-basiertes Robotertraining auf den Markt

Universal Robots hat den UR AI Trainer vorgestellt, ein neues System zur Beschleunigung des KI-basierten Robotertrainings für die industrielle Automatisierung. Die Plattform wurde auf der NVIDIA GTC präsentiert und markiert einen Wandel von vorprogrammierten Roboterabläufen hin zu durch KI entwickelten Bewegungs-Workflows. Die in Zusammenarbeit mit Scale AI entwickelte Lösung konzentriert sich auf die Erfassung realer Bewegungs- und Interaktionsdaten für Robotikanwendungen.

Universal Robots stellt den UR AI Trainer auf der NVIDIA GTC vor. Bild mit freundlicher Genehmigung von Universal Robots.

Die Lücke zwischen Training im Labor und Einsatz in der Fabrik schließen

Das Training von Robotern auf KI-Basis stößt häufig auf Schwierigkeiten, wenn von Laborsimulationen auf reale Fertigungsumgebungen umgestellt wird. In kontrollierten Umgebungen erzeugte Trainingsdaten spiegeln möglicherweise nicht die mechanischen Variationen, das Verhalten von Objekten oder die Produktionsbedingungen der realen Welt wider. Daher benötigen in Simulationen trainierte Roboter vor ihrer Inbetriebnahme häufig zusätzliche Anpassungen.

Herkömmliche Trainingsansätze stützen sich außerdem hauptsächlich auf visuelle Datensätze. Rein visuelle Daten können kein Drehmoment-Feedback, keine Kontaktkräfte oder den Materialwiderstand erfassen. Diese Einschränkungen beeinträchtigen die Leistung bei Anwendungen wie Montage, Einsetzen und kollaborativer Handhabung.

Direkte Drehmomentregelung ermöglicht kraftbewusstes Lernen

Der UR AI Trainer integriert die direkte Drehmomentregelung und Kraft-Feedback in den Trainingsprozess. Dadurch können Roboter sowohl Bewegungsbahnen als auch physikalische Interaktionseigenschaften erlernen. Während des Trainings zeichnet das System Drehmoment, Greifkraft und Kontaktverhalten auf, um realistischere Datensätze zu erstellen.

Durch die Kombination visueller Informationen mit mechanischem Feedback lernen Roboter, wie sich Aufgaben während der Ausführung anfühlen sollten. Dies verbessert die Leistung bei Anwendungen, die adaptive Bewegungen, die Zusammenarbeit mit Menschen und präzise Handhabung erfordern.

Die direkte Drehmomentregelung ermöglicht Robotern, Kraft-Feedback zu erlernen, und erlaubt dadurch ein präziseres KI-basiertes Training. Bild mit freundlicher Genehmigung von Universal Robots.

Führungsroboter erfasst Bewegungs- und Interaktionsdaten

Der UR AI Trainer verwendet ein Trainingsmodell mit Führungs- und Folgerobotern. Eine Bedienperson führt einen Führungsroboter durch eine Abfolge von Aufgaben, während das System Bewegungs-, Kraft- und visuelle Informationen aufzeichnet. Die gesammelten Daten werden zu einem Vision-Language-Action-Datensatz für das Training weiterer Roboter zusammengestellt.

Folgeroboter können die erlernten Aktionen anschließend ohne manuelle Programmierung nachbilden. Dies reduziert den Entwicklungsaufwand und verbessert die Konsistenz in verschiedenen Roboterzellen. Der Ansatz unterstützt außerdem eine schnellere Inbetriebnahme in Automatisierungssystemen mit mehreren Robotern.

KI-gesteuerte Roboterprogrammierung für die industrielle Automatisierung

Der UR AI Trainer stellt einen Schritt in Richtung maschinelles Training von Maschine zu Maschine in der Industrierobotik dar. KI-Modelle können Bewegungsbahnen optimieren, Geschwindigkeit und Genauigkeit ausbalancieren und sich an veränderte Produktionsumgebungen anpassen. Dadurch verringert sich die Abhängigkeit von der manuellen Programmierung über ein Bedienhandgerät, und die Inbetriebnahme wird vereinfacht.

Der Großteil der Verarbeitung erfolgt auf externen Plattformen für KI-Berechnungen und nicht auf den Robotersteuerungen. Diese Architektur ermöglicht fortschrittliche KI-Funktionen, ohne die Hardwarekomplexität zu erhöhen, und unterstützt eine skalierbare Bereitstellung über mehrere Automatisierungssysteme hinweg.

Anwendungen in der industriellen Automatisierung

Der UR AI Trainer unterstützt die Montageautomatisierung, die Maschinenbeschickung und die Materialhandhabung. Er eignet sich besonders für Aufgaben, die eine kraftbewusste Steuerung erfordern, etwa Einsetzen, Polieren und Verpacken. Auch Umgebungen mit kollaborativen Robotern profitieren von verbesserter Bewegungsintelligenz und adaptiver Interaktion.

Über den Autor

Lin Haoyu berichtet über industrielle Automatisierung, Robotik und KI-gesteuerte Fertigungstechnologien.