Robotic grasping of tiny objects with a suction cup

Abstract

Ausgehend von einfachen Manipulatoren haben sich Roboter zunehmend zu vielseitig einsetzbaren Helfern für diverse Aufgaben entwickelt. Die Möglichkeit Objekte zu ergreifen stellt eine grundlegende Fähigkeit für autonome Maschinen dar. Pick-and-Place-Aufgaben in einem überfüllten Haushalt sind für moderne Roboter immer noch eine Herausforderung. Für diese Diplomarbeit wurde ein Programm zur Durchführung von Aufhebe-Manövern mit einem Saugnapf entwickelt. Ziel war es, kleine Objekte zuverlässig aufzuheben und sie an einem Zielort abzulegen. Um dies zu erreichen, wurde ein eigener Datensatz erstellt und ein Objekterkennungssystem entwickelt. Mit dem Datensatz wurde das Erkennungsprogramm trainiert. Damit können Objekte lokalisiert werden und anschließend passende Greifpositionen berechnet werden. Die Verwendung eines Bewegungsplaners ermöglicht es, die berechnete Position zu erreichen und eine Kollision mit Hindernissen zu vermeiden. Nach einem erfolgreichen Aufheben ist der Roboter in der Lage eine Lagerbox zu erkennen und ein Objekt darin abzulegen. Für die Übergänge zwischen diesen Programmteilen wurde eine State-Machine entworfen. Um das entwickelte Konzept zu testen, wurden verschiedene Experimente durchgeführt. Dabei handelte es sich um Aufhebe-Aufgaben mit unterschiedlichen Gegenständen und zusätzlichen Hindernissen. Die Ergebnisse zeigten, dass der Roboter in der Lage ist kleine Objekte in einem realen Szenario zuverlässig aufzunehmen. Für zukünftige Forschungen ermöglicht das finale Programm eine einfache Untersuchung von verschiedenen Ansätzen zur Objekterkennung und Bewegungsplanung.

Evolved from simple manipulators, robots have progressively turned into all-round helpers for various tasks. The ability to grasp objects poses a fundamental skill for autonomous machines. Pick-and-place tasks in a crowded household remain still challenging for state-of-the-art robots. For this thesis, a program to perform pick-up maneuvers with a suction cup was created. The goal was to pick tiny objects reliably and place them at a target position. To achieve this, a custom dataset was created to set up an object detection system. With the dataset, an object detector, able to localize things of interest, was trained. Subsequently, feasible grasp poses can be determined and reached using a motion planner to avoid any collision with obstacles. After a successful grasp, the robot is able to recognize a storage box and drop an object in it. For transitions between these program parts, a state machine was designed. Various experiments were carried out to test the developed concept. These involved picking tasks with different items and additional obstacles. The results showed that the robot can pick up tiny objects reliably in real-world scenarios. The final program enables further research to easily investigate different approaches for detection and motion planning.