Bio-inspired transport by throwing system : an analysis of analytical and bio-inspired approaches

Abstract

Current and future production facilities are confronted with rising demands for flexibility. Besides the impact on the production machinery also the transportation systems have to accommodate this. A possible solution for more flexible transportation systems is transport-by-throwing, where objects are relocated based on automatic throwing and catching. Successful catching requires an accurate and timely prediction of the flight trajectory in order to place the catching device on time. The content of this work is a bionic transport-by-throwing system, which is formed out of a throwing device, a camera system, a prediction system and a robot with the related controller system. For all subsystems, except the throwing device, bionic approaches for information processing and control are introduced and discussed. The image processing is based on fixations and saccades, similarly to the human, where the read-out areas of the cameras are dynamically adapted. This reduced the amount of data which has to be processed on the relevant data. The prediction system is working on the base of an experience database. Two procedures to represent and predict trajectories are introduced, which work only on previously experienced/recorded flight and allow the prediction of the current flight. The used experience can contain real as well as simulated flights. Catching the thrown object is done with a robotic arm that has a kinematic chain similar to the human arm. Soft catching of human is the archetype for the control algorithms here and allows soft catching, with low differential velocity, of the object. The whole systems achieves a success rate of 86 % for soft catching. Soft catching allows to reduce the forces on the object during catching significantly. This opens the transport-by-throwing approach to a wider range of application. The calculation demands for prediction and control of the robot is done by two personal computers within the timing constraints of the overall system. The introduced prediction algorithm allows to predict the flight of a ball with an accuracy on par with the state of the art prediction approaches. Future research targeting smoothing/filtering of the acquired/stored trajectories is one of the possibilities to enhance this approach further.

Im Bereich der Produktionstechnik steigen die Anforderungen hinsichtlich Flexibilität. Diesem Trend müssen neben den eigentlichen Produktionsmaschinen auch die Transportsysteme Rechnung tragen. Ein möglicher Ansatz für flexiblere Produktionssysteme ist der Wurftransport-Ansatz, bei dem Objekte durch automatisiertes Werfen und Fangen transportiert werden. Für erfolgreiche Fangvorgänge ist eine präzise und schnelle Prognose der Flugbahn notwendig, um die Fangvorrichtung zeitgerecht zu positionieren. Inhalt hier ist ein bionisches Wurftransportsystem, das aus einer Wurfvorrichtung, einem Kamerasystem, einem Prognosesystem und einem Roboter mit Steuerungsalgorithmen besteht. Für alle Teilsysteme, ausschließlich der Wurfvorrichtung, werden bionische Ansätze für die Informationsverarbeitung und Steuerung vorgestellt und diskutiert. Beim Auslesen der Kameradaten werden, ähnlich den Fixationen und Sakkaden beim Menschen, dynamisch verschiedene Teilbereiche des Bildes ausgelesen, um die zu verarbeitende Datenmenge auf die relevanten Daten zu beschränken. Das Prognosesystem basiert auf einem Erfahrungsschatz. Hier werden zwei Verfahren zur Repräsentation und Prognose von Flugbahnen eingeführt, die einzig auf bereits erfahrenen Flugbahnen die Prognose der aktuellen Flugbahn zulassen. Erfahrene Flugbahnen können hier sowohl simulierte Flugbahnen als auch aufgezeichnete Flugbahnen sein. Das Fangen wird mit einem, vom Menschenarm inspirierten, Roboter durchgeführt. Auch hier ist die Natur Vorbild für die Steuerungsalgorithmen und ermöglicht dadurch das weiche Fangen von geworfenen Objekten. Das Gesamtsystem erreichte eine Fangrate von 86 % beim weichen Fangen. Durch das weiche Fangen ist es möglich, die Kräfte auf das geworfene Objekt beim Fangen deutlich zu reduzieren und damit auch den Wurftransport für eine gröÿere Menge von Objekten anzuwenden. Der Rechenaufwand für die Prognose und Steuerung des Roboters kann von jeweils einem herkömmlichen PC zeitgerecht bewältigt werden. Mithilfe der vorgestellten bionischen Ansätze ist es in jenen Bereichen, in denen die menschliche Einschätzung den maschinellen Vorhersagen überlegen ist, möglich präzisere Prognosen durchzuführen. Eine Weiterentwicklung der Auswertung der Kameradaten mit direkter Integration auf dem Sensor ermöglicht die Steigerung der Effzienz der Bildübertragung vor allem in Domänen, wo einzig Veränderungen oder Bewegungen relevant sind. Auch bei der erfahrungsschatzbasierten Prognose können zum Beispiel durch eine Glättung bzw. Filterung noch Steigerungen der Prognosegenauigkeit erreicht werden.