DE102016012227A1 - Method for automatic position correction of a robot arm - Google Patents

Method for automatic position correction of a robot arm Download PDF

Info

Publication number
DE102016012227A1
DE102016012227A1 DE102016012227.7A DE102016012227A DE102016012227A1 DE 102016012227 A1 DE102016012227 A1 DE 102016012227A1 DE 102016012227 A DE102016012227 A DE 102016012227A DE 102016012227 A1 DE102016012227 A1 DE 102016012227A1
Authority
DE
Germany
Prior art keywords
robot
robot arm
tool
position correction
algorithm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
DE102016012227.7A
Other languages
German (de)
Inventor
Anton Feldmann
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mercedes Benz Group AG
Original Assignee
Daimler AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Daimler AG filed Critical Daimler AG
Priority to DE102016012227.7A priority Critical patent/DE102016012227A1/en
Publication of DE102016012227A1 publication Critical patent/DE102016012227A1/en
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed
    • B25J9/1692—Calibration of manipulator
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/39—Robotics, robotics to robotics hand
    • G05B2219/39176—Compensation deflection arm

Abstract

Die Erfindung betrifft ein Verfahren zur automatischen Lagekorrektur eines Roboterarms (3) eines Roboters (1) mit folgenden Schritten: Anfahren einer Soll-Position durch einen Roboterarm (3) eines Roboters (1); Bestimmen einer durch den Roboterarm (3) tatsächlich erreichten Ist-Position; Lernen einer Lagekorrektur durch den Roboter (1) anhand einer Abweichung der Ist-Position von der Soll-Position mittels eines Deeplearning-Algorithmus.The invention relates to a method for automatic position correction of a robot arm (3) of a robot (1) with the following steps: approaching a desired position by a robot arm (3) of a robot (1); Determining an actual position actually achieved by the robot arm (3); Learning a position correction by the robot (1) based on a deviation of the actual position from the desired position by means of a deeplearning algorithm.

Description

Die Erfindung betrifft ein Verfahren zur automatischen Lagekorrektur eines Roboterarms.The invention relates to a method for the automatic position correction of a robot arm.

Werden Roboter mit verschiedenen mit einem Roboterarm verbundenen Werkzeugen eingesetzt, ergibt sich das Problem, dass sich abhängig von dem konkret eingesetzten Werkzeug ein Gewicht der bestückten Roboterhand, ein Abstand eines Werkzeugkopfes zu der Roboterhand und demzufolge eine Durchbiegung des Werkzeugs selbst sowie gegebenenfalls eine Durchbiegung des Roboterarms, sowie ein Massenschwerpunkt des bestückten Roboterarms ändert. Dies führt dazu, dass Positionen, die durch den Roboterarm mit dem Werkzeug angefahren werden sollen, nicht ohne weiteres exakt erreicht werden. Insoweit ist es bekannt, Daten des Werkzeugs in die Robotersteuerung einzugeben, wobei unter dem Einfluss der wirkenden Kräfte die Durchbiegungen berechnet werden können. Dieser Ansatz beruht aber auf einer exakten Vermessung des jeweiligen Werkzeugs und setzt voraus, dass das Werkzeug sich nicht ändert. Wird das Werkzeug gewechselt, muss jedes neue Werkzeug vermessen, und die Einstellungen müssen mit Bezug auf das Werkzeug neu vorgenommen werden. Dies ist zeitraubend und insbesondere programmiertechnisch mit hohem Aufwand verbunden.If robots with different tools connected to a robot arm are used, there is the problem that, depending on the tool used, a weight of the robotic hand, a distance of a tool head to the robot hand and consequently a deflection of the tool itself and optionally a deflection of the robot arm , as well as a center of gravity of the populated robotic arm changes. As a result, positions to be approached by the robot arm with the tool are not easily reached. In that regard, it is known to enter data of the tool in the robot control, under the influence of the forces acting deflections can be calculated. However, this approach is based on an exact measurement of the respective tool and requires that the tool does not change. When the tool is changed, each new tool must be measured and the settings re-adjusted with respect to the tool. This is time-consuming and, in particular, involves a great deal of programming effort.

Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zu schaffen, welches die genannten Nachteile nicht aufweist.The invention has for its object to provide a method which does not have the disadvantages mentioned.

Die Aufgabe wird gelöst, indem ein Verfahren zur automatischen Lagekorrektur eines Roboterarms mit den Schritten des Anspruchs 1 geschaffen wird. Vorteilhafte Ausgestaltungen ergeben sich aus den Unteransprüchen.The object is achieved by providing a method for the automatic position correction of a robot arm with the steps of claim 1. Advantageous embodiments emerge from the subclaims.

Bei dem Verfahren ist vorgesehen, dass eine Soll-Position durch einen Roboterarm eines Roboters angefahren wird, wobei eine durch den Roboterarm tatsächlich erreichte Ist-Position bestimmt wird. Eine Lagekorrektur durch den Roboter wird anhand einer Abweichung der Ist-Position von der Soll-Position mittels eines Deeplearning-Algorithmus gelernt. Somit erübrigt sich insbesondere eine genaue Vermessung des Werkzeugs, aber auch eine Eingabe von Werkzeugdaten sowie eine Neuprogrammierung des Roboters bei einem Werkzeugwechsel, da dieser die nötige Lagekorrektur zum möglichst exakten Erreichen der Soll-Position selbsttätig lernt.In the method, it is provided that a desired position is approached by a robot arm of a robot, whereby an actual position actually reached by the robot arm is determined. A position correction by the robot is learned based on a deviation of the actual position from the target position by means of a deeplearning algorithm. Thus, in particular a precise measurement of the tool, but also an input of tool data as well as a reprogramming of the robot during a tool change, since it automatically learns the necessary position correction for reaching the target position as accurately as possible.

Die Soll-Position wird bevorzugt durch den Roboter selbst bestimmt. Insbesondere muss es sich bei der Soll-Position nicht um eine vorab festgelegte Testposition handeln, vielmehr kann der Roboter während eines Arbeitsablaufs bekannte oder von ihm bestimmte Soll-Positionen anfahren, wobei dort durch Vergleich der Soll-Position mit der tatsächlich erreichten Ist-Position die Lagekorrektur gelernt wird.The desired position is preferably determined by the robot itself. In particular, the desired position does not have to be a predefined test position; rather, the robot can approach known or specified target positions during a work sequence, where by comparing the desired position with the actually achieved actual position Position correction is learned.

Die Ist-Position wird bevorzugt in sechs Dimensionen oder mit Bezug auf sechs Freiheitsgrade, insbesondere nämlich drei kartesische Koordinaten der translatorischen Verlagerung im Raum sowie drei Winkelkoordinaten um drei verschiedene, aufeinander senkrecht stehende Drehachsen, bestimmt. Auf diese Weise kann die Soll-Position mithilfe der vollständig bestimmten Ist-Position vollständig und exakt korrigiert werden.The actual position is preferably determined in six dimensions or with reference to six degrees of freedom, in particular three Cartesian coordinates of the translational displacement in space and three angular coordinates about three different, mutually perpendicular axes of rotation. In this way, the target position can be completely and accurately corrected using the fully determined actual position.

Gemäß einer Weiterbildung der Erfindung ist vorgesehen, dass die Ist-Position durch eine außerhalb des Roboters angeordnete Positionsbestimmungseinrichtung bestimmt wird. Die Positionsbestimmungseinrichtung kann insbesondere wenigstens eine Kamera mit integrierter oder angeschlossener Recheneinrichtung sein, oder kann wenigstens eine Kamera, vorzugsweise eine Mehrzahl von Kameras, mit integrierter oder angeschlossener Recheneinrichtung umfassen. Eine Positionsbestimmung der Soll-Position ist also insbesondere optisch, vorzugsweise mittels einer Bilderkennung, möglich. Es sind aber auch andere Arten der Positionsbestimmung einsetzbar, beispielsweise eine Triangulation oder dergleichen. Ist die Positionsbestimmungseinrichtung außerhalb des Roboters angeordnet, kann die Ist-Position unabhängig von dem Roboter selbst und damit besonders genau erfasst werden. Der Roboter wird somit bevorzugt durch die Positionsbestimmungseinrichtung von außen beobachtet.According to one embodiment of the invention, it is provided that the actual position is determined by a position determining device arranged outside the robot. The position determination device can in particular be at least one camera with integrated or connected computing device, or can comprise at least one camera, preferably a plurality of cameras, with integrated or connected computing device. A position determination of the desired position is therefore possible in particular optically, preferably by means of an image recognition. But there are also other types of position determination can be used, for example, a triangulation or the like. If the position-determining device is arranged outside the robot, the actual position can be detected independently of the robot itself and thus particularly accurately. The robot is thus preferably observed by the position determination device from the outside.

Es ist möglich, dass die Lagekorrektur in einem Arbeitsvorlauf des Roboters gelernt wird, also vor einem eigentlichen Einsatz des Roboters; bevorzugt, während der Roboter den für den eigentlichen Einsatz vorgesehenen Bewegungsablauf durchführt. Es ist aber auch möglich, dass die Lagekorrektur während eines realen Einsatzes des Roboters gelernt wird, wobei sich die Abarbeitung einer Aufgabe durch den Roboter im Laufe der Zeit systematisch verbessert, mithin die Qualität der Bearbeitung zunimmt. Bevorzugt wird die Lagekorrektur während eines Bewegungsablaufs des Roboters gelernt.It is possible that the position correction is learned in a working advance of the robot, ie before an actual use of the robot; preferred while the robot performs the intended for the actual use movement. But it is also possible that the position correction is learned during a real use of the robot, wherein the execution of a task by the robot systematically improves over time, thus increasing the quality of processing. Preferably, the position correction is learned during a movement sequence of the robot.

Gemäß einer Weiterbildung der Erfindung ist vorgesehen, dass mittels des Deeplearning-Algorithmus ein – insbesondere tiefes – neuronales Netz belernt wird. Dies stellt eine besonders effiziente Möglichkeit dar, eine Lagekorrektur zu lernen. Dabei stellen sowohl der Deeplearning-Algorithmus als auch das insbesondere tiefe neuronale Netz Möglichkeiten des maschinellen Lernens dar.According to one embodiment of the invention, it is provided that a de-plearning algorithm teaches a - in particular deep - neural network. This is a particularly efficient way to learn a position correction. Both the deeplearning algorithm and the especially deep neural network represent possibilities of machine learning.

Gemäß einer Weiterbildung der Erfindung ist vorgesehen, dass der Roboter eine mit dem insbesondere tiefen neuronalen Netz gekoppelte Vorprogrammierung aufweist, die eine semantische Reflexion, eine Definition des Arbeitsraumes des Roboterarms und/oder allgemeine Informationen zu dem an dem Roboterarm angeordneten Werkzeug umfasst. Durch die Vorprogrammierung kann der Roboter quasi apriorisches Wissen insbesondere von seinem Arbeitsraum, von dem montierten Werkzeug, und zusätzlich oder alternativ von der semantischen Reflexion haben. Diese vorab vorhandenen Informationen verbessern die Leistungsfähigkeit des Deeplearning-Algorithmus. Die Informationen zum Werkzeug können sich auf allgemeine Informationen zu dessen Ausgestaltung und Art beschränken. Es bedarf keiner genauen geometrischen Vermessung des Werkzeugs.According to a development of the invention, it is provided that the robot has a preprogramming coupled to the in particular deep neural network, which has a semantic Reflection, a definition of the working space of the robot arm and / or general information about the arranged on the robot arm tool includes. The pre-programming allows the robot to have quasi a priori knowledge, in particular of its working space, of the mounted tool, and additionally or alternatively of the semantic reflection. This pre-existing information improves the performance of the deeplearning algorithm. The information about the tool can be limited to general information about its design and type. It does not require precise geometric measurement of the tool.

Alternativ ist es auch möglich, dass der Roboter seinen Arbeitsraum durch ein Verfahren des maschinellen Lernens lernt.Alternatively, it is also possible for the robot to learn its working space through a machine learning method.

Gemäß einer Weiterbildung der Erfindung ist vorgesehen, dass der Roboter mithilfe des Deeplearning-Algorithmus seinen Massenschwerpunkt – insbesondere inklusive des Werkzeugs – berechnet. Alternativ oder zusätzlich ist vorgesehen, dass der Roboter mithilfe des Deeplearning-Algorithmus ein durch das an dem Roboterarm angeordnete Werkzeug erzeugtes Moment, insbesondere mit Bezug auf den Massenschwerpunkt, berechnet. Alternativ oder zusätzlich ist bevorzugt vorgesehen, dass der Roboter mithilfe des Deeplearning-Algorithmus wenigstens eine Biegung des Werkzeugs und/oder des Roboterarms, insbesondere ein Durchhängen des Werkzeugs, berechnet. Zumindest eine der derart berechneten Informationen wird im Rahmen der Lagekorrektur und bei der Arbeitsausführung durch den Roboter berücksichtigt. Bevorzugt werden alle genannten Informationen hierbei berücksichtigt.According to one embodiment of the invention, it is provided that the robot uses the deeplearning algorithm to calculate its center of gravity, in particular including the tool. Alternatively or additionally, it is provided that the robot uses the deeplearning algorithm to calculate a torque generated by the tool arranged on the robot arm, in particular with reference to the center of mass. Alternatively or additionally, it is preferably provided that the robot uses the deeplearning algorithm to calculate at least one bending of the tool and / or of the robot arm, in particular sagging of the tool. At least one of the information thus calculated is taken into account as part of the position correction and in the execution of the work by the robot. All mentioned information is preferably taken into account here.

Gemäß einer Weiterbildung der Erfindung ist vorgesehen, dass das Verfahren iterativ durchgeführt wird. Die Verfahrensschritte werden also bevorzugt an einer Mehrzahl von Soll-Positionen wiederholt, sodass der Roboter die Lagekorrektur an einer Vielzahl von Punkten lernt, wobei insbesondere das tiefe neuronale Netz iterativ belernt wird.According to one embodiment of the invention, it is provided that the method is carried out iteratively. The method steps are therefore preferably repeated at a plurality of desired positions, so that the robot learns the position correction at a plurality of points, wherein in particular the deep neural network is iteratively taught.

Gemäß einer Weiterbildung der Erfindung ist vorgesehen, dass die gelernte Lagekorrektur bei einem Werkzeugwechsel und/oder bei einer Positionsänderung des Roboters zur Ansteuerung desselben verwendet wird. Dies ermöglicht den Aufbau der Robotersteuerung und insbesondere der Lagekorrektur nach einem Werkzeugwechsel und/oder einer Positionsänderung auf dem bisher bereits gelernten Wissen, wobei der Roboter sich sehr schnell an die veränderten Bedingungen anpassen kann. Es bedarf dabei weder einer genauen Vermessung der neuen Position des Roboters und/oder des neuen Werkzeugs, noch einer aufwändigen Umprogrammierung. Unter einer Positionsänderung wird hier insbesondere eine Veränderung des Standorts des Roboters verstanden, insbesondere eines Aufstellorts in einer Fertigungseinrichtung.According to one embodiment of the invention, it is provided that the learned position correction is used in a tool change and / or in a position change of the robot for controlling the same. This allows the structure of the robot controller and in particular the position correction after a tool change and / or a change in position on the previously learned knowledge, the robot can adapt very quickly to the changed conditions. It requires neither a precise measurement of the new position of the robot and / or the new tool, nor a costly reprogramming. A change in position is understood to mean, in particular, a change in the location of the robot, in particular a location in a production facility.

Bevorzugt berechnet der Roboter nach einem Werkzeugwechsel und/oder nach einer Positionsänderung seinen Massenschwerpunkt, das durch das an dem Roboterarm angeordnete Werkzeug erzeugte Moment und/oder die wenigstens eine Biegung des Roboterarms und/oder des Werkzeugs automatisch neu, wobei er bevorzugt diese neu berechneten Parameter mit seinem erlernten Wissen über die Lagekorrektur abgleicht. Insbesondere auf diese Weise kann der Roboter sehr schnell zu minimalen Abweichungen der tatsächlichen Ist-Position von der Soll-Position auch unter den neuen Bedingungen gelangen.Preferably, after a tool change and / or after a position change, the robot automatically recalculates its center of gravity, the torque generated by the tool located on the robot arm, and / or the at least one bend of the robot arm and / or tool, preferably using those newly calculated parameters with his learned knowledge about the situation correction. In particular, in this way, the robot can very quickly reach minimum deviations of the actual actual position of the target position even under the new conditions.

Gemäß einer Weiterbildung der Erfindung ist vorgesehen, dass der Roboter die Soll-Position an die Positionsbestimmungseinrichtung meldet, wenn er diese gemäß seinem internen Zustand erreicht hat. Die Positionsbestimmungseinrichtung meldet dann ihrerseits die Ist-Position an den Roboter zurück, wobei in diesem Fall der Roboter die Abweichung der Ist-Position von der Soll-Position bestimmt und für die Lagekorrektur verwendet. Alternativ oder zusätzlich meldet die Positionsbestimmungseinrichtung Positionskorrekturdaten an den Roboter zurück, wobei die Abweichung zwischen der Ist-Position und der Soll-Position durch die Positionsbestimmungseinrichtung ermittelt und gegebenenfalls weiterverarbeitet wird. Der Roboter kann dann anhand der von der Positionsbestimmungseinrichtung übermittelten Positionskorrekturdaten die Lagekorrektur lernen.According to one embodiment of the invention, it is provided that the robot notifies the position to the position-determining device when it has reached it according to its internal state. The position-determining device then in turn reports back the actual position to the robot, in which case the robot determines the deviation of the actual position from the desired position and uses it for the position correction. Alternatively or additionally, the position-determining device returns position correction data to the robot, wherein the deviation between the actual position and the desired position is determined by the position-determining device and optionally further processed. The robot can then learn the position correction based on the position correction device transmitted position correction data.

Mithilfe des Verfahrens ist auch nach einem Werkzeugwechsel oder einer räumlichen Versetzung des Roboters eine hochpräzise und funktionsgenaue Arbeitsausführung durch den Roboter mit geringstmöglichem Programmieraufwand erreichbar.By means of the method, even after a tool change or a spatial displacement of the robot, a high-precision and functionally accurate work execution by the robot can be achieved with the least possible programming effort.

Im Rahmen des Verfahrens wird dem Roboter bevorzugt in einem Arbeitsvorlauf während seines Bewegungsablaufs interaktiv in einem Feedback-Modus – Frage des Roboters, Antwort der Positionsbestimmungseinrichtung – übermittelt, ob er seine vorgesehene Position erreicht hat oder nicht, wobei der Roboter ein Deeplearning-Programm aufweist, das aus dem entstehenden Versuch-und-Irrtum-Verfahren ein neuronales Netzwerk belernt.In the context of the method, the robot is preferably conveyed interactively in a feed-forward during its course of motion in a feedback mode-question of the robot, response of the position-determining device-whether it has reached its intended position or not, the robot having a deep-learning program, that learns from the resulting trial and error method a neural network.

Das Verfahren wird bevorzugt in Echtzeit durchgeführt.The method is preferably carried out in real time.

Die gelernte Lagekorrektur führt zu minimalen Abweichungen zwischen der Soll-Position und der Ist-Position, wodurch ein hochgenaues und qualitativ hochwertiges Arbeiten, beispielsweise an einer Fräse, erreicht werden kann.The learned position correction leads to minimal deviations between the desired position and the actual position, whereby a high-precision and high-quality work, for example on a mill, can be achieved.

Die Erfindung wird im Folgenden anhand der Zeichnung näher erläutert. Dabei zeigt die einzige Figur eine schematische Darstellung einer Ausführungsform eines Verfahrens zur automatischen Lagekorrektur eines Roboterarms.The invention will be explained in more detail below with reference to the drawing. The single figure shows a schematic representation of an embodiment of a method for the automatic position correction of a robot arm.

Die einzige Figur zeigt eine schematische Darstellung einer Ausführungsform eines Verfahrens zur automatischen Lagekorrektur eines Roboterarms 3 eines Roboters 1, wobei der Roboter 1 hier als Mehrachsroboter, insbesondere als Sechsachsroboter mit sechs Achsen A1 bis A6 ausgebildet ist, sodass er innerhalb seines Arbeitsraums durch sechs Freiheitsgrade bestimmte Positionen definiert anfahren kann.The single FIGURE shows a schematic representation of an embodiment of a method for the automatic position correction of a robot arm 3 a robot 1 , where the robot 1 is designed here as a multi-axis robot, in particular as a six-axis robot with six axes A1 to A6, so that it can approach defined positions within its working space by six degrees of freedom.

An dem Roboterarm 3 ist ein lang auskragendes Werkzeug 5 befestigt, welches den Massenschwerpunkt des Roboterarms 3 verschiebt und aufgrund seiner Masse selbst durchhängt sowie zu einer Durchbiegung des Roboterarms 3 führen kann. Dies führt zu einer Abweichung einer von dem Roboter anzufahrenden Soll-Position von der dann tatsächlich erreichten Ist-Position. Insbesondere hieraus ergibt sich wieder die Notwendigkeit einer Lagekorrektur für den Roboterarm 3.At the robot arm 3 is a long overhanging tool 5 attached, which is the center of gravity of the robot arm 3 shifts and sags due to its mass itself and to a deflection of the robot arm 3 can lead. This leads to a deviation of a target position to be approached by the robot from the actually achieved actual position. In particular, this again results in the need for a position correction for the robot arm 3 ,

Diese wird durchgeführt, indem eine Soll-Position durch den Roboterarm 3 angefahren wird, wobei eine durch den Roboterarm 3 tatsächlich erreichte Ist-Position bestimmt wird.This is done by setting a desired position by the robot arm 3 is approached, one through the robot arm 3 actually reached actual position is determined.

Durch den Roboter 1 wird eine Lagekorrektur anhand einer Abweichung der Ist-Position von der Soll-Position mittels eines Deeplearning-Algorithmus gelernt.By the robot 1 a position correction is learned based on a deviation of the actual position from the desired position by means of a deeplearning algorithm.

Dabei wird die Ist-Position vorzugsweise durch eine außerhalb des Roboters 1 angeordnete Positionsbestimmungseinrichtung 7 bestimmt, die insbesondere wenigstens eine Kamera mit integrierter oder angeschlossener Recheneinrichtung aufweisen kann. Die Positionsbestimmungseinrichtung 7 ist mit dem Roboter 1 wirkverbunden, insbesondere derart, dass der Roboter 1 der Positionsbestimmungseinrichtung 7 mitteilen kann, dass er – gemäß seinem internen Zustand – die anzufahrende Soll-Position erreicht hat, wobei die Positionsbestimmungseinrichtung 7 dem Roboter die ermittelte Ist-Position oder Positionskorrekturdaten zurückmelden kann.In this case, the actual position is preferably by an outside of the robot 1 arranged position determining device 7 determined, in particular, may have at least one camera with integrated or connected computing device. The position determination device 7 is with the robot 1 operatively connected, in particular such that the robot 1 the position-determining device 7 can communicate that he - has reached the target position to be approached - according to its internal state, wherein the position determining device 7 the robot can return the determined actual position or position correction data to the robot.

Mittels des Deeplearning-Algorithmus wird insbesondere ein tiefes neuronales Netz belernt. Der Roboter weist eine mit dem tiefen neuronalen Netz gekoppelte Vorprogrammierung auf, die insbesondere eine semantische Reflexion, eine Definition des Arbeitsraumes des Roboterarmes 3 sowie generelle Informationen zu dem Werkzeug 5 aufweist. Alternativ ist es auch möglich, dass der Roboter 1 den Arbeitsraum des Roboterarms 3 im Rahmen eines Maschinenlern-Verfahrens lernt.By means of the deeplearning algorithm, in particular a deep neural network is learned. The robot has preprogramming coupled to the deep neural network, in particular a semantic reflection, a definition of the working space of the robot arm 3 as well as general information about the tool 5 having. Alternatively, it is also possible that the robot 1 the working space of the robot arm 3 learning as part of a machine learning process.

Mithilfe des Deeplearning-Algorithmus berechnet der Roboter bevorzugt zumindest einen Parameter, ausgewählt aus seinem Massenschwerpunkt, einem durch das Werkzeug 5 erzeugten Moment, und wenigstens einer Biegung des Werkzeugs 5 und/oder des Roboterarms 3.Using the deeplearning algorithm, the robot preferably calculates at least one parameter, selected from its center of gravity, one through the tool 5 generated moment, and at least one bend of the tool 5 and / or the robotic arm 3 ,

Das Verfahren wird bevorzugt iterativ durchgeführt.The method is preferably carried out iteratively.

Wird das Werkzeug 5 gewechselt und/oder wird eine Position, insbesondere ein Aufstellort des Roboters 1 verändert, wird zur Ansteuerung des Roboters 1 bevorzugt die gelernte Lagekorrektur verwendet. Dabei berechnet der Roboter 1 bevorzugt wenigstens einen der zuvor genannten Parameter automatisch neu und führt einen Abgleich zu seinem erlernten Wissen über die Lagekorrektur durch. Insbesondere auf diese Weise können sehr schnell nach einem Werkzeugwechsel und/oder einer Positionsänderung des Roboters 1 hochgenaue Arbeitsergebnisse erzielt werden.Will the tool 5 changed and / or becomes a position, in particular a place of installation of the robot 1 changed, is used to control the robot 1 preferably the learned position correction used. The robot calculates 1 automatically recalibrates at least one of the aforementioned parameters and performs a comparison to its learned knowledge about the position correction. In particular, in this way can very quickly after a tool change and / or a change in position of the robot 1 highly accurate work results are achieved.

Insgesamt zeigt sich, dass mithilfe des hier vorgeschlagenen Verfahrens auch nach einem Werkzeugwechsel oder einer räumlichen Versetzung des Roboters 1 eine hochpräzise und funktionsgenaue Arbeitsausführung durch den Roboter 1 mit geringstmöglichem Programmieraufwand erreicht werden kann.Overall, it turns out that by means of the method proposed here, even after a tool change or a spatial displacement of the robot 1 a high-precision and functionally accurate work execution by the robot 1 can be achieved with the least possible programming effort.

Claims (8)

Verfahren zur automatischen Lagekorrektur eines Roboterarms (3) eines Roboters (1), mit folgenden Schritten: – Anfahren einer Soll-Position durch einen Roboterarm (3) eines Roboters (1); – Bestimmen einer durch den Roboterarm (3) tatsächlich erreichten Ist-Position; – Lernen einer Lagekorrektur durch den Roboter (1) anhand einer Abweichung der Ist-Position von der Soll-Position mittels eines Deeplearning-Algorithmus.Method for the automatic position correction of a robot arm ( 3 ) of a robot ( 1 ), with the following steps: - Approaching a desired position by a robot arm ( 3 ) of a robot ( 1 ); Determining one by the robot arm ( 3 ) actually reached actual position; - learning a position correction by the robot ( 1 ) based on a deviation of the actual position from the desired position by means of a deeplearning algorithm. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Ist-Position durch eine außerhalb des Roboters angeordnete Positionsbestimmungseinrichtung (7) bestimmt wird.Method according to Claim 1, characterized in that the actual position is determined by a position-determining device arranged outside the robot ( 7 ) is determined. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass mittels des Deeplearning-Algorithmus ein tiefes neuronales Netz belernt wird.Method according to one of the preceding claims, characterized in that by means of the deeplearning algorithm, a deep neural network is learned. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der Roboter (1) eine mit dem tiefen neuronalen Netz gekoppelte Vorprogrammierung aufweist, die eine semantische Reflexion, eine Definition des Arbeitsraumes des Roboterarms (3), und/oder allgemeine Informationen zu einem an dem Roboterarm (3) angeordneten Werkzeug (5) umfasst.Method according to one of the preceding claims, characterized in that the Robot ( 1 ) has a pre-programming coupled to the deep neural network, which has a semantic reflection, a definition of the working space of the robot arm ( 3 ), and / or general information about one of the robot arm ( 3 ) arranged tool ( 5 ). Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der Roboter (1) mithilfe des Deeplearning-Algorithmus – seinen Massenschwerpunkt; – ein durch ein an dem Roboterarm (3) angeordnetes Werkzeug (5) erzeugtes Moment, und/oder – wenigstens eine Biegung des Werkzeugs (5) und/oder des Roboterarms (3) berechnet.Method according to one of the preceding claims, characterized in that the robot ( 1 ) using the deeplearning algorithm - its center of mass; By a on the robot arm ( 3 ) arranged tool ( 5 ) generated moment, and / or - at least one bend of the tool ( 5 ) and / or the robot arm ( 3 ). Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Verfahren iterativ durchgeführt wird.Method according to one of the preceding claims, characterized in that the method is performed iteratively. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die gelernte Lagekorrektur nach einem Werkzeugwechsel und/oder einer Positionsänderung des Roboters (1) zur Ansteuerung des Roboters (1) verwendet wird.Method according to one of the preceding claims, characterized in that the learned position correction after a tool change and / or a position change of the robot ( 1 ) for controlling the robot ( 1 ) is used. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der Roboter (1) seine Soll-Position – insbesondere nach deren Erreichen – an die Positionsbestimmungseinrichtung (7) meldet, woraufhin die Positionsbestimmungseinrichtung (7) die tatsächliche Ist-Position und/oder Positionskorrekturdaten an den Roboter (1) zurückmeldet.Method according to one of the preceding claims, characterized in that the robot ( 1 ) its target position - in particular after reaching it - to the position determining device ( 7 ), whereupon the position-determining device ( 7 ) the actual position and / or position correction data to the robot ( 1 ) reports back.
DE102016012227.7A 2016-10-13 2016-10-13 Method for automatic position correction of a robot arm Withdrawn DE102016012227A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102016012227.7A DE102016012227A1 (en) 2016-10-13 2016-10-13 Method for automatic position correction of a robot arm

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102016012227.7A DE102016012227A1 (en) 2016-10-13 2016-10-13 Method for automatic position correction of a robot arm

Publications (1)

Publication Number Publication Date
DE102016012227A1 true DE102016012227A1 (en) 2017-04-20

Family

ID=58456643

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102016012227.7A Withdrawn DE102016012227A1 (en) 2016-10-13 2016-10-13 Method for automatic position correction of a robot arm

Country Status (1)

Country Link
DE (1) DE102016012227A1 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019081120A1 (en) * 2017-10-26 2019-05-02 Volkswagen Aktiengesellschaft Method and device for surface machining and method for producing a molded component
DE102019213676B3 (en) * 2019-09-10 2020-09-17 Kuka Deutschland Gmbh Robot control
EP3738722A1 (en) * 2019-05-13 2020-11-18 Siemens Aktiengesellschaft Planning of trajectories for the production of workpieces
WO2020233777A1 (en) * 2019-05-17 2020-11-26 Telefonaktiebolaget Lm Ericsson (Publ) Technique for parameter conversion between a robotic device and a controller for the robotic device
US11162241B2 (en) 2018-03-27 2021-11-02 Deere & Company Controlling mobile machines with a robotic attachment

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019081120A1 (en) * 2017-10-26 2019-05-02 Volkswagen Aktiengesellschaft Method and device for surface machining and method for producing a molded component
US11162241B2 (en) 2018-03-27 2021-11-02 Deere & Company Controlling mobile machines with a robotic attachment
EP3738722A1 (en) * 2019-05-13 2020-11-18 Siemens Aktiengesellschaft Planning of trajectories for the production of workpieces
WO2020233777A1 (en) * 2019-05-17 2020-11-26 Telefonaktiebolaget Lm Ericsson (Publ) Technique for parameter conversion between a robotic device and a controller for the robotic device
US20220219322A1 (en) * 2019-05-17 2022-07-14 Telefonaktiebolaget Lm Ericsson (Publ) Technique for Parameter Conversion Between a Robotic Device and a Controller for the Robotic Device
DE102019213676B3 (en) * 2019-09-10 2020-09-17 Kuka Deutschland Gmbh Robot control

Similar Documents

Publication Publication Date Title
DE102016012227A1 (en) Method for automatic position correction of a robot arm
EP1602456B1 (en) Method and device for controlling manipulators
DE102015107436B4 (en) Trainable path control
EP2285537B1 (en) Device and method for the computer-assisted generation of a manipulator track
EP2303521B1 (en) Industrial robot and path planning method for controlling the movement of an industrial robot
EP0616706A1 (en) Process for optimising control parameters for a system having an actual behaviour depending on the control parameters.
DE102011082800B4 (en) System and method for the automated creation of robot programs
DE3317263A1 (en) MANIPULATOR WITH ADAPTIVE SPEED CONTROLLED RAILWAY MOVEMENT
DE112010000794T5 (en) Method for controlling a robot tool
DE10155430B4 (en) Adaptation of compensation data to reduce positional errors in machine tools and robots
DE102012112900A1 (en) Numerical control program alignment by robots
DE102010036499A1 (en) Tool vector display device for a machine tool with a rotation axis
DE102016002340A1 (en) Robot system with a robot that operates synchronously with a bending machine
DE102015105687A1 (en) robot
DE102015116522B3 (en) Synchronization of several robots
EP3037905B1 (en) Device and method for holding workpieces
EP0249171B1 (en) Programme control method for the automated coating of work pieces, especially for an industrial robot
EP2796954B1 (en) Numerical controller with notification of a CAM system when the part program is changed
DE102011014299A1 (en) Method and means for controlling an automation device, in particular a robot
EP2796952A1 (en) Numerical controller capable of changing the sub-program
EP2919081B1 (en) Processing machine taking into account position errors in collision checking
DE102012024934B4 (en) Method and programming system for the first generation of a measuring program executable on a measuring robot for the measurement of a new measuring object
EP1152212B1 (en) Semi automatic calibration of the actuating arm of a robot
EP2902859A1 (en) Control device with integrated optimiser
WO2005039836A2 (en) Method for effecting the movement of a handling device and image processing device

Legal Events

Date Code Title Description
R230 Request for early publication
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee