Forschungsprojekte

Forschungsplattform

2024-dato

Eine effiziente Kommunikation zwischen Robotern und Menschen ist entscheidend für eine reibungslose Zusammenarbeit in industriellen Umgebungen, weshalb die Anforderungen an kollaborative Montageprozesse und die Machbarkeit von multimodalen Feedbacksystemen, wie visuelle Hinweise, akustische Effekte und virtuelle Augen, im Kontext von Industrie 5.0 erforscht werden. Dazu wurde eine Forschungsplattform entwickelt, die mit Hilfe von LEGO-Steinen reale Montageprozesse simuliert und Strategien der Mensch-Roboter-Interaktion (MRI) erforscht. Erste Experimente und Nutzerstudien liefern Erkenntnisse über potentielle Kommunikationsschnittstellen und die Wahrnehmung von Absichten und Handlungen des Roboters.

Effektive Kommunikation zwischen Robotern und Menschen ist entscheidend für eine nahtlose Zusammenarbeit in industriellen Umgebungen. Ziels der Roboterplattform ist es, die Anforderungen von kollaborativen Montageprozessen im Kontext von Industrie 5.0 zu erfassen und die Realisierbarkeit verschiedener multimodaler Feedbacksysteme – einschließlich visueller Hinweise, akustischer Effekte und virtueller Augen – zu untersuchen. Um dieses Ziel zu erreichen, stellen wird eine neuartige Forschungsplattform verwendet, die darauf ausgelegt ist, Strategien der Mensch-Roboter-Interaktion (HRI) in kollaborativen Montageaufgaben zu erforschen. Die Plattform verwendet LEGO Steine, um reale Montageprozesse zu simulieren. In einem ersten entworfenen Experiment bauen Mensch und Roboter gemeinsam eine Konstruktion, so dass potenzielle Kommunikationsschnittstellen zwischen ihnen untersucht werden können. Erste Benutzerstudien geben erste Einblicke in die Wahrnehmung der visualisierten Absichten und Handlungen des Roboters durch den Benutzer. Die Plattform ist nicht als festes System konzipiert, sondern vielmehr als Ausgangspunkt für weitere Untersuchungen und zukünftige Studien im Bereich der MRI. 
Wie beschrieben in: Kaden, Schwarz und Röhrbein: „A Research Platform for Human-Robot-Interaction with Focus on Collaborative Assembly Scenarios“ (2024).

Mensch-Maschine-Teaming Workshop

2024-dato

Im Fokus des Workshops steht die Analyse und Gestaltung hybrider Arbeitsprozesse, in denen Mensch und Maschine kollaborativ interagieren. Anhand von theoretischen Inputs, praktischen Übungen – wie der kollaborativen Montage eines Regals – und der systematischen Auseinandersetzung mit zentralen Kriterien (Beobachtbarkeit, Vorhersagbarkeit und Steuerbarkeit) werden die Teilnehmenden für das Thema sensibilisiert. Gleichzeitig bilden die gewonnenen Erkenntnisse die Grundlage für weiterführende empirische Untersuchungen.

Die zunehmende Integration von Robotern in Montagearbeitsplätze und die Ereiterung der Fähigkeiten von Robotern auf Basis sensorischer Entwicklungen, der Weiterentwicklung von bildanalytischen Verfahren als auch der Einsatz von Machine-Learing-Algorithmen eröffnet neue Möglichkeiten der Zusammenarbeit. Daraus entstehen aber auch Herausforderungen hinsichtlich der Kommunikation, Adaptivität und Transparenz. Unser halbtägiger Workshop „Mensch-Maschine-Teaming“ sensibilisiert den aktuellen Stand der Mensch-Maschine- bzw. Mensch-Roboter-Interaktion und stellt ein Teaming-Modell vor, das sich an den Kriterien Beobachtbarkeit, Vorhersagbarkeit und Lenkbarkeit orientiert. Neben einem theoretischen Input werden die Teilnehmenden in einer interaktiven Übung selbst aktiv, indem zwei Teilnehmende ein IKEA-Regal aufbauen. Die übrigen Teilnehmenden werden in drei Kleingruppen gebeten, jeweils Beobachtungen anhand eines Kriteriums festzuhalten — die Notizen werden anonym gesammelt und digital zusammengefasst. Im abschließenden Plenum wird in einem hypothetischen Szenario diskutiert, welche Implikationen sich ergeben, wenn ein Monteur als Roboter agiert und wie die gewonnenen Erkenntnisse auf zukünftige Forschung übertragen werden können.

IntelliVoiceAnalytic

2025-2026

Ziel des KMU-innovativ Projekts IntelliVoiceAnalytic ist die prototypische Entwicklung eines AMR, dessen Normalbetrieb von einem KI-System direkt an Bord überwacht wird. Dabei ist die automatische Sollzustandermittlung anhand kleiner Datenmengen zu realisieren. Es wird ein AMR als Versuchsträger aufgerüstet. Daten vom Normalzustand werden aquiriert sowie von möglichen Abweichungen künstlich generiert. Die KI-Modelle für das PM-System sind so zu entwickeln, dass neben eindeutigen Sensorsignalen auch Rohdaten ausgewertet werden können. Aktuelle KI-gestützte Werkzeuge zur Spracherkennung und -synthese werden u.a. im Hinblick auf ihre Offline-Fähigkeit ausgewählt und eine Mensch-Roboter-Schnittstelle mit natürlicher Sprache realisiert. Die Teilkomponenten werden zu einem Demonstrator integriert und getestet.

Motivation
Autonome Mobile Roboter (AMR) und mobile Manipulatoren sind wesentliche Komponenten moderner Logistik- und Produktionsprozesse. Ihre Leistungsfähigkeit hängt von der rechtzeitigen Erkennung und Behebung von Unregelmäßigkeiten und Fehlfunktionen ab, bevor Schäden entstehen. Klassische KI-basierte Predictive Maintenance Systeme (PM) zur Instandhaltung, die prizipiell für den Einsatz bei AMR geeignet sind, erfordern eine Cloudanbindung und große Datenmengen für ihr Training. Dies macht sie ungeeignet für Umgebungen ohne Internetzugang und mit strengen Datenschutzanforderungen, wie große Chipfabriken. Außerdem stehen für diese AMR-Sondermaschinen oft keine ausreichend große Datenmengen für das Training der KI zur Verfügung.

Ziele und Vorgehen
Ziel des KMU-innovativ Projekts IntelliVoiceAnalytic ist die prototypische Entwicklung eines AMR, dessen Normalbetrieb von einem KI-System direkt an Bord überwacht wird. Dabei ist die automatische Sollzustandermittlung anhand kleiner Datenmengen zu realisieren. Dazu wird ein AMR als Versuchträger aufgerüstet. Daten vom Normalzustand werden aquiriert sowie von möglichen Abweichungen
künstlich generiert. Die KI-Modelle für das PM-System sind so zu entwickeln, dass neben eindeutigen Sensorsignalen auch Rohdaten auszuwerten sind. Aktuelle KI-gestützte Werkzeuge zur Spracherkennung und -synthese werden u.a. im Hinblick auf ihre Offline-Fähigkeit ausgewählt und eine Mensch-Roboter-Schnittstelle mit natürlicher Sprache realisiert. Die Teilkomponenten werden zu einem
Demonstrator integriert und getestet.

Innovationen und Perspektiven
Nach erfolgreicher Umsetzung kann der langfristige Betrieb von AMR stabiler und effizienter werden. Die intuitive, sprachbasierte Interaktion erhöht die Wartungseffizienz, senkt Ausfallzeiten und ermöglicht eine Bedienung durch Nichtspezialisten. Die autark funktionierende PM kann auf Sondermaschinen und größere Roboterflotten übertragen werden. Letzlich kann die angestrebte Lösung zu einer weiteren Verbreitung von Robotik in der Gesamtwirtschaft beitragen.

3D-Robojet

2019-2021

Im Projekt 3D-Robojet entwickelten wir eine Technologie für den robotergeführten Inkjet-Druck auf 3D-Oberflächen. Dazu wurde ein Versuchsstand mit einem Industrieroboter und einem Inkjet-Druckkopf aufgebaut, um funktionale Schichten wie Heizstrukturen und Antennen direkt auf komplexe Bauteile aufzubringen. Die gewonnenen Erkenntnisse verbesserten die Präzision des Druckverfahrens und ermöglichten eine flexible Anwendung für die gedruckte Elektronik.

Im Forschungsprojekt 3D-Robojet wurde der robotergeführte Inkjetdruck für die funktionale Beschichtung von dreidimensionalen Objekten (Freiformen) untersucht. Ziel war es, einen Versuchsstand mit einem 6-Achs-Industrieroboter und einem Inkjet-Druckkopf zu entwickeln, um komplexe Bauteile mit präzisen gedruckten Strukturen zu versehen. Der modulare Aufbau ermöglichte die Integration zusätzlicher Technologien wie Plasmavorbehandlung, Infrarot-Nachhärtung und 3D-Objekterkennung zur exakten Positionierung des Druckbildes.

Im Projekt wurden zwei zentrale Anwendungsszenarien realisiert: eine gedruckte Heizstruktur für eine Kunststoffsitzschale und eine RFID-Dipolantenne zur drahtlosen Identifikation. Die Heizstruktur erstreckte sich über 450 cm² der Sitzfläche und erreichte eine homogene Temperaturverteilung von 50 °C. Die RFID-Antenne war auf der Rückseite der Sitzlehne angebracht und ermöglichte das berührungslose Auslesen der gespeicherten Informationen aus einer Entfernung von mehr als zwei Metern.

Besonderes Augenmerk wurde auf die Optimierung der Druckgenauigkeit auf gekrümmten Oberflächen gelegt. Dazu wurde ein Bahnplanungssystem auf Basis von Voxelkarten entwickelt, das eine exakte Positionierung der Druckbahnen – unabhängig von der Lage des Objekts im Raum – gewährleistet. Die im Projekt gewonnenen Erkenntnisse erweitern die Möglichkeiten der gedruckten Elektronik und zeigen das Potenzial des robotergeführten Inkjet-Drucks für industrielle Anwendungen.

PaxUnpARiA

2024-2025

Im Projekt PaxUnpARiA untersuchen wir, wie der Alltag pflegender Angehöriger aussieht und wie technische Hilfsmittel sie entlasten können. Wir führen Workshops und Cultural Probes durch, um Einblicke in Herausforderungen und Bewältigungsstrategien zu gewinnen. Ziel ist es, praxisnahe technologische Lösungen zu entwickeln, die die Vereinbarkeit von Pflege und Beruf erleichtern.

Das Projekt PaxUnpARiA untersuchte die Situation pflegender Angehöriger und die Rolle technischer Hilfsmittel zur Unterstützung ihres Alltags. In Deutschland übernehmen Angehörige rund 80% der Pflegeleistungen, was zu einer erheblichen Doppelbelastung von Beruf und Pflege führt. Ziel der Vorstudie war es, die Herausforderungen dieser Gruppe detailliert zu erfassen und Möglichkeiten aufzuzeigen, wie Technik gezielt entlasten kann.

Um qualitative Einblicke zu gewinnen, wurden Gruppenworkshops mit Cultural Probes kombiniert, die es den Teilnehmenden ermöglichen, ihre Routinen zu reflektieren und potenzielle technische Hilfen zu identifizieren. Ein besonderer Schwerpunkt lag auf den Auswirkungen der Pflegebelastung auf das Erwerbsleben und auf Strategien zur Vereinbarkeit von Pflege und Beruf. Die gewonnenen Erkenntnisse sollen als Grundlage für praxistaugliche technische Lösungen dienen, die die Pflegequalität und das Wohlbefinden der Angehörigen verbessern.

Bei der Datenerhebung standen wir vor der Herausforderung, pflegende Angehörige für die Teilnahme zu gewinnen. Um diesem Problem zu begegnen, testeten wir verschiedene Rekrutierungsmethoden und boten flexible Zeitfenster für die Workshops an – von Vormittags- bis Abendterminen. Außerdem haben wir eine reine Fernmethode als Alternative vorgesehen, falls die Teilnehmerzahl zu gering sein sollte. Diese Erfahrungen haben wir in einer wissenschaftlichen Publikation ausführlich aufbereitet, um zukünftige Forschungsprojekte und praxisnahe Entwicklungen bestmöglich zu unterstützen.