Intuitiv bedienbares HMI

Intuitiv bedienbares HMI

Roboterprogrammierung leicht gemacht

Bild: Yuanda Robotics GmbH

Die kollaborative Robotik gilt als Musterbeispiel für die Zusammenarbeit von Mensch und Maschine. Um die Hürden für den Einstieg in diese Technologie zu senken, hat der junge Cobot-Hersteller Yuanda Robotics zusammen mit Attoma Berlin ein HMI entwickelt, das stringent auf leichte Benutzung ausgelegt ist, ohne an Funktionalität einzubüßen.

Der Einsatz von Robotern macht es möglich, den Menschen von vielen unergonomischen Arbeiten zu befreien. Doch bringt ein (teil)automatisiertes Arbeitsumfeld auch neue Anforderungen mit sich. Dazu gehören eine zunehmende Aufgabenvielfalt und eine höhere Entscheidungsverantwortung des Einzelnen, z.B. bei der Bedienung KI-gesteuerter und selbstlernender Systeme. Hier besteht die Herausforderung darin, Daten in der Form auszuwerten und zu visualisieren, in der sie dem Menschen zu einer informierten, autonomen Entscheidungsfindung verhelfen. Anwendungen müssen intuitiv und ohne langes Anlernen nutzbar sein. Am Beispiel der Entwicklung eines HMIs für die Programmierung und Nutzung von Robotern lässt sich nachzeichnen, was Design leisten kann.

Kollaborativer Roboter

Im Projekt geht es um den kollaborativen Roboter des 2016 gegründeten Herstellers Yuanda Robotics. Der Cobot mit sechs Achsen und 7kg Traglast zeichnet sich durch seine feinfühlige Interaktion, die kontrollierte und selbständige Handhabung von Objekten und seinen Kollisionsschutz, der einen Schutzkäfig überflüssig macht, aus. Über eine integrierte Kamera, verbunden mit der entsprechenden Bildauswertungssoftware, kann er selbständig Objekte klassifizieren, Qualität kontrollieren und sich mittels Tag-Lokalisierung im Raum orientieren und positionieren. Die Stärke des Roboters liegt aber vor allem in den Interaktionsmöglichkeiten.

Leichte Sprache der Robotik

Yuanda Robotics entschied sich für die Zusammenarbeit mit der Firma Attoma Berlin, die auf HMI-Lösungen im Bereich der Produktion spezialisiert ist. Nach einem initialen Workshop wurden die Funktionsbausteine der Software nach Kriterien einfacher Nutzbarkeit und Workflows für unterschiedliche Anwendergruppen priorisiert und gegliedert. Die codebasierte Programmiersprache sollte auf ein verständliches Niveau übersetzt werden, ohne die Funktionen der Software einzuschränken. In der ersten Umsetzungsphase entstand ein Low-Fidelity-Wireframe, der zu einem klickbaren Prototyp weiterentwickelt wurde. Nach Durchlaufen mehrerer Iterationszyklen wurde das GUI (Graphical User Interface) ausgestaltet und Elemente wie Typographie, Farb-, Formen- und Bildsprache festgelegt. Das Design des HMIs wurde von Attoma in Tools wie Sketch umgesetzt und in Form von Quelldateien sowie platformspezifischen und pixelgenauen Spezifikationen an die Entwickler von Yuanda Robotics ausgeliefert. Einen begleitenden Styleguide mit grafischen Vorgaben zur Implementierung und eine Icon-Bibliothek lieferte Attoma ebenfalls an das chinesisch-deutsche Joint Venture.

Seiten: 1 2Auf einer Seite lesen

Yuanda Robotics GmbH
www.yuanda-robotics.de

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige