ÉlőUtoljára: 13 perceMa: 0
Robotika & CVfrissítve: 22:19

A KIT robotjai szétszerelik a hibás gépeket, hogy megmentsék az értékes alkatrészeket

A karlsruhei KIT kutatói olyan rendszert fejlesztettek ki, amely előre jelzi a termékek meghibásodását, majd szétszereli azokat, miközben védi az értékes alkatrészeket a sérüléstől.

A KIT robotjai szétszerelik a hibás gépeket, hogy megmentsék az értékes alkatrészeket
Fotó: Lilian Do Khac / Unsplash
forrás: IEEE Robotics·AI Forradalom szerk.·
Megosztás

A németországi Karlsruhe Institute of Technology (KIT) kutatói egy olyan robotrendszert terveztek, amely képes előre jelezni a hibás termékek meghibásodását, majd szétszerelni azokat, miközben megóvja az értékes alkatrészeket a további sérülésektől. A cél a fenntartható robotfejlesztés támogatása a robotrendszerek szétszerelésén, újrahasznosításán és újjáépítésén keresztül. (IEEE Robotics)

A rendszer egy prediktív algoritmusból és robotmanipulátorokból áll, amelyek szétszedik a törött termékeket. A folyamat minden szakaszában a rendszer ellenőrzi, hogy az eredmények összhangban vannak-e az előrejelzésekkel, és szükség esetén frissíti módszereit. Például, egy videón bemutatott demonstrációban a rendszer először egy törött alkatrészt csavar ki. Ha egy csavar beragad, a rendszer átkapcsol marásra, hogy eltávolítsa az alkatrészt.

A szétszerelés kiszámíthatatlansága

„Új alkatrészekkel terméket építeni egyszerű” — mondta Jan Baumgärtner, a rendszer egyik tervezője. „Minden lépés világosan ki van dolgozva, és nincsenek váratlan eltérések.” Ezzel szemben „valami olyat szétszedni, ami eltört, kiszámíthatatlan. Elképzelhetünk 100 módot, ahogy valami elromolhat.” Ha egy hibás termék szétszerelésébe úgy kezdünk bele, hogy nem tudjuk, hogyan tört el, előfordulhat, hogy a munka egy részét vissza kell vonnunk, ha megtaláljuk a problémát.

Adatvezérelt hibafelismerés

A KIT robotikai szétszerelő rendszere egy CAD-modellt használ a törött robotról és az egyes alkatrészekről, így látja, hogyan kellene viselkedniük az alkatrészeknek, és megérti, ha valami rendellenes. Emellett egy matematikai modellt is használ a törött alkatrészen keletkezett kár előrejelzésére. A rendszer először megbecsüli, hogyan kellene mozognia az egyes alkatrészeknek — például egy csavar elforog, de nem mozdulhat oldalirányban. Ezután megérinti az alkatrészt, hogy megfigyelje tényleges mozgását, és a matematikai modell segítségével előre jelezze, mi ment rosszul.

A szétszerelés elején a rendszer felállít egy tervet, megjósolja, mi lehet a hiba az eszközben, majd az egyes szétszedett darabok megfigyelése alapján módosítja az előrejelzését. Például, ha egy csavar laza volt az alkatrészben, azt nehéz lehet kitalálni a törött alkatrész kezdeti fényképéből.

De amikor a rendszer megmozgatja a csavart, észreveszi, hogy több irányban mozgatható, mint egy csavarnak kellene, és ezt figyelembe veszi az eszköz szétszerelésekor. A felhasználó azt is megadhatja, mely alkatrészeket szeretné sértetlenül megmenteni egy törött eszközből, és a rendszer ehhez igazíthatja stratégiáját.

Baumgärtner motivációja a robotikai szétszerelő tervezése mögött a körforgásos gazdaság megteremtésének segítése, ahol a régi eszközöket ahelyett, hogy kidobnák, megjavítják, csökkentve a hulladékot. „A nagy jövő a bolygónk megmentése” — mondja. Elképzelése szerint ezt az egy rendszert, amely néhány robotkarból áll, nagyszámú, különböző szerszámokkal felszerelt robotkarra skálázzák, amelyek specializálódnak a szétszerelés különböző részeire, így egy egész gyár képes lenne a termékek széles skálájának szétszerelésére.

Ez a kutatás a 2026-os IEEE International Conference on Robotics and Automation (ICRA) konferencián, Bécsben került bemutatásra. A cikk 2026. augusztus 11-én frissült, hogy pontosítsa: a szétszerelő rendszer általában a termékekre vonatkozik, nem csak robotokra.

A Nemzetközi Robotikai Szövetség adatai szerint jelenleg több mint 4 millió ipari robot működik világszerte.

Forrás

Feldolgozott sajtóforrás·IEEE Robotics

Eredeti cikk megnyitása →

Ez a cikk a fenti sajtóforrás alapján készült AI-összefoglalóval.

tetszett a cikk? oszd meg →
Megosztás

Tetszik az oldal? Támogasd a fejlesztést

Az AI Forradalom egy automatizált pipeline: napi adatgyűjtés, LLM-feldolgozás és infrastruktúra fenntartása valódi költségekkel jár. Ha értékesnek találod a tömör, naprakész AI-összefoglalókat, egy kávé sokat segít.

Támogatom