PSYONIC und ABB treiben die Geschicklichkeit von Cobots in Richtung industrielle Nutzung voran

PSYONIC und ABB testen berührungsempfindliche robotische Manipulation

PSYONIC hat sich mit ABB Robotics zusammengeschlossen, um die Ability Hand des Unternehmens mit dem kollaborativen Roboter GoFa von ABB zu kombinieren, mit dem Ziel, menschlich erzeugte Berührungs- und Greifdaten in die robotische Manipulation zu übertragen. Erstmals berichtet von The Robot Report, verbindet das Projekt prothesenbasierte Sensorik und Steuerung mit industrieller Cobot-Hardware. Das erklärte Ziel ist nicht nur der Bau eines leistungsfähigeren Greifers, sondern die Nutzung von Daten echter Nutzer der bionischen Hand von PSYONIC, um zu verbessern, wie Roboter Kontakt, Druck und Objektbehandlung verstehen. Für die Fertigungsinteressierten macht diese Ankündigung über die medizinische Robotik hinaus relevant, da geschickte Endeffektoren eines der begrenzenden Faktoren in der flexiblen Automatisierung für Hoch-Mix-Produktion bleiben.

Die Ability Hand von PSYONIC ist bekannt für haptisches Feedback und Mehrfingerbetätigung, die ursprünglich entwickelt wurde, um die Geschicklichkeit für Prothesennutzer wiederherzustellen. Laut Berichterstattung und verwandtem Unternehmensmaterial, das in FinanzNachrichten zitiert wird, arbeitet das F&E-Team von ABB Robotics mit PSYONIC an der Integration und Entwicklung, um zu erkunden, wie berührungsempfindliche Manipulation die Anwendungen der nächsten Generation autonomer Robotik unterstützen kann. Das eigene Portfolio an kollaborativen Robotern von ABB positioniert GoFa als Plattform für sichere und flexible Mensch-Roboter-Kollaboration, mit Traglast- und Reichweiteneigenschaften, die für Montage-, Handhabungs- und Maschinenbetreuungsaufgaben geeignet sind, wie von ABB umrissen. Die technische Bedeutung liegt in der Kombination von nachgiebiger Cobot-Bewegung mit reichhaltiger End-of-Arm-Sensorik, die die Objektakquisition, Teilepräsentation und adaptive Handhabung verbessern könnte, wo konventionelle Zweifinger-Greifer oder feste Werkzeuge zu restriktiv sind.

Warum Geschicklichkeit in der industriellen Automatisierung wichtig ist

Industrielle Robotik war lange Zeit stark in Wiederholgenauigkeit, Traglasthandling und Bahnsteuerung, aber weniger fähig, wenn Aufgaben unsichere Geometrien, variable Teileanpassungen oder empfindlichen Kontakt beinhalten. Diese Lücke ist besonders sichtbar in Sektoren wie Elektronik, medizinische Geräte, Metallverarbeitung und Automobil-Zusammenbau, wo Roboter zunehmend gemischte Komponenten manipulieren müssen, anstatt nur feste Trajektorien auszuführen. Eine berührungsempfindliche robotische Hand könnte einem Cobot helfen zu erkennen, ob ein Teil korrekt sitzt, ob eine Vorrichtung verrutscht ist oder ob ein Objekt während des Transfers rutscht. Praktisch könnte dies die Abhängigkeit von hochspezialisierten Werkzeugen verringern und mehr adaptive Zellen in Umgebungen ermöglichen, in denen sich Produktvarianten häufig ändern.

Für Produktionsingenieure ist der breitere Kontext, dass große Roboteranbieter alle in Richtung flexiblerer Automatisierungsarchitekturen streben. ABB, KUKA, FANUC, Yaskawa, Universal Robots und Doosan bieten jeweils kollaborative oder leichte Plattformen an, die für eine einfachere Bereitstellung in gemischten Mensch-Maschine-Umgebungen gedacht sind. Dennoch bleibt der Endeffektor oft der Engpass. Visionssysteme können Objekte identifizieren, und Kraft-Drehmoment-Sensoren können den Kontakt am Handgelenk überwachen, aber taktile Daten auf Finger-Ebene sind in herkömmlichen industriellen Zellen noch relativ selten. Wenn PSYONIC und ABB es schaffen, Berührungsdaten zuverlässig genug für den Produktionsgebrauch zu machen, könnte das Ergebnis eine neue Klasse von Manipulationsanwendungen sein, in denen Roboter unregelmäßige Teile handhaben, Toleranzvariationen ausgleichen oder semi-strukturierte Aufgaben mit weniger Vorrichtungen ausführen. Dennoch wird der Übergang von der Demonstration zur Fabrikbereitstellung Validierung für Zykluszeiten, Kontaminationsbeständigkeit, Wartungsintervalle und Softwareintegration mit PLC-, Sicherheits- und Qualitätssystemen erfordern.

Was das für Schweißzellen-Integratoren bedeutet

Für Integratoren von robotischem Schweißen und Cobot-Schweißen ist die unmittelbare Relevanz nicht, dass eine fünf-Finger-robotische Hand einen Schweißbrenner ersetzen wird, sondern dass geschickte Manipulation die vorgelagerten und nachgelagerten Operationen rund um den Schweißprozess verbessern kann. Schweißzellen sind häufig auf manuelles Laden, Taktpositionierung, Teileorientierung und Nachbearbeitung angewiesen, da diese Schritte weniger vorhersehbar sind als der Schweißpfad selbst. Ein geschickter, am Cobot montierter Manipulator könnte flexibles Laden kleiner Chargen, Handhabung von geschnittenen Teilen mit variablen Kantenbedingungen oder adaptive Präsentation von Komponenten an Vorrichtungen vor dem Lichtbogenschweißen unterstützen. In kollaborativen Schweißumgebungen kann dies besonders nützlich für die Fertigung in kleinen Stückzahlen, Vertragsfertigung und Werkstätten von KMUs sein, wo dedizierte harte Automatisierung schwer zu rechtfertigen ist.

Es gibt auch Auswirkungen auf das Zellendesign und die Compliance. Integratoren, die fortschrittliche Endeffektoren an Cobots wie ABB GoFa oder vergleichbaren Plattformen von Universal Robots und Doosan in Betracht ziehen, müssen weiterhin die gesamte Anwendung unter den relevanten Maschinen- und Roboter-Sicherheitsrahmen bewerten, einschließlich ISO 10218 für die Sicherheit von Industrierobotern, ISO/TS 15066 für die kollaborative Operation und breitere Maschinenanforderungen unter IEC- und EN-harmonisierten Standards. In Schweißanwendungen bleiben zusätzliche prozessspezifische Kontrollen unerlässlich, einschließlich Lichtbogenschutz, Rauchabsaugung, Brenner-Kollisionsmanagement und sichere Trennung zwischen Bedienern und beweglichen Geräten. Eine geschickte Hand kann die Handhabungsflexibilität verbessern, beseitigt jedoch nicht die Notwendigkeit einer robusten Vorrichtungsstrategie, Schweißqualitätsüberwachung oder validierter Sicherheitsfunktionen. Integratoren müssen ermitteln, wo taktile Manipulation messbaren Wert hinzufügt: Laden, Nachgreifen, Inspektionsunterstützung oder hybride Mensch-Roboter-Workflows rund um den Schweißbereich.

Von Prothesendaten zur Fabrikbereitstellung

Der interessanteste Aspekt der Zusammenarbeit zwischen ABB und PSYONIC ist die Nutzung menschlich erzeugter Daten anstelle rein synthetischer robotischer Trainingsdaten. Prothesennutzer interagieren mit Objekten auf Weisen, die natürlich die Anpassung des Griffs, die Druckmodulation und die Wiederherstellung nach dem Rutschen kodieren. Wenn diese Daten in industriell nützliche Steuerungsmodelle übersetzt werden können, könnte dies dazu beitragen, dass Roboter in realen Handhabungsaufgaben weniger spröde werden. Für Hersteller ist das wahrscheinliche kurzfristige Ergebnis nicht vollständig autonomes geschicktes Zusammenbauen, sondern inkrementelle Gewinne in der Manipulationszuverlässigkeit für flexible Automatisierungszellen. Das könnte schweißnahe Operationen wie Kitting, Teilezuführung, Vorrichtungsbeladung und Transfer von Fertigteilen zugutekommen, wo Variabilität oft den Arbeitsinhalt antreibt.

Die Entwicklung sollte daher als Teil eines breiteren Trends beobachtet werden: Roboter werden mechanisch einfacher einsetzbar, aber die nächsten Produktivitätsgewinne werden aus besserer Sensorik, anpassungsfähigerer Software und Endeffektoren resultieren, die mit Variationen umgehen können. Für Unternehmen, die neue Schweißzellen oder Nachrüstungen planen, ist dies eine Erinnerung daran, nicht nur die Roboter-Marke und die Energiequelle zu bewerten, sondern auch die Greiferstrategie, den Sensorenstapel und die zukünftige Erweiterbarkeit.

Hersteller und Integratoren, die robotische Schweißzellen, Cobot-Schweißstationen oder flexible Teilehandhabungsautomatisierung bewerten, können ein Angebot anfordern, um zu prüfen, wie geschickte Manipulation, Vorrichtungen und Sicherheitsarchitektur in einen spezifischen Produktionsfall passen könnten.