Der traditionelle manuelle Ernteprozess ist nach wie vor arbeitsintensiv, was zu erhöhten Kosten in der Landwirtschaft führt. Gleichzeitig stehen vollautomatisierte Roboter bei der Navigation in komplexen Umgebungen vor Herausforderungen hinsichtlich der Präzision. Forscher in China gehen diese Probleme an, indem sie ein neues Ernte-Robotermodell entwickeln, das sich auf die "Mensch-Roboter-Zusammenarbeit" konzentriert.
Ein Forschungsteam unter der Leitung von Associate Professor Pei Wang von der Southwest University stellte einen gestengesteuerten Mensch-Roboter-Kooperationsroboter vor, der die Effizienz der Obsternte durch einen innovativen Ansatz verbessert. Diese Technologie zielt darauf ab, die Produktivität kleiner Obstgärten zu steigern, die auf intelligente Systeme umstellen.
Die Kerntechnologie nutzt die Stärken von Mensch und Maschine: Menschen sind geschickt darin, die Position von Früchten zu erkennen und Pflückwege auszuwählen, während Roboterarme sich durch wiederholte Aufgaben und Kraftkontrolle auszeichnen. Das bewegungssensitive Interaktionssystem des Teams nutzt Echtzeitdaten eines Leap Motion-Sensors, um Handbewegungen zu erfassen und den Roboterarm in die richtige Position zu führen. Dieses System kombiniert die visuellen Fähigkeiten des Menschen mit der mechanischen Präzision von Robotern.
Technische Herausforderungen wurden bewältigt, um einen präzisen Betrieb des Roboterarms zu gewährleisten. Insbesondere löste das Team Probleme im Zusammenhang mit inversen Kinematikberechnungen, die zu mehreren Lösungen und damit zu unregelmäßigen Bewegungen führen können. Es wurde ein vierstufiges Screening-Verfahren entwickelt, das die Überprüfung auf mechanische Interferenzen, die Verifizierung der Genauigkeit, die Bewertung der Bewegungsrationalität und die Optimierung der Bewegungsglätte umfasst.
Im Gegensatz zu herkömmlichen kamerabasierten Robotern nutzt der neue Roboter die Bewegungssensorik des Leap Motion Controllers, der Handbewegungen mit einer Auflösung von 0,01 Millimetern erfassen kann. Er arbeitet auch bei suboptimalen Lichtverhältnissen oder bei verdeckten Sichtverhältnissen durch Laub stabil. Intelligente Filteralgorithmen mildern "verwackelte Daten" aufgrund von Handzittern oder Umwelteinflüssen und sorgen so für flüssige Armbewegungen.
Das Team hat den Interaktionsraum von Leap Motion effektiv auf den Arbeitsbereich des Roboterarms abgebildet, sodass Bediener den Arm mühelos innerhalb einer virtuellen "Box" steuern können. Diese Schnittstelle ist intuitiv, ähnelt einem bewegungsempfindlichen Videospiel und verspricht eine Effizienzsteigerung in kleinen Obstplantagen, selbst in komplexen Umgebungen.
Tests ergaben eine durchschnittliche Systemreaktionszeit von 74,4 Millisekunden bei einer Genauigkeit von 96,7 Prozent bei der Erkennung von Gesten. Nach der Schulung konnten die Bediener die Zeit für die Ernte einer einzelnen Frucht von 8,3 Sekunden auf 6,5 Sekunden reduzieren, was die Anpassungsfähigkeit des Systems an komplexes Gelände und unterschiedliche Bedingungen in Obstplantagen bestätigt.