Autonomes Pick-and-Place auf einem igus-ReBeL-Cobot

Kontext

Masterprojekt im ersten Jahr (MESI) in einem Viererteam (Daniel, Theresia, Arnaud, Hashem). Ziel war es, einen kollaborativen 6-Achsen-Arm igus ReBeL zu Pick-and-Place-Aufgaben ohne manuell programmierte Trajektorien zu befähigen. Die Ausgangslage war nicht einfach, ein günstiger Polymer-Cobot mit einem unvollständigen Community-ROS-2-Treiber, angesteuert über ein schlecht dokumentiertes proprietäres Protokoll (CRI). Mein Aufgabenbereich war breit, das Reverse Engineering des CRI-Protokolls, die Bahnplanung und -ausführung unter MoveIt 2, die Integration des SCHUNK-Greifers, die MATLAB-Simulation, die experimentelle Validierung sowie das Projektmanagement (Zeitplan, Gantt und Finanzbilanz). Den Trägerwagen habe ich zudem zusammen mit Hashem gebaut.

Ansatz / Lösung

Ich habe die Kette Wahrnehmung, Entscheidung, Aktion unter ROS 2 Humble geschlossen. Eine Intel-RealSense-D435-Kamera lokalisiert das Objekt zusammen mit einem YOLO11n-Modell in 3D, die Koordinaten werden ins Roboterkoordinatensystem transformiert, anschließend löst MoveIt 2 die inverse Kinematik und plant eine kollisionsfreie Trajektorie. Diese läuft über das CRI-Protokoll (TCP/IP) auf der igus-Steuerung, bis zum Greifen mit einem SCHUNK-EGP-25-Greifer. Die Kinematik habe ich zunächst in einer MATLAB-Simulation validiert und die Logik dann in eine wiederverwendbare, objektorientierte Python-Bibliothek mit drei Schichten (CRI, Greifer, Pick-and-Place) überführt. Die größte Hürde blieb das CRI-Protokoll. Es erforderte echtes Reverse Engineering, das Dekodieren der Frames, das Unterscheiden der Ausgabebefehle und den Umgang mit dem zwingend erforderlichen Echtzeit-Heartbeat. Die Zelle steht auf einem mobilen Wagen, den wir in CAD entworfen und anschließend aus Norcan-Aluminiumprofilen aufgebaut haben.

Ergebnisse

Die vollständige Kette funktioniert im Reaktivbetrieb, Erkennung, Planung, Ausführung, Ablage, als wiederholbarer Zyklus ohne menschliches Eingreifen. Die inverse Kinematik konvergiert bei 100 % der Szenario-Posen, die MoveIt-Planung bleibt im Bereich weniger hundert Millisekunden. Die mechanische Wiederholgenauigkeit des Arms allein (etwa ±12 mm bei diesem Polymer-Cobot) wird durch die Bildverarbeitungsschleife unkritisch gemacht, die das Ziel in jedem Zyklus neu berechnet. Auf der Open-Source-Seite haben wir die erste bekannte ROS-2-Bibliothek für den SCHUNK-EGP-25-Greifer auf igus veröffentlicht und den Community-Treiber erweitert (Echtzeit-Heartbeat, Sicherheitsknoten). Die Architektur bleibt armunabhängig und erweiterbar Richtung Industrie-4.0-Montage. Ich beschönige das Ergebnis nicht. Über 20 Versuche liegt die Erfolgsquote bei 60 %, die Fehlschläge sind auf Handgelenk-Singularitäten und Grenzfälle der Erkennung zurückgeführt und jeweils mit Lösungsansatz dokumentiert. Auch der Zeitplan ist gegenüber der Planung verrutscht. Vorgesehen von Oktober 2025 bis Mai 2026, lief das Projekt schließlich bis in den Juni. Das manuelle Bearbeiten der Norcan-Profile, Bohren und Gewindeschneiden von Hand, dauerte rund drei ungeplante Tage und bleibt die Hauptursache der Verzögerung. Ohne diese Zeit wurde die Software nicht wie gewünscht fertiggestellt, und die Bedienoberfläche blieb im Stadium eines funktionsfähigen Prototyps. Mein Fazit, das Auslagern der Standardbearbeitung hätte einige Dutzend Euro mehr gekostet und diese drei Tage gespart, bei besserer Präzision. Methodisch hätten vorab festgelegte Validierungskriterien für jedes Teilsystem uns wiederholte Tests ohne klares Protokoll erspart. Was ich noch tun könnte, die Erkennung in Grenzfällen robuster machen, Singularitäten durch Neuplanung vermeiden und die Bedienoberfläche bis zu einem echten Reifegrad bringen.

Projektkosten

Das gesamte Material wurde vom Hall de Technologie der Universität Straßburg bereitgestellt.

Tech-Stack