Ny teknik effektiviserar lagerarbete i hela kedjan

– Målet har varit att utveckla robotar som fungerar som medarbetare i lager och bidrar till att göra arbetet mer effektivt, säger Martin Magnusson, professor i datavetenskap vid Örebro universitet och en av de vetenskapliga ledarna för projektet.

Lagerrobotar som förutser våra rörelser

För att robotar verkligen ska kunna dela arbetsplats med människor måste de förstå hur vi rör oss. I DARKO-projektet har forskarna utvecklat metoder som gör att robotar kan anpassa sig till människors rörelsemönster. 

– Till skillnad från dagens lagerrobotar, som ofta stannar när något är i vägen, kan de nu förutse var en person är på väg och planera sin rutt därefter, säger Martin Magnusson.

För att klara det behöver robotarna en 3D-karta av sin omgivning. Traditionellt skapas sådana kartor med avancerade laserskannrar, men forskarna har tagit fram en mer resurseffektiv metod. Med hjälp av en vanlig mobilkamera – eller till och med en film från YouTube – går det att bygga realistiska 3D-kartor utan särskild utrustning eller kalibrering.

– Vi kan nu förutsäga människors rörelser upp till en minut framåt i tiden. Det gör att robotar kan navigera smidigare bland personalen på lagret, säger Martin Magnusson.

Gester och kast

För att samspelet ska fungera räcker det inte att roboten kan läsa av människors rörelser – människor behöver också förstå roboten. Därför har en del av projektet fokuserat på att utveckla kommunikationen mellan människa och robot. Genom att placera en ”låtsasförare” på lagerroboten – en liten robotdocka – kan roboten med gester och ord berätta vad den tänker göra.

– I vår forskning har vi kunnat se att enkla ljussignaler fungerar bra när en robot bara behöver varna eller signalera fel, medan mer människolika uttryck gör det lättare att förstå robotens intentioner i komplexa situationer, säger Martin Magnusson.

En annan utmaning för robotar i lagermiljöer är att plocka små objekt ur lådor som inte är anpassade för automation. Föremålen kan ligga tätt och variera mycket i form, vilket gör att ett enda gripdon inte räcker. En del av lösningen är en ny typ av robotarm som forskarna i projektet har utvecklat. Den gör det möjligt för roboten att inte bara plocka upp och flytta saker, utan också kasta små föremål – till exempel en påse skruvar – direkt till rätt plats.

– Att kunna kasta föremål gör att roboten kan arbeta på längre avstånd utan att behöva köra hela vägen fram, vilket gör arbetet mer effektivt, säger Martin Magnusson.

Effektivitet som röd tråd

Martin Magnusson berättar att effektivitet har varit ett ledord genom hela projektet – både när det gäller energiförbrukning och arbetssätt.

– Målet har varit att utveckla robotar som enkelt kan integreras i befintliga lager, utan att det krävs en helautomatiserad anläggning, säger Martin Magnusson.

Projektet har också lyfts fram som ett framgångsexempel och kommer att presenteras vid European Robotics Forum i Stavanger i mars.

– Projektets resultat har integrerats hos flera partner och vidareutvecklas nu inom ett större AI-projekt i München, med ambitionen att ta DARKO vidare i ett uppföljande projekt, säger Achim Lilienthal, professor vid Technische Universität München, gästprofessor vid Örebro universitet och en av projektets koordinatorer.