VLMs für das Bin-Picking von Kabelbäumen

Institut

Institut für Werkzeugmaschinen und Betriebswissenschaften (TUM-ED)

Typ

Semesterarbeit / Masterarbeit /

Inhalt

experimentell /  

Beschreibung

Ausgangssituation 

Die Automatisierung der Leitungsmontage stellt durch deren Deformierbarkeit nach wie vor eine ungelöste Herausforderung in der industriellen Produktion dar. Neue Technologien wie computergestützte Bildverarbeitung auf Basis von Deep Learning sowie taktile Sensorsysteme bieten vielversprechende Lösungsansätze für eine roboterbasierte Automatisierung. Diese Technologien werden am iwb im Rahmen des anwendungsorientierten Forschungsprojekts RoLei erforscht. Da Kabelbäume in Kisten („Bins“) bereitgestellt werden, stellt sich die Frage, wie diese gezielt entnommen werden können, um sie anschließend roboterbasiert zu montieren.

Ziel der Arbeit

Ziel dieser Studienarbeit ist die Entwicklung und Validierung einer Pipeline, die mithilfe von Vision Language Models (VLMs) einen ungeordnet in einer Kiste liegenden Kabelbaum erkennt und dessen Lage für eine gezielte Entnahme bestimmt. Eine besondere Herausforderung ist dabei die zuverlässige Erkennung von Verhakungen und Verdeckungen zwischen den Kabelbäumen.

Voraussetzungen

Anforderungsprofil

• Vorerfahrungen mit Computer Vision

• Programmierkenntnisse

• Interesse an Robotik

• Strukturierte und selbstständige Arbeitsweise 

Möglicher Beginn

sofort

Kontakt

Florian Pachler
Raum: 1331
florian.pachleriwb.tum.de

Ausschreibung