Zwei Wochen bis zur Startlinie

Schnelle Hilfe gebraucht; ein Team, das sofort mit der Arbeit beginnen konnte, da die Projektfrist extrem knapp bemessen war. Wir begannen mit der Arbeit nur sechs Monate vor der geplanten Markteinführung des Produkts. Im Rahmen unseres IT-Personalverstärkungsdienstes delegierten wir Kollegen, um die für den Erfolg des Projekts erforderlichen Ressourcen und Fachkenntnisse bereitzustellen.   

Wir betraten Neuland, konnten uns schnell einarbeiten und lernen und flexibel auf zusätzliche Anforderungen reagieren, die sich während des Projekts ergaben. 

Unsere Zusammenarbeit mit Universal Robots A/S geht auf ein Projekt zurück, das wir im vergangenen Jahr erfolgreich abgeschlossen haben. Zu Beginn des Projekts war es wichtig, schnell und effizient Ressourcen von einem entfernten Standort aus zu sichern, da die Kapazitäten des Kunden knapp waren.  

Unter den richtigen Voraussetzungen konnten wir schneller mit der Arbeit beginnen, als wenn der Kunde auf die Einstellung neuer oder interner Ressourcen gewartet hätte. So konnte das Projekt innerhalb von zwei Wochen in Betrieb genommen werden, was eine erhebliche Zeitersparnis bedeutete.  

Wichtig war auch die Flexibilität bei der Zuweisung der Ressourcen während des Auftrags, da sich die Anforderungen und Prioritäten ständig änderten. Als lokaler Partner eines globalen Unternehmens haben wir als Lösungsanbieter agiert, was den Erfolg des Projekts zusätzlich gesteigert hat.

Das Hauptziel bestand darin, die Roboterarme von Universal Robots A/S mit KI-Tools auszustatten, um sie so benutzerfreundlich wie möglich zu machen. Es war wichtig, dass Endbenutzer die Benutzeroberfläche des Roboters einfach bedienen können und dass Entwickler KI-Technologien nutzen können, um neue Programme für die Roboter zu erstellen.    

Bei der gemeinsamen Arbeit wurde KI eingesetzt, um die Kamera automatisch zu kalibrieren und verschiedene Objekte sowie deren Position und Ausrichtung zu erkennen. Ein Teil des Lernprozesses bestand darin, dass der Roboter erkannte, welches Objekt sich vor ihm befand, und gegebenenfalls eine entsprechende Reaktionsbewegung ausführte.

Neben der Entwicklung des Roboterbetriebssystems (ROS2) und des KI-Beschleunigers haben wir auch NVIDIAs ISAAC ROS mit KI-Modellen durch ROS-gestützte Objekterkennung (RT-DETR) und Echtzeitsegmentierung (SAM2) integriert.    

Um Daten effizient und benutzerfreundlich zu speichern, haben wir ein Datenbankschema (SQLite) entwickelt, das eine Erweiterung der bisherigen dateibasierten Speicherung darstellt. Außerdem wurden ROS-Knoten und -Dienste für die Kommunikation mit URCaps implementiert. 

Im Rahmen der ROS-Diagnose haben wir das URCap-Dashboard überarbeitet und ihm ein neues Aussehen und eine neue Benutzerfreundlichkeit verliehen. Im Calibration Studio haben wir die Wiederholung von Roboterbewegungen ermöglicht und neue Funktionen implementiert.   

In der URCap Part Pose Detection haben wir es den Benutzern ermöglicht, Bilder und Videos zu erstellen, sie mit Anmerkungen zu versehen, das Teach-in aus der generierten Coco-Datei zu starten und das trainierte Modell zu testen. Das Dashboard URCap ermöglicht es den Nutzern, aktuelle Themen, Knoten und Funktionen einzusehen.   

Diese Innovationen trugen wesentlich zum Erfolg des Projekts bei, indem sie die Benutzererfahrung verbesserten und die Leistungsfähigkeit der KI nutzbar machten.  

Wir entwickelten einen neuen End-to-End-Testprozess, für den wir eine Dokumentvorlage in Jira erstellten, die in Zukunft verwendet werden sollte. Wir halfen dabei, einen robusteren und klareren Setup-Prozess zu definieren und die Setup-Dokumentation benutzerfreundlicher zu gestalten.    

Es war wichtig zu klären, welche Hardware für das AI-Kit benötigt wird und wir halfen dabei, neue Versionen von PolyScope mit dem AI-Kit zu testen. Während der Tests deckten wir potenzielle Fehler auf System-, Benutzer- und Hardwareebene auf und identifizierten kritische Netzwerkprobleme.    

Schließlich unterstützten wir unseren Betapartner SZTAKI bei der Installation des AI-Kits, um erfolgreiche Tests und Entwicklungen zu gewährleisten.

Unter den vielen anderen Aufgaben möchten wir die Implementierung der Zeitsynchronisation zwischen dem Roboter und dem NVIDIA Jetson Orin hervorheben, für die wir das NTP-Tool (chrony) verwendet haben. Außerdem haben wir das ROS-Diagnosesystem entwickelt, das eine Echtzeitdiagnose von Netzwerk- und Anwendungsproblemen zwischen dem Roboter und Orin ermöglicht.

Während des gesamten Projekts waren wir mit einer Reihe von Herausforderungen konfrontiert, wie z.B. dem Erwerb von Fachwissen, dem Fehlen einer Arbeitsumgebung und der Notwendigkeit, alles von Grund auf neu zu entwickeln, was viel Zeit und Ressourcen in Anspruch nahm. Die Zeitverschiebung führte zu weiteren Koordinationsproblemen zwischen den Teams (USA, Dänemark, Ungarn).  
Da es sich um ein F&E-Projekt handelte, wurden ständig neue Ideen entwickelt.  

Als Team hatten wir das Gefühl, dass wir auch als Einzelne große Fortschritte in unserer Entwicklungshaltung machten. Es handelte sich um ein internationales Projekt, bei dem es einen großen Zeitunterschied in der Zusammenarbeit mit anderen gab, was von uns als Einzelpersonen eine andere Einstellung erforderte.    

Wir waren in der Lage, effektiv in einem verteilten Team zu arbeiten, einschließlich der Verwaltung des Fernzugriffs, der Berechtigungen und der Einrichtung der Projektinfrastruktur. Wir haben auch gelernt, unter Druck effektiv zu arbeiten.    

Trotz der Zeitverschiebung konnten wir sehr gut mit den Teams zusammenarbeiten und die Zeiten wählen, zu denen wir am effektivsten zusammenarbeiten und Lösungen für die Probleme finden konnten, die wir skizziert hatten. Die Flexibilität aller Teammitglieder war ausgezeichnet.    

Während des gesamten Projekts arbeiteten alle gut zusammen und gaben sich gegenseitig echtes Feedback, was nicht nur den Lernprozess erleichterte, sondern auch die Ergebnisse verbesserte. Diese gegenseitige Unterstützung und Zusammenarbeit schuf eine positive Atmosphäre und trug zum erfolgreichen Abschluss des Projekts bei.

Wir haben auch die Möglichkeiten für zukünftige gemeinsame Projekte diskutiert, mit dem Ziel, in Zukunft Low-Code und No-Code Anwendungsfälle mit Universal Robots zu erforschen und zu implementieren.