In moderne productie- en logistieke processen vormt bin picking – het automatisch oppakken van willekeurig georiënteerde onderdelen uit bakken – een belangrijke stap richting flexibele automatisering. Dankzij snelle ontwikkelingen in 3D-vision, beeldverwerking en kunstmatige intelligentie kunnen robots tegenwoordig objecten herkennen, hun positie bepalen en deze nauwkeurig grijpen. Dit maakt het mogelijk om arbeidsintensieve, repetitieve taken te automatiseren en medewerkers te ontlasten.
Binnen het Tech For Future Robbin-project hebben Riwo, Viro, Voortman Steel Machinery en Saxion (lectoraat Smart Mechatronics and Robotics) gezamenlijk onderzocht hoe conventionele en AI-gebaseerde benaderingen kunnen bijdragen aan robuuste bin-pickingoplossingen. Er werd een modulaire demonstrator ontwikkeld waarmee verschillende sensoren (zoals Zivid 2+, Wenglor MLBS en Zed 2) en grijpers (vacuüm-, magneet- en tweevingergrijpers) konden worden getest.
De conventionele aanpak, gebaseerd op de open-sourcebibliotheek Open3D, leverde veelbelovende resultaten op: het systeem kon stalen platen met uiteenlopende vormen onderscheiden, grijpposities bepalen en objecten betrouwbaar oppakken. Daarnaast is een haalbaarheidsstudie uitgevoerd naar AI-frameworks voor objectherkenning en pose-schatting, waarbij FoundationPose van Nvidia de meest succesvolle resultaten toonde.
Het project heeft waardevolle inzichten opgeleverd in de toepasbaarheid van zowel traditionele als AI-methoden. De opgedane kennis vormt de basis voor verdere ontwikkeling van slimme, flexibele grijpoplossingen die bijdragen aan een volledig geautomatiseerde, toekomstbestendige maakindustrie.
