Für eine Pick&Place-Anwendung auf einem Delta-Roboter reichen so z.B.wenige Codezeilen. Ähnlich einfach ist die Integration von Kamerasystemen in der Nicht-Echtzeit.
Neben diesen vereinfachten Beispielen bietet MotionA selbstverständlich weitere Features:
- Automatische Verfolgung beweglicher Objekte (z.B. auf Förderbändern)
- Perfekte Synchronisation von multiplen Kinematiken (z.B. mehrere Roboter, die in einer Kette arbeiten)
- Synchronisation von I/Os
Digitaler Zwilling und Visualisierung: MotionA ermöglicht das Arbeiten ohne physische Hardware, ohne dass sich die Abläufe oder Funktionen ändern für die meisten Pick&Place-Anwendungen ist eine Nicht-Echtzeit-Ansteuerung mit internem Puffer vollkommen ausreichend. Sollte jedoch jede Millisekunde zählen, ist es selbstverständlich auch möglich, MotionA aus einer Echtzeit-Umgebung anzusteuern.
Wie es sich mit KI verhält
Natürlich stellt sich die Frage, wie künstliche Intelligenz (KI) hier unterstützen kann. Ein Prompt wie ‚Baue mir einen Roboter, der sich wie ein Mensch verhält‘ ist wenig zielführend. Ein realistischer Ansatz wäre: ‚Hier ist ein Video von Keksen auf einem Fließband, die von einer Kamera vom Typ XYZ erfasst werden. Die Geschwindigkeit des Förderbands liefert ein Encoder vom Typ ABC. Hole die Kekse so schnell wie möglich vom Fließband.‘
Basierend auf der MotionA-API ist die Generierung des entsprechenden Codes relativ einfach. Damit KI jedoch mehr als nur ein reiner Codegenerator ist, braucht es Feedbackschleifen. Die KI muss das Ergebnis bewerten können, um den Nutzer mit dem Feintuning oder Debugging nicht alleine zu lassen. Solche Feedbacksysteme werden derzeit in Zusammenarbeit mit Motor- und Automatisierungsplattform-Herstellern entwickelt.
Fazit
MotionA ist ein Motion Controller, der nicht an ein komplexes Hard- und Software-Ökosystem gebunden ist. Er setzt auch nicht voraus, dass der Nutzer ein Experte in Motion Control oder in der Programmierung von Echtzeitsystemen ist.
Der Ansatz, komplexe Bewegungen über High-Level-Sprachen aus der Nicht-Echtzeit zu steuern, ist ein Game Changer. Dieser profitiert schon jetzt stark von den Möglichkeiten der aktuellen LLMs (Large Language Models). Zukünftig wird diese Integration noch deutlich tiefer gehen, sodass über künstliche Intelligenz (KI) wesentlich komplexere Bewegungen möglich werden, ohne dass die Komplexität für den Nutzer steigt.
