Pick-and-Place
- Auch genannt: pick and place, pick-place
- Kategorie: Planning & manipulation › Manipulation
- Schlagwörter: manipulation, grasping, industrial-automation, benchmark-task, robot-learning
Die Manipulationsaufgabe, ein Objekt an einem Ort zu greifen und an einer vorgegebenen Zielpose loszulassen; die Grundoperation der Industrieautomatisierung und ein Standard-Benchmark des Roboterlernens.
Definition
Pick-and-Place ist die Aufgabe, ein Objekt von dort, wo es ist, dorthin zu bringen, wo es sein soll: Der Roboter nähert sich dem Objekt, greift es, hebt und transportiert es und lässt es an einer Zielposition und -orientierung los. Es ist die häufigste Aufgabe, die Industrierobotern übertragen wird, von SCARA- und Delta-Robotern, die Teile auf Förderlinien bewegen, bis zu spezialisierten Maschinen, die elektronische Bauteile auf Leiterplatten bestücken, und es ist auch die häufigste Aufgabenfamilie in Datensätzen und Benchmarks des Roboterlernens.
Ein vollständiges Pick-and-Place-System verkettet mehrere Probleme. Die Wahrnehmung lokalisiert das Objekt und schätzt bei Bedarf seine Pose. Die Griffplanung wählt, wo und wie es gehalten wird, ob mit einem antipodalen Parallelbackengriff, einem Saugnapf oder einer mehrfingrigen Hand. Die Bewegungsplanung erzeugt kollisionsfreie Bewegungen zum Annähern, Anheben, Transportieren und Zurückziehen, meist mit geradlinigen Abschnitten nahe dem Objekt. Beim Ablegen muss eine Pose gefunden werden, in der das Objekt stabil liegt, nicht mit seiner Umgebung kollidiert und die Aufgabe erfüllt, zum Beispiel aufrecht, in eine Vorrichtung eingesetzt oder gestapelt. In strukturierten Fabriken beseitigen Vorrichtungen und bekannte Teilegeometrie den größten Teil der Unsicherheit, sodass sich die Aufgabe auf geteachte Positionen reduziert, die mit hoher Geschwindigkeit ausgeführt werden. In unstrukturierten Umgebungen wie dem Bin-Picking im Lager oder dem Aufräumen im Haushalt sind die schwierigen Teile Unordnung, unbekannte Objekte, transparente oder verformbare Gegenstände und Verdeckung.
In der Lernforschung werden Pick-and-Place-Episoden oft sprachlich vorgegeben, etwa ein Objekt in einen benannten Behälter zu legen, und dienen dazu, die Generalisierung auf neue Objekte, Szenen und Anweisungen zu testen. Ein erfolgreicher Griff ist nicht dasselbe wie eine erfolgreiche Aufgabe: Das Objekt muss so gehalten werden, dass das Ablegen möglich ist, weshalb die Wahl des Griffs oft von der Ablagepose abhängig gemacht wird.
Warum es wichtig ist
Die meiste praktische Manipulation läuft darauf hinaus, Dinge aufzunehmen und irgendwo abzulegen. Die gesamte Kette aus Wahrnehmung, Greifen, Bewegungsplanung und Ablegen zu verstehen, und wo jedes Glied versagt, ist Grundwissen für alle, die ein Manipulationssystem bauen oder bewerten.
Wichtige Anwendungen
- Maschinenbeschickung und Teiletransfer in Produktionslinien
- Elektronikmontage mit Bestückung von SMD-Bauteilen
- Kommissionierung und Bin-Picking im Lager
- Verpackung und Palettierung
- Sprachkonditionierte Manipulationsbenchmarks für Vision-Language-Action-Modelle
- Aufräumen im Haushalt und unterstützendes Holen und Bringen
In der Praxis
In einer Logistikzelle hängt ein sechsachsiger Arm mit Sauggreifer über einer Kiste mit gemischten Artikeln. Eine Tiefenkamera nimmt die Kiste auf, ein Modell schlägt Saugpunkte auf flachen, freiliegenden Flächen vor, und jeder Kandidat wird nach Dichtqualität und Kollisionsrisiko mit den Kistenwänden bewertet. Der Arm nähert sich entlang der Flächennormalen, prüft den Vakuumdruck, um die Abdichtung zu bestätigen, hebt senkrecht an, um benachbarte Artikel zu umgehen, und bewegt sich zu einem Versandkarton. Die Ablagepose wird aus dem freien Raum im Karton berechnet, sodass der Artikel nur eine kurze Strecke fällt. Fehlgeschlagene Picks, erkannt am Verlust des Vakuums, werden mit dem Tiefenbild protokolliert, damit das Greifmodell an seinen Fehlern nachtrainiert werden kann.
Häufige Missverständnisse
- Pick-and-Place ist ein gelöstes Problem — mit fixierten, bekannten Teilen ist es Routine, aber Unordnung sowie unbekannte, transparente und verformbare Objekte halten es zu einem aktiven Forschungsgebiet
- Das Ablegen ist die leichte Hälfte — das Ablegen braucht eine stabile, kollisionsfreie Pose, die die Aufgabe erfüllt, und manche Griffe machen das erforderliche Ablegen unmöglich
- Ein erfolgreicher Griff bedeutet eine erfolgreiche Aufgabe — Objekte können rutschen, sich im Greifer drehen oder so gehalten werden, dass das beabsichtigte Ablegen blockiert ist
- Hohe Erfolgsraten in einem Benchmark bedeuten Praxistauglichkeit — Benchmark-Szenen und Objektmengen sind eng, daher lassen sich Ergebnisse oft nicht auf neue Objekte oder Beleuchtung übertragen
Wer das wissen sollte
- Integratoren für Industrieautomatisierung und Roboterzellen
- Ingenieure für Manipulation und Griffplanung
- Forscher im Roboterlernen, die Policies bewerten
- Maker, die ihre ersten Arm-Projekte bauen
Verwandte Technologien
- Vakuum- und Sauggreifer
- Parallelbackengreifer
- MoveIt
- Delta- und SCARA-Roboter
- Objektposenschätzung
Verwandte Begriffe
Verwandte Projekte
- LeRobot: HuggingFace ML library for real-world robotics in PyTorch
- OpenPI: Physical Intelligence VLA foundation models for general robot control
- Isaac Lab: NVIDIA robot learning framework: one task API across Newton, PhysX and Isaac Sim
- NVIDIA Isaac GR00T: NVIDIA open foundation model for humanoid robot reasoning and skills
- OpenVLA: 7B-parameter Vision-Language-Action model for robotic manipulation
- Drake: MIT robotics toolbox for model-based dynamics, optimization, and control system design