Unsere Lösungen und Entwicklungen

Autonomieschicht in Industriequalität

Innovative Produkte und Technologien für Investoren und Partner

1

Problem

Moderne humanoide Roboter und Serviceroboter verfügen zwar über fortschrittliche Mechanik und Wahrnehmungsfähigkeit, weisen aber für industrielle Anwendungen noch keine ausgereifte Autonomie auf. Wichtigste Einschränkungen:

  • Geringe Widerstandsfähigkeit gegenüber Grenzfällen
  • Schwache Fehlerbehandlungslogik
  • Mangelnde Orchestrierung in Produktionsqualität
  • Schwierigkeiten bei der Integration in die Unternehmensumgebung

Der Markt verlangt eine robuste Autonomieschicht, die in der Lage ist, bei wiederholbaren Aufgaben einen operativen Erfolg von über 95 % zu erzielen.

2

Lösung

Entwicklung eines universellen Autonomiekerns – einer Softwareschicht, die auf der Standard-Robotikinfrastruktur aufsetzt und Folgendes bietet:

  • Hierarchische Aufgabenplanung
  • Reaktives Verhalten in einer dynamischen Umgebung
  • Fehlermanagement und sichere Zustände
  • Kontextuelles Weltmodell
  • Integration mit Unternehmenssystemen

Das Produkt wird wie folgt positioniert:

  • Lizenziertes Modul für Roboterhersteller
  • Vertikale Lösungen für spezifische Branchen
  • Die Grundlage des Robotics-as-a-Service-Modells
3

Zielmärkte

Der Schwerpunkt liegt zunächst auf standardisierten Umgebungen mit hoher Wiederholbarkeit der Arbeitsabläufe:

Laborautomatisierung
Industrielle Fluidhandhabung
Lagermanipulationen
4

Implementierungsphasen (18–24 Monate)

Phase 1 (0–6 Monate) Architektonischer Kern Vollendet
  • Entworfene Architektur für geschichtete Autonomie.
  • Es wurde eine grundlegende Orchestrierungs-Engine entwickelt.
  • Die Integration in die Simulationsumgebung wurde abgeschlossen.
  • In einer kontrollierten Umgebung wurde ein stabiles Szenario demonstriert.
  • Das D'Elite VisionGuard Wahrnehmungsmodul wurde an realen Kameras getestet: stabiler Stereomodus, konsistente Entfernungsschätzung und ausfallsicheres Abschalten bei Videoausfall.

Ergebnis: Funktionaler Prototyp in der Simulation und hardwarevalidierte Zieldatenquelle für den autonomen Schaltkreis.

Phase 2 (6–12 Monate) Produktionshärtung Aktuell
  • Implementierung eines Fehlerbehandlungsmechanismus
  • Zuverlässigkeitskennzahlen und Überwachung
  • VisionGuard mit einem autonomen Schaltkreis verbinden: Zielkoordinaten und Sensorstatus übertragen
  • Integration mit einer realen Roboterplattform
  • Pilotszenario in einem industriellen Umfeld

Ergebnis: Alpha-Version für den Pilotkunden.

Phase 3 (12–18 Monate) Kommerzielle Validierung Planen
  • Optimierung der Stabilität
  • API zur Integration mit ERP/MES
  • Vorbereitung eines Lizenzierungsmodells

Ergebnis: Umsatzgenerierendes Pilotprojekt.

Phase 4 (18–24 Monate) Skalierung Planen
  • Unterstützung für die Orchestrierung mehrerer Roboter
  • Cloud-Überwachung und Telemetrie
  • Übergang zum SaaS/RaaS-Modell

Ergebnis: Ein kommerzielles Produkt mit reproduzierbarer Wirtschaftlichkeit pro Einheit.

5

Wettbewerbsvorteil

  • Fokus auf Laufzeitzuverlässigkeit, nicht auf Demo-Szenarien.
  • Unabhängigkeit von einem bestimmten Roboterhersteller
  • Modulare Architektur, branchenübergreifend skalierbar
  • Möglichkeit der Lizenzierung für Gerätehersteller
6

Potenzial

Ziel des Projekts ist die Schaffung einer grundlegenden Autonomieschicht, die in den nächsten 5–10 Jahren zu einem obligatorischen Bestandteil industrieller Anwendungen von humanoiden Robotern und Servicerobotern werden soll.

Bühne

Phase 1 ist abgeschlossen – die Produktionshärtung läuft.

Phase 2

Phase 1 ist abgeschlossen. Die Kernsoftware ist fertiggestellt und voll funktionsfähig – von der Skriptausführung bis zum eindeutigen Ergebnis. Das System erkennt häufige Fehler und setzt die Ausführung korrekt fort oder stoppt sie. Das Befehlsaustauschprotokoll zwischen den Modulen ist festgelegt, und eine reproduzierbare Demo in einer Simulation ist verfügbar. Tests von D'Elite VisionGuard mit realen Kameras haben gezeigt, dass das Bildverarbeitungsmodul das Ziel bereits erkennt, die Entfernung schätzt und diese Daten überträgt. Die Systemwahrnehmung im autonomen Zyklus wurde somit nicht nur in der Simulation, sondern auch auf Hardware bestätigt. Phase 2 läuft derzeit: Fehlerbehandlung, Zuverlässigkeitskennzahlen, Anbindung von VisionGuard an den autonomen Kern und die Migration auf eine reale Roboterplattform.