(Quelle:  IITK-TCS)

Die Finalisten der Amazon Picking Challenge im Porträt: IITK-TCS, Indian Institute of Technology Kanpur & Tata Consultancy Services, Indien

,

Wir stellen die Finalistenteams der Amazon Picking Challenge vor: Swagat Kumar ist Teammitglied von IITK-TCS. Der Name der Forschungsgruppe steht für die Partnerschaft zwischen dem Indian Institute of Technology Kanpur (IITK) und Tata Consultancy Services (TCS). IITK ist eine der hochkarätigsten Institutionen Indiens, TCS zählt zu den größten weltweiten Anbietern von IT-Services, Beratungsleistungen und Geschäftslösungen. Hier verrät das Team mehr zu den Vorbereitungen für die Amazon Picking Challenge.

Unser Team umfasst 15 Mitglieder, bestehend aus sieben IIT-Kanpur- und acht TCS-Mitarbeitern. Sie kommen aus den Bereichen Maschinenbau, Elektrotechnik und Informatik. Unser Teamleiter ist Prof. Laxmidhar Behera. Er ist Professor in der Abteilung für Elektrotechnik des IIT Kanpur und hat mehr als 20 Jahre Erfahrung auf dem Gebiet der Robotics-Forschung.

apc_Team IITK-TCS

(Quelle: Team IITK-TCS)

Wir nehmen das erste Mal an einem internationalen Wettbewerb teil, aber wir haben vor, in Zukunft öfter an solchen Veranstaltungen teilzunehmen. Die Aufgabenstellung der Amazon Picking Challenge klang für uns nach einer interessanten Herausforderung, die in vielen Industrien Anwendung findet. Unser Austausch mit dem Team des MIT (Anm.: Massachusetts Institute of Technology) hat uns motiviert, an der Amazon Picking Challenge teilzunehmen.

Die größte Herausforderung für die Systeme  sehen wir innerhalb der Picking Challenge im Bereich der visuellen Wahrnehmung.

Es ist schon ein Problem, Objekte unter schwierigen Voraussetzungen zu identifizieren, beispielsweise unter variierenden Lichtverhältnissen, Schattenbildung oder Positionsveränderung. Auch das Greifen ist eine Herausforderung, wenn man bedenkt, dass ein breites Spektrum an unterschiedlichen Objekten existiert, die nicht einfach mit Hilfe eines Sauggreifers erfasst werden können. Selbst wenn man den Kontakt zum Objekt herstellt, bleibt es eine sehr große Herausforderung.

Ein Highlight für uns wird der Einsatz eines neuen Greifarms sein, an dem wir arbeiten. Er kombiniert das Ansaugen mit einer Zwei-Finger-Bewegung. Wir hoffen, dass wir damit viele Punkte sammeln können. Und wir arbeiten an einem Deep-Learning-Objekterkennungssystem, das uns dabei helfen wird, Objekte unter allen möglichen Bedingungen zu erkennen. Abgesehen davon freuen wir uns schon sehr auf die anderen Teams und den Erfahrungsaustausch.