Intelligenter IoT-basierter Roboter zur Navigation im Büro und zur Bewässerung von Pflanzen

Die Robotikabteilung von Innowise hat einen eigenen intelligenten Roboter entwickelt, der ohne menschliches Zutun durch Bürogebäude und Wasseranlagen navigiert.

Echte Bürorouten um Menschen und Möbel

Bewässerung in mehreren Höhen für Schreibtische, Regale und Gestelle

Smart robotics system combining mobility and precision watering for automated facility care

Branche IT, Entwicklung kundenspezifischer Software

Angestellte 3,500+

Region EU

Leistungen Software-Entwicklung, Back-End-Entwicklung, Front-End-Entwicklung, Discovery

Kundenübersicht

Artikel mit KI zusammenfassen

Innowise ist ein globaler Komplettanbieter für Softwareentwicklung mit über 3.500 IT-Spezialisten an Bord. Das Unternehmen hat mehr als 1.600 Projekte für Kunden aus 70 Ländern durchgeführt, die Software-Engineering, Produktentwicklung und Technologieberatung in verschiedenen Branchen umfassen. In diesem Fall fungierte Innowise sowohl als Kunde als auch als Entwicklungsteam, da das Projekt als interne F&E-Initiative angelegt war.

Herausforderung

Innowise verwendete eine Mischung aus HubSpot CRM, Jira, Tabellenkalkulationen und Dokumenten zur Datenverwaltung. Da das Unternehmen schnell wuchs, führte dieser Ansatz zu chaotischen Prozessen, bei denen Informationen über verschiedene Systeme verstreut und oft doppelt vorhanden waren. Wir brauchten eine einheitliche Lösung, um Daten zu zentralisieren, Prozesse zu standardisieren und einen sicheren Zugriff für alle Teams zu ermöglichen.

Routinemäßige Pflanzenpflege. Büropflanzen mussten regelmäßig gegossen werden, aber die manuelle Pflege hing davon ab, dass die Menschen sich an die Aufgabe erinnerten und die Pflanzen erreichten, die auf den Schreibtischen, in den Regalen, in den Regalen und in anderen Bürobereichen standen.
F&E-Validierung. Als internes Projekt musste IRIS ein reales Büroproblem lösen und gleichzeitig dem Robotik-Team eine praktische Möglichkeit bieten, autonome Navigation, Pflanzenerkennung und IoT-basierte Steuerung in einer realen Innenumgebung zu testen.
Demo-Wert. Das Projekt sollte auch als Demonstration der Robotik-Kompetenz von Innowise dienen. Anstatt über Robotik zu sprechen, wollte das Team einen funktionierenden Roboter bauen, der zeigen sollte, wie IoT, eingebettete Systeme, Computer Vision und Hardwaretechnik eine routinemäßige Büroaufgabe ohne menschliches Zutun erledigen können.

Innenraum-Navigation. Der Roboter musste sich durch Büroräume bewegen, eine Karte des Raums erstellen, Möbeln ausweichen und auf bewegliche Hindernisse wie Mitarbeiter reagieren.
Erkennung von Pflanzen. Das System sollte Pflanzen erkennen, ihre Position schätzen und entscheiden, ob sie bewässert werden müssen, indem es Computer Vision, LiDAR, Kameras und QR-Code-basierte Pflanzenaufzeichnungen verwendet.
Bewässerung in unterschiedlichen Höhen. Die Pflanzen wurden auf Schreibtischen, Regalen und hohen Bücherregalen platziert, so dass der Roboter einen Hebe- und Bewässerungsmechanismus benötigte, der verschiedene Ebenen erreichen konnte, ohne dass das gesamte Gerät zu hoch oder instabil wurde.
Integration von Hardware und Software. Das Team musste die bewegliche Plattform, den Tank, die Batterie, den Aufzug, die Sensoren, die eingebetteten Komponenten, das Backend, das Frontend und die Cloud-Dienste zu einem einzigen funktionierenden Robotersystem kombinieren.

Gelieferte Lösung

Analyse & Planung

Das Team begann damit, zu definieren, was der Roboter in einer Büroumgebung zu tun hatte. IRIS (Innowise Robotics Irrigation System) musste sich durch die Räume bewegen, Pflanzen erkennen, wissen, ob sie bewässert werden müssen, sie in verschiedenen Höhen erreichen und die Aufgabe ohne ständige menschliche Eingriffe erledigen.

In der Planungsphase legte das Team die wichtigsten technischen Blöcke fest: Innenraumnavigation, Pflanzenerkennung, QR-Code-basierte Pflanzenaufzeichnungen, die bewegliche Plattform, den Wassertank, den Aufzugsmechanismus und die Softwarekomponenten, die zur Verarbeitung von Routen, Sensordaten und Bewässerungshistorie benötigt werden.

Lösungsdesign

Unsere geprüften Robotikentwickler entwarfen IRIS als autonomen IoT-Roboter, der Hardware, eingebettete Komponenten, Computer Vision und Software kombiniert. Der Hardwareteil umfasste eine bewegliche Plattform, eine Batterie, einen Wassertank, einen Aufzugsmechanismus, Sensoren, Kameras und einen Bewässerungsstab.

Zur Navigation nutzt der Roboter SLAM, ROS, LiDAR und Computer Vision, um Büroräume abzubilden und Routen um Möbel, Mitarbeiter und andere Hindernisse herum zu erstellen. Zur Pflanzenerkennung kombiniert das System Kameraeingaben, Objekterkennungsmodelle, QR-Codes und Bewässerungsprotokolle, sodass der Roboter jede Pflanze identifizieren und prüfen kann, ob eine Bewässerung erforderlich ist.

Gelieferte Schlüsselfunktionalität

Kartierung und Navigation im Büro

Unsere Robotikexperten begannen mit der Kartierung der Büroräume, um ein detailliertes IoT-Anlagenüberwachungssystem zu erstellen, das Anlagenstandorte, Hindernisse, Möbel und andere Objekte identifiziert, die die Bewegung des Roboters beeinträchtigen könnten. Wir setzten die SLAM-Technologie ein, um eine vorhersehbare Routenführung durch die Büroräume zu unterstützen. SLAM bestimmt den Standort des Roboters, während eine Umgebungskarte mithilfe von Computer-Vision-Algorithmen, LiDAR-Laserscannern und anderen Sensorwerkzeugen erstellt wird.

Wir haben LiDAR verwendet, das mit dem direkt am Roboter angebrachten Raspberry Pi-Mikrocomputer verbunden ist, um Hindernisse zu erkennen und Pflanzen zu identifizieren. ROS, das Robotic Operating System, und der Hauptrechner nutzen diese visuellen Informationen, um Navigationsdaten zu verarbeiten, Routen zu berechnen und die Umgebung des Büros abzubilden.

In dieser Phase musste unser Team bei der Erkennung von einfachen Objekten wie Tischen, Regalen, Stühlen und anderen Einrichtungsgegenständen, die dem Roboter die Sicht versperren oder falsch identifiziert werden könnten, mit eingeschränkter Sicht zurechtkommen. Der Roboter musste auch mit dynamischen Hindernissen in einer Büroumgebung umgehen, in der Mitarbeiter und sich bewegende Objekte plötzlich ihre Position und Richtung ändern können. Um das Risiko von Kollisionen zu verringern, setzte unser Team Algorithmen der Computer Vision und des maschinellen Lernens ein, darunter Bildsegmentierung, Objekterkennung, Rauschfilterung und andere Methoden. Außerdem haben wir den Roboter mit Bewegungsplanungsalgorithmen wie Rapidly-exploring Random Trees (RRT) und A* (A-star) ausgestattet, die die Position und Form von Hindernissen bei der Ermittlung des besten Pfads in Echtzeit berücksichtigen.

Pflanzenerkennung und Bewässerungslogik

Ursprünglich wollten wir Stereokameras verwenden, um den Standort der Pflanzen zu bestimmen, ihre Position zu berechnen und eine Route zu erstellen. Nach Brainstorming-Sitzungen entwickelten wir ein alternatives System, bei dem der Roboter ein Bild aufnahm und dessen Koordinaten im Raum aufzeichnete. Die Robotik-Ingenieure nutzten ein neuronales Netz, um die Pflanze im Bild zu finden, ihr Begrenzungsfeld zu berechnen und die Richtung der Blume zu bestimmen.

In Bildverarbeitungsprojekten dienen Begrenzungsrahmen als Referenzpunkte für die Objekterkennung und erstellen Kollisionsrahmen für erkannte Objekte. Ausgehend von den Koordinaten des Roboters, der Ausrichtung der Kamera und der Position der Blume haben wir einen Strahl gezeichnet, der die Position des Roboters mit der Pflanze verbindet. Nachdem wir diesen Vorgang viele Male wiederholt hatten, erhielten wir mehrere Strahlen, die sich in einem Punkt kreuzten, so dass der Roboter die Pflanze, die gegossen werden musste, erkennen konnte.

Unsere Ingenieure stützten sich auf Modelle, die auf COCO- und ImageNet-Datensätzen trainiert wurden, um Blumen in Töpfen zu erkennen. Auf der Grundlage dieses Modells haben wir unnötige Klassen herausgefiltert und einen benutzerdefinierten Detektor entwickelt, der die Richtung der Bounding Box mit den Koordinaten des Roboters synchronisiert. Um die genauen räumlichen Koordinaten des Gießstabs zu bestimmen, haben wir ein Bündel von Kameras und LiDAR verwendet.

Sobald der Roboter eine Pflanze erkennt, identifiziert er ihre genaue Position im Raum und bestimmt, ob sie bewässert werden sollte. Zu diesem Zweck haben wir alle Töpfe im Büro mit QR-Codes versehen, die mit Datenbanken verbunden sind, in denen die Bewässerungshistorie aller Pflanzen gespeichert ist.

Bewegliche Plattform

Bei der Hardware entschied sich das Roboterteam für ein modulares System, das eine bewegliche Plattform mit Elektronik, einen Wasserspeichertank, eine Batterie und ein zweistufiges Aufzugssystem umfasst. Für den Zusammenbau des Roboterrahmens haben wir ein V-Nut-Aluminiumprofil verwendet, weil es haltbar und leicht ist, was eine bessere Manövrierfähigkeit und einen geringeren Energieverbrauch ermöglicht.

Anstelle von Standard-Differentialantrieben haben wir Omniräder an den Ecken des Roboters angebracht, um eine reibungslose Navigation zu ermöglichen. Omni-Räder oder omnidirektionale Räder haben kleine Rollen am Umfang, die sich um ihre eigene Achse oder senkrecht dazu drehen können. So bewegt sich der Roboter in jede Richtung, ohne die Hauptstruktur zu drehen, und nutzt nur den Geschwindigkeitsunterschied zwischen den einzelnen Rädern.

Aufzug und Bewässerungsanlage

Die Blumen stehen auf den Schreibtischen der Mitarbeiter, in Regalen, Regalen, hohen Bücherregalen und an anderen schwer zugänglichen Stellen. Um den Bau eines bücherregalhohen Roboters zu vermeiden, bauten unsere Experten einen Hebemechanismus auf der Basis von Gleitrollen. Mit OpenBuilds V-Slot-Profilteilen haben wir die Aufzugsstufen mit Schlitten und Rollen, die entlang des Hebemechanismus gleiten, starr aneinander befestigt. Die Schlitten werden durch einen Riemen bewegt, der zwischen einem Motor und einer auf der anderen Seite montierten Spanneinheit gespannt ist.

Oben auf der letzten Stufe des Aufzugs haben wir einen Servomotor installiert, der einen Kohlefaserstab zur Bewässerung der Blumen ausfährt. Der Stab ist mit einer peristaltischen Pumpe verbunden, die im Wassertank installiert ist. Herkömmliche Kreiselpumpen reagieren empfindlich auf die Flüssigkeitsmenge, daher haben wir peristaltische Pumpen verwendet, die einen elastischen Schlauch durch Rollen am Umfang drücken und die Flüssigkeit herauspressen. Im Vergleich zu Standardpumpen haben diese Mechanismen eine viel langsamere Pumpgeschwindigkeit, aber sie können die Flüssigkeit auf eine viel größere Höhe heben.

Ansatz für die Lieferung

Wir haben IRIS als Forschungs- und Entwicklungsprojekt behandelt und den Roboter von Anfang an unter realen Bürobedingungen getestet. Robotik-Ingenieure, Firmware-Entwickler, Backend- und Frontend-Spezialisten, ML-Experten und DevOps-Ingenieure arbeiteten eng zusammen, tauschten sich häufig über Fortschritte aus und legten die nächsten Schritte auf der Grundlage der Testergebnisse fest. Regelmäßige Besprechungen, Brainstorming-Sitzungen und Retrospektiven sorgten für Ordnung in der Arbeit. Das Team besprach Blockaden, passte Prioritäten an und behob Designprobleme, bevor der Roboter für Demos vorbereitet wurde.

Meine wichtigste Erkenntnis aus IRIS ist, dass Bürorobotik von kleinen technischen Entscheidungen abhängt. Ein Roboter kann eine gute Route auf der Karte haben, aber der wirkliche Test beginnt, wenn er sich in der Nähe von Schreibtischen, Regalen, Menschen und Pflanzen in unterschiedlichen Höhen bewegt. Dieses Projekt hat uns dazu gebracht, Verhalten, Mechanik, Sensoren und Software als ein System zu betrachten, denn ein schwaches Glied verändert das gesamte Ergebnis.

Eugene Govor Leiter der Abteilung Embedded & C++

Technologien

Backend

Python, Django REST Framework, FastAPI, AWS IoT Core, pandas, Loki, Prometheus, Grafana, API Gateway, AWS;

Frontend

JavaScript, TypeScript, React, Redux, Leaflet, Webpack, Axios, Material UI, Cube.js, AWS CloudFront;

Embedded

AVR, Raspberry Pi, SPI, UART, USB, I2C, HTTP, SolidWorks, ROS, SLAM, LiDAR, Altium Designer;

ML/DS

OpenCV, TensorFlow, TFLite, ONNX, NumPy;

DevOps

Terraform, Weave, Docker Compose, Kubernetes, Bitbucket Pipelines;

Datenbank

PostgreSQL, AWS Timestream.

Team

Projektmanager

Business-Analyst

Software-Architekt

Teamleiter

Hardware-Ingenieure

Firmware-Entwickler

Backend-
Entwickler

Front-End-Entwickler

DevOps-Ingenieur

ML/DS-Ingenieur

3D-Modellierer

Design-Ingenieur

Ergebnisse

Projektdauer

Februar 2023 - Juli 2023

Innowise baute IRIS, einen autonomen IoT-Roboter, der durch Büroräume navigieren, Pflanzen erkennen, sie in verschiedenen Höhen erreichen und sie ohne manuelle Arbeit gießen kann. Das Team brachte Hardware, eingebettete Komponenten, Computer Vision, Navigationslogik und Software in einem funktionierenden Prototyp zusammen, der unter realen Bürobedingungen getestet wurde.

Durch den Roboter wurde die Pflanzenpflege im Büro regelmäßiger und der Bedarf an manueller Bewässerung verringert. Für Innowise wurde das Projekt auch zu einer praktischen Demonstration von Robotik-Know-how. Er zeigte, wie ein physischer Roboter eine Routineaufgabe im Büro mithilfe von Navigation, Pflanzenerkennung und einem integrierten Bewässerungsmechanismus bewältigen kann.

Inhaltsübersicht

Automatisieren Sie Routineaufgaben

Fallstudien

Kontakt aufnehmen

Anruf vereinbaren oder füllen Sie das Formular aus. Wir kontaktieren Sie, sobald wir Ihre Anfrage bearbeitet haben.

Name

Unternehmen

E-Mail

Telefon

Nachricht

Sprachnachricht senden

Datei beifügen

Datei hochladen

Sie können 1 Datei mit bis zu 2 MB anhängen. Gültige Dateiformate: pdf, jpg, jpeg, png.

Mit dem Klicken auf Senden erklären Sie sich damit einverstanden, dass Innowise Ihre personenbezogenen Daten gemäß unserer Datenschutzerklärung verarbeitet, um Ihnen relevante Informationen bereitzustellen. Mit Angabe Ihrer Telefonnummer stimmen Sie zu, dass wir Sie per Sprachanruf, SMS oder Messaging-Apps kontaktieren. Es können Gebühren für Anrufe, Nachrichten und Datenübertragung anfallen.

Sie können uns auch kontaktieren
bis hin zu contact@innowise.com

Wie geht es weiter?

Sobald wir Ihre Anfrage erhalten und geprüft haben, melden wir uns bei Ihnen, klären erste Fragen und unterzeichnen bei Bedarf ein NDA, um die Vertraulichkeit zu gewährleisten.

Nach genauer Prüfung Ihrer Anforderungen, Bedürfnisse und Erwartungen wird unser Team einen Projektvorschlag mit Angaben zu Arbeitsumfang, Teamgröße, Zeitaufwand und Kosten erstellen.

Wir vereinbaren einen Termin, um das Angebot gemeinsam zu besprechen und alle Details festzulegen.

Abschließend unterzeichnen wir den Vertrag und starten umgehend mit der Umsetzung Ihres Projekts.