Mélységkép-alapú objektumfelismerés és fogási pont becslés

2026-2027 ősz

Hardver (és szoftver firmware)

Téma leírása

A humanoid robotok egyik legfontosabb képessége a környezetükben található tárgyak megbízható felismerése és manipulálása. Az ipari robotikai alkalmazásokban kiemelt jelentőségű, hogy a robot ne csak azonosítani tudja az objektumokat, hanem képes legyen azok biztonságos és hatékony megfogására is. A kutatás és fejlesztés célja egy olyan mélységkamera-alapú gépi látórendszer megvalósítása egy humanoid robotplatformon, amely képes ipari környezetben lévő alkatrészek robusztus felismerésére és a stabil manipulációhoz szükséges fogási pozíciók pontos becslésére.

A tk accelis Materials Hungary Zrt. kiemelt figyelmet fordít a magas színvonalú szolgáltatásra és a vevői problémák megoldására. Ennek mentén új stratégiai fókuszterületként a humanoid robotok ipari alkalmazásának fejlesztését és bevezetését tűzte ki célul.

A korszerű ipari manipulációs feladatok során a robotoknak nem strukturált vagy részben rendezett környezetben kell biztonságosan és precízen megragadniuk a különféle munkadarabokat. A mélységképek (RGB-D és 3D pontfelhők) feldolgozása és a gépi tanulási modellek integrációja kulcsfontosságú az adaptív és dinamikus manipulációs stratégiák megteremtéséhez.

A hallgató feladata a humanoid robot beépített mélységérzékelőire és fejlett manipulátorkarira épülő, valós idejű objektumdetektáló és grasp planning pipeline kidolgozása. A feladat nem triviális része az ipari fémes vagy műanyag munkadarabok felületéről érkező zajos mélységadatok és pontfelhők szűrése, a részleges takarások (occlusion) kezelése, valamint az optimális fogási pontok és orientációk (grasp poses) becslése a robot kétkezes dexterous gripper adottságaihoz igazítva. A hallgatónak integrálnia kell a látórendszert a robot mozgástervező moduljával, megakadályozva a karok önütközését és a környezeti akadályok érintését a megközelítési fázisban. A munka során vizsgálni kell a különböző neurális hálós architektúrák (pl. GraspNet vagy pontfelhő-alapú modellek) futási idejét és megbízhatóságát a robot fedélzeti számítási kapacitásán. Az elvárt eredmény egy funkcionális, mélységkép-alapú fogástervező szoftvermodul és annak kísérleti validációja valós ipari szerelési komponensek manipulálásakor a humanoid roboton.

Szükséges előismeretek:

  • Python és C++ programozási ismeretek;
  • alapvető gépi tanulási és számítógépes látási ismeretek;
  • érdeklődés a robotika és a mesterséges intelligencia iránt.

Előnyt jelent:

  • ROS vagy ROS2 ismerete;
  • mélytanulási keretrendszerek használatában szerzett tapasztalat;
  • 3D pontfelhő-feldolgozási ismeretek.

Ez a külső téma a tk accelis csapatával valósul meg.


Külső partner: tk accelis

Maximális létszám: 1 fő