Humanoide Roboter meistern Ford-Test in Köln mit Rekordpräzision
Humanoid: Britisches Robotik- und KI-Unternehmen erfolgreich mit Test in Köln
Das in Großbritannien ansässige Robotik- und KI-Unternehmen Humanoid hat einen Proof of Concept (PoC) im Innovationszentrum von Ford in Köln erfolgreich abgeschlossen. Die Erprobung zeigte, dass humanoide Roboter reale industrielle Aufgaben mit hoher Zuverlässigkeit und Effizienz bewältigen können.
Das Projekt verlief in zwei Phasen: Zunächst entwickelte Humanoid die Arbeitsabläufe im eigenen Labor, bevor das Team den Roboter vor Ort im Kölner Werk testete.
Cashback bei deinen
Lieblingsrestaurants und Services
Kaufe Gutscheine und spare in deinen Lieblingsorten in deiner Nähe
Der rollende Alpha-HMND-01-Roboter transportierte Behälter selbstständig zwischen den Arbeitsstationen und trug dabei Lasten von bis zu acht Kilogramm. Zudem demonstrierte er präzises zweihändiges Handhaben eines dünnen Blechkarosserieteils. Während des Tests arbeitete der Roboter eine volle Stunde ohne Unterbrechung und erreichte eine Zuverlässigkeit von 97 Prozent bei vollautomatisierten Greif- und Platzieraufgaben.
Die Leistung übertraf die Erwartungen: Der Roboter bewegte 83 Einheiten pro Stunde – 60 Prozent mehr als das Ziel von 50 Einheiten. Das System basierte auf den neuesten Technologien von NVIDIA, darunter digitale Zwillinge, die mit NVIDIA Omniverse entwickelt wurden.
Artem Sokolov, Gründer von Humanoid, betonte, dass humanoide Roboter nun bereit für den Einsatz in realen Industrieanwendungen seien. Entscheidend für schnelle Fortschritte seien eine klare Abstimmung zwischen Partnern und ein starkes Engagement für Sicherheit.
Nach dem erfolgreichen PoC prüfen Humanoid und das Ford-Werk Köln nun Möglichkeiten, humanoide Roboter in die tatsächliche Produktion zu integrieren.
Der Test bewies, dass humanoide Roboter industrielle Aufgaben mit Geschwindigkeit und Präzision ausführen können. Ford und Humanoid werden die Gespräche über eine Ausweitung ihres Einsatzes in der Fertigung fortsetzen. Die Ergebnisse deuten auf ein großes Potenzial für eine breitere Einführung in ähnlichen Umgebungen hin.
