Recirculate testet KI-gesteuertes Robotersystem zur Demontage von E-Auto-Batterien

Das EU-finanzierte Projekt Recirculate hat die erste Entwicklungsphase seines KI- und robotergestützten Demontagesystems für Hochvoltbatterien von E-Autos abgeschlossen. Die Lösung adressiert eine wichtige Herausforderung der Branche: die sichere, automatisierte und effiziente Demontage vom Batteriepack bis zur Zelle.

Der Ansatz nutzt Robotik und maschinelles Lernen, um Batterien vom Batteriepack bis zur Zelle zu zerlegen. In der ersten Phase haben die Forscher nun eine Reihe von Werkzeugen und Modellen für maschinelles Lernen „für die robotische Demontage einer Elektrofahrzeugbatterie vom Batteriepack bis zur Zelle“ entwickelt. Laut den Forschern „hat unser Team aus Robotik-, KI- und ML-Experten 18 Monate engagiert gearbeitet“, um diesen ersten Schritt abzuschließen.

Die Entwicklung wird von der Centria University of Applied Sciences in Kokkola (Finnland) geleitet. Sie hat eine Roboterzelle rund um einen Kuka KR10 Industrieroboter auf einer mobilen Linearschiene gebaut. Der Roboter ist mit speziell entwickelten Werkzeugen und einer Tiefenkamera ausgestattet, um Komponenten von Hochspannungspaketen selbstständig zu erkennen, abzuschrauben und zu entfernen.

Mehrere Machine-Learning-Modelle wurden darauf trainiert, Schrauben, Stecker und Verkabelung zu erkennen. Sobald der Deckel mit einem Vakuumgreifer entfernt wurde, zerlegen Roboterwerkzeuge die inneren Komponenten und analysieren gleichzeitig die Kabelausrichtung, um optimale Entnahmestrategien zu ermitteln.

„Allein auf dem Deckel befinden sich etwa 50 Schrauben“, erklärt Tomi Pitkäaho, Dozent für Forschung an der Centria. „Wir haben ein Machine-Learning-Modell darauf trainiert, jede Schraube zu lokalisieren und zu identifizieren, ihre genauen Koordinaten zu extrahieren und diese Daten an den Roboter zu senden. Mit einer direkt am Werkzeug installierten Tiefenkamera kann der Roboter nicht nur die x- und y-Position, sondern auch die z-Tiefe für jede Komponente präzise bestimmen.“

Verschiedene Batterietypen automatisch erkennen

Das System ist nicht auf die Demontage beschränkt. Ein Batterieidentifikationsmodell wurde darauf trainiert, verschiedene Batterietypen auch ohne QR-Codes oder digitale Produktpässe zu erkennen. Derzeit kann das Modell Akkus von Ford und Tesla mit nahezu perfekter Genauigkeit identifizieren, sodass der Roboter automatisch das richtige Demontageprogramm auswählen kann.

Recirculate plant nun, den Trainingsdatensatz um weitere Batterietypen zu erweitern, um die Lösung auf industrielle Umgebungen zu skalieren. „Dies ist eines der ersten funktionierenden, praxisnahen Beispiele für die Demontage von Batterien mithilfe von maschinellem Lernen und Robotik“, so Pitkäaho. „Bisher waren die meisten Bemühungen rein akademischer Natur.“

Partner wie Ford Otosan und DHL an Bord

Recirculate wurde 2023 vorgestellt und zielt darauf ab, neue Geschäftsmodelle für die Reparatur, Wiederverwendung und das Recycling von Second-Life-Batterien zu entwickeln. Die EU fördert das dreijährige Projekt mit 4,9 Millionen Euro.

Es vereint die Expertise von elf Unternehmen, darunter Ford Otosan und DHL, sowie von Herstellern fortschrittlicher Technologien in den Bereichen KI, intelligente Logistiklösungen und Blockchain-Technologie. Ford Otosan stellt für das Projekt verschiedene Batterien zur Verfügung und beteiligt sich an der Entwicklung eines standardisierten Batteriekennzeichnungssystems. DHL ist für den sicheren Transport und die Lagerung der Packs, Module und Zellen verantwortlich. Weitere Projektteilnehmer sind Probot, Minespider, Eco Stor, Fundacio Eurecat, Libattion, Dafo Vehicle Fire Protection, Iconiq Innovation Limited und Iconiq Innovation Spain sowie das Schweizer CSEM.

recirculate.eu