Hvorfor er det stadig så svært for en robot at skrue en pære i?

En industrirobot kan som bekendt svejse, løfte tunge emner og gentage den samme bevægelse med stor præcision. Men giv den en almindelig elpære, og pludselig bliver opgaven meget sværere:

For at skrue pæren i, skal robotten ikke bare ramme det rigtige sted. Den skal gribe om noget skrøbeligt, finde fatningen, begynde at dreje og samtidig registrere, om pæren sidder rigtigt. Klemmer den for hårdt, kan pæren gå i stykker. Sidder den skævt, får gevindet ikke ordentligt fat.

Robotter kan godt skrue pærer i; men det er lidt interessant, hvor meget teknik der skal til for at automatisere en opgave, som et menneske udfører næsten uden at tænke.

En pære kræver mere end en præcis bevægelse

I 2026 demonstrerede forskere en robotgriber, der kunne tage en pære op og skrue den opad i en fatning.

Opgaven krævede mere end blot at dreje pæren: Robotten skulle samtidig holde den op mod fatningen med passende kraft. For lidt støtte kunne give problemer med at få pæren korrekt ind i fatningen, mens for stor kraft øgede friktionen og gjorde det vanskeligere at dreje den. 

Forsøget blev udført under kontrollerede betingelser, hvor blandt andet pærens vandrette startposition og den ønskede bevægelse var kendt på forhånd.

Det er den type justeringer, vi selv foretager løbende. Vi mærker, om gevindet får fat, regulerer trykket og stopper, når modstanden ændrer sig.

Præcision vs tilpasning

Industrirobotter egner sig godt til gentagne opgaver med veldefinerede emner og processer. Hvis en komponent ankommer i en kendt position, kan robotten udføre den samme bevægelse med stor ensartethed.

I praksis kan moderne robotsystemer naturligvis også bruge kameraer, sensorer og adaptiv styring til at håndtere variation. Men kravene til systemet vokser, når emnet selv ændrer form, placeringen varierer, eller kontaktkræfterne ikke kan bestemmes på forhånd.

Flyt en komponent lidt. Lad et kabel hænge anderledes end forventet. Eller giv robotten en blød genstand, der ændrer form, når den bliver grebet. Så er det ikke længere tilstrækkeligt at styre robotten hen til en bestemt position. Systemet skal også registrere ændringen og korrigere bevægelsen undervejs.

Eksempel: Et håndklæde ændrer form under håndtering

Når et håndklæde ligger krøllet på et bord, kan vi finde et hjørne, gribe det og begynde at folde. Undervejs ændrer stoffet form, og vi justerer grebet efter det.

For en robot er det straks en vanskeligere styringsopgave.

En stiv metalkomponent bevarer i store træk sin geometri, når robotten flytter den. Et håndklæde derimod kan bøje, folde, hænge og krølle på mange måder. Når robotten flytter én del af stoffet, ændrer resten sig også.

Håndtering af den type deformerbare objekter er derfor et selvstændigt område inden for robotforskningen. Og problemstillingen findes også i industriel produktion – blandt andet ved håndtering af kabler og ledningsnet.

Eksempel: Et kabel ligger sjældent ens to gange

Forestil dig, at en robot skal føre et kabel gennem en konstruktion.

Læg det samme kabel på et bord flere gange, og det vil efter al sandsynlighed ikke ligge ens. Derudover kan det sno sig, bøje eller flytte sig, når robotten griber det.

Problemet er derfor ikke kun at lokalisere kablet. Når robotten løfter eller trækker i én del, ændrer resten af kablet position og form.

Kablers deformation er en af årsagerne til, at fremstilling og montage af ledningsnet fortsat er vanskelig at automatisere. Der forskes blandt andet i taktile sensorer, soft robotics og robotter med to arme for at gøre håndteringen mere robust.

Robotten skal kunne reagere

Når det kommer til vores elpære, er syn altså kun en del af opgaven.

Når du selv skruer en pære i, registrerer du løbende modstanden. Hvis gevindet sidder skævt, ændrer du vinklen. Hvis noget glider mellem fingrene, ændrer du grebet.

Robotter kan tilsvarende udstyres med kraft- og momentsensorer og taktile sensorer, der registrerer kontakt og tryk.

Men målingen er kun første led. Systemet skal også fortolke signalet og bruge det til at korrigere bevægelsen hurtigt nok.

Der er derfor væsentlig forskel på at styre en griber til en bestemt position og at regulere greb og bevægelse ud fra det, der sker i kontakten med emnet. Det sidste stiller krav til både sensorer, styring og mekanik.

Nogen gange er det nemmere at ændre processen

Man behøver imidlertid ikke altid gøre robotten bedre til at efterligne den måde, et menneske løser opgaven på.

Det illustrerer et projekt fra Fraunhofer IWU om automatiseret kabelmontage. Her forsøger man ikke først at fremstille et løst ledningsnet og derefter få en robot til at håndtere det.

I AuCA-systemet føres kabler i stedet fra ruller og lægges direkte på komponenten, hvor de fikseres med termoplast. Systemet kan lægge flere kabler samtidigt og efterfølgende blandt andet afisolere, crimpe og montere kontakter.

Dermed ændres selve produktionsprocessen, så robotten i mindre grad skal håndtere et løst og deformerbart ledningsnet.

Det er en interessant pointe i automatisering: Hvis en opgave er vanskelig at automatisere, er løsningen ikke nødvendigvis en robot, der bliver bedre til at udføre den eksisterende proces. Det kan også være at designe processen anderledes.

Det svære ligger i variationen

En robot kan altså godt skrue en pære i. Den kan også folde tekstiler, håndtere kabler og gribe skrøbelige emner, hvis systemet er udviklet til opgaven og betingelserne er de rette.

Udfordringen opstår især, når systemet skal fungere robust på tværs af variationer, som er vanskelige at beskrive på forhånd: et kabel, der ligger lidt anderledes, et emne, der glider, eller en kontaktkraft, der ændrer sig under bevægelsen.

Det er samtidig forklaringen på, hvorfor nogle tilsyneladende simple manuelle opgaver kan være vanskelige at automatisere.

På den måde bliver elpæren et lille eksempel på et større produktionsproblem: Præcision er én ting; men at kunne registrere og reagere på variation er noget andet.