Der weltweit größte Batteriehersteller Contemporary Amperex Technology Co. Limited (CATL) hat einen wichtigen Schritt in der Automatisierung seiner Fertigung gemacht. Das Unternehmen setzt humanoide Roboter namens „Moz“ in seiner Zhongzhou-Anlage ein. Diese Roboter übernehmen die anspruchsvolle und risikoreiche Aufgabe der Prüfung von Hochspannungsbatteriepaketen am Ende der Produktionslinie.
Wichtige Erkenntnisse
- CATL hat humanoide Roboter für die Hochspannungsprüfung von Batterien eingesetzt.
- Die Roboter, genannt „Moz“, wurden von Spirit AI entwickelt, einem von CATL unterstützten Unternehmen.
- Sie erreichen eine Erfolgsquote von 99% und verdreifachen die tägliche Arbeitsleistung.
- Die Technologie schützt menschliche Arbeiter vor Gefahren und löst das Problem flexibler Kabel.
Revolution in der Batterieproduktion
Die Einführung der humanoiden Roboter bei CATL markiert einen Wendepunkt in der Batterieherstellung. Es ist die erste großflächige Implementierung dieser Art von Robotern in der Branche. Die Roboter sind speziell für die Prüfung von Hochspannungsbatteriepaketen konzipiert, eine Aufgabe, die bislang oft manuell erledigt wurde und erhebliche Risiken birgt.
Diese Entwicklung zeigt, wie Industrieunternehmen zunehmend auf fortgeschrittene Robotik setzen, um Effizienz und Sicherheit zu verbessern. Die Roboter arbeiten an den „End of Line“ (EOL) und „Direct Current Resistance“ (DCR) Prüfstationen. Hier müssen Hochspannungsstecker präzise in die Batteriepakete eingeführt werden, um die Leistung zu überprüfen.
Faktencheck
- Robotername: Moz (oder Xiaomo)
- Entwickler: Spirit AI (von CATL unterstützt)
- Einsatzort: CATL Zhongzhou-Anlage
- Aufgabe: Prüfung von Hochspannungsbatteriepaketen
- Erfolgsquote: 99%
„Moz“: Ein Roboter für heikle Aufgaben
Der Roboter „Moz“ wurde von Spirit AI entwickelt, einem Startup aus Hangzhou, das 2024 gegründet wurde. Spirit AI wird direkt von CATL finanziert, ähnlich wie Hyundai Boston Dynamics unterstützte. Dies ermöglicht eine enge Zusammenarbeit und schnelle Anpassung der Technologie an die spezifischen Bedürfnisse von CATL.
Die Hauptaufgabe von Moz ist das Einstecken von Hochspannungssteckern, die an flexiblen Kabelbäumen befestigt sind. Diese Aufgabe ist für menschliche Arbeiter gefährlich, da die Pakete Hunderte von Volt führen und die Gefahr von Lichtbögen und Stromschlägen besteht. Für herkömmliche Industrieroboter ist die Handhabung flexibler Objekte ebenfalls eine große Herausforderung.
„Die Roboter haben eine Erfolgsquote von 99% erreicht und entsprechen der Zykluszeit erfahrener menschlicher Arbeiter. Da die Roboter 24/7 ohne Pausen arbeiten, berichten wir von einer Verdreifachung der täglichen Arbeitsleistung im Vergleich zur manuellen Arbeit.“
– CATL-Sprecher
Herausforderung flexible Kabel
Herkömmliche Roboter haben Schwierigkeiten mit flexiblen Kabeln. Wenn ein Kabel auch nur leicht verdreht oder durchhängt, können vorprogrammierte Roboter die Buchse verfehlen oder die Gewinde beschädigen. „Moz“ löst dieses Problem durch den Einsatz eines Vision-Language-Action (VLA)-Modells, das es dem Roboter ermöglicht, seine Umgebung zu „sehen“ und „fühlen“.
Hintergrundinformationen
Das VLA-Modell ist eine fortschrittliche KI-Architektur, die es Robotern ermöglicht, komplexe Aufgaben durch Echtzeit-Wahrnehmung und Anpassung auszuführen. Es integriert visuelle Informationen, Sprachverständnis (oder hier eher Aktions-Semantik) und die Fähigkeit zur physischen Interaktion, um präzise Bewegungen auszuführen. Dies unterscheidet es von traditionellen, fest programmierten Robotern.
Technologische Überlegenheit und Effizienz
Das VLA-Modell von „Moz“ ermöglicht es dem Roboter, die Ausrichtung von Stecker und Buchse in Echtzeit zu erkennen. Er kann seinen Griff und den Anstellwinkel anpassen, um lose oder verdrehte Kabel zu kompensieren. Zudem moduliert er die Kraft während des Einführens, um Schäden an den Steckern zu verhindern. Diese Fähigkeiten sind entscheidend für die hohe Präzision, die bei der Hochspannungsprüfung erforderlich ist.
Die Roboter nutzen eine Radbasis anstelle von Beinen, was die Stabilität für die hochpräzise Aufgabe des Einsetzens von Hochspannungssteckern priorisiert. Dies unterstreicht, dass es bei dieser Anwendung weniger um akrobatische Bewegungen als um zuverlässige, präzise Industriearbeit geht.
Dreifache Arbeitsleistung
CATL berichtet, dass die Roboter eine Erfolgsquote von 99% erreichen und die Zykluszeit erfahrener menschlicher Arbeiter mithalten können. Da die Roboter 24 Stunden am Tag und 7 Tage die Woche ohne Pausen arbeiten, hat das Unternehmen eine Verdreifachung der täglichen Arbeitsleistung im Vergleich zur manuellen Arbeit festgestellt. Dies führt zu einer erheblichen Steigerung der Produktionseffizienz.
- Wahrnehmung: Erkennen der Ausrichtung von Stecker und Buchse in Echtzeit.
- Anpassung: Anpassen von Griff und Anstellwinkel bei losen oder verdrehten Kabeln.
- Feingefühl: Modulieren der Kraft während des Einführens, um Beschädigungen zu vermeiden.
Strategische Bedeutung für CATL
Die direkte Finanzierung und Integration der Spirit AI-Technologie in die eigenen Produktionslinien von CATL ermöglicht schnelle Feedback-Schleifen. Dies ist besonders wichtig, um die Herausforderungen der Fertigungszuverlässigkeit in „Phase Zwei“ zu bewältigen. Die vertikale Integration stellt sicher, dass die Roboter kontinuierlich verbessert und an die spezifischen Anforderungen angepasst werden können.
Diese Strategie dient auch als Absicherung gegen die jüngsten Maßnahmen Pekings zur Vermeidung technologischer Redundanz. Indem CATL beweist, dass seine Roboter nicht nur „repetitive Klone“, sondern wesentliche Sicherheitswerkzeuge in einer kritischen Lieferkette sind, bestätigt Spirit AI seine Existenz in einem zunehmend wettbewerbsintensiven Markt.
Die Implementierung der humanoiden Roboter bei CATL ist ein Beispiel dafür, wie Unternehmen in Hochtechnologiebereichen die Robotik nutzen, um sowohl die Sicherheit ihrer Mitarbeiter zu gewährleisten als auch die Effizienz und Qualität ihrer Produkte zu steigern. Es zeigt den Wandel von der Forschung zur praktischen Anwendung in großem Maßstab.
