Schwerpunkte

Karlsruher Institut für Technologie

Neue KI-Methoden für Kommissionierroboter

09. August 2021, 11:25 Uhr   |  Inka Krischke

Neue KI-Methoden für Kommissionierroboter
© Amadeus Bramsiepe, KIT

Im Forschungsprojekt Flairop werden an mehreren Kommissionierstationen Artikel von autonomen Robotern mittels Greifen und Umsetzen weiterverarbeitet.

Forschende des Karlsruher Instituts für Technologie (KIT) wollen gemeinsam mit Partnern aus Deutschland und Kanada Kommissionierroboter mit verteilten KI-Methoden intelligenter machen.

„Wir untersuchen, wie möglichst vielseitige Trainingsdaten von mehreren Standorten genutzt werden können, um mit Hilfe von Algorithmen im Bereich der Künstlichen Intelligenz robustere und effizientere Lösungen zu entwickeln als mit Daten von lediglich einem Roboter“, sagt Jonathan Auberle vom Institut für Fördertechnik und Logistiksysteme (IFL) des KIT. Dabei werden an mehreren Kommissionierstationen Artikel von autonomen Robotern mittels Greifen und Umsetzen weiterverarbeitet. An den verschiedenen Stationen werden die Roboter mit unterschiedlichen Artikeln trainiert. Am Ende sollen sie in der Lage sein, auch Artikel anderer Stationen zu greifen, die sie vorher noch nicht kennengelernt haben. „Durch den Ansatz des verteilten Lernens, auch Federated Learning genannt, schaffen wir den Spagat zwischen Datenvielfalt und Datensicherheit im industriellen Umfeld“, erklärt Auberle.

Das Projekt FLAIROP (Federated Learning for Robot Picking) ist eine Partnerschaft zwischen kanadischen und deutschen Organisationen. Die kanadischen Projektpartner konzentrieren sich auf Objekterkennung durch Deep Learning, Explainable AI und Optimierung, während die deutschen Partner ihre Expertise in der Robotik, beim autonomen Greifen durch Deep Learning und in der Datensicherheit einbringen. FLAIROP wird vom kanadischen National Research Council (NRC) und dem deutschen Bundesministerium für Wirtschaft und Energie (BMWi) gefördert.

Bisher wurde Federated Learning vor allem im medizinischen Sektor zur Bildanalyse eingesetzt, wo der Schutz von Patientendaten einen besonders hohen Stellenwert habe, erläutert Auberle. Folglich gebe es für das Training des künstlichen neuronalen Netzes keinen Austausch von Trainingsdaten wie Bildern oder Greifpunkten, sondern es würden lediglich die lokalen Gewichte des Neuronalen Netzes, also Teile von gespeichertem Wissen, zu einem zentralen Server übertragen. Dort werden die Gewichte von allen Stationen gesammelt und mit Hilfe verschiedener Kriterien optimiert. Anschließend werde die verbesserte Version zurück auf die lokalen Stationen gespielt, und der Prozess wiederhole sich. Ziel ist die Entwicklung neuer leistungsstärkerer Algorithmen für den robusten Einsatz von Künstlicher Intelligenz für die Industrie und Logistik 4.0 unter Einhaltung der Datenschutzrichtlinien.

Während des Projektes werden für das Training der Roboter insgesamt vier autonome Kommissionierstationen aufgebaut: zwei am Institut für Fördertechnik und Logistiksysteme des KIT sowie zwei bei Festo in Esslingen. Weitere Partner sind das Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB) des KIT, Darwin AI und die University of Waterloo.

„Im Forschungsprojekt FLAIROP entwickeln wir neue Wege, wie Roboter voneinander lernen können, ohne sensible Daten und Betriebsgeheimnisse zu teilen. Das bringt zwei große Vorteile: Wir schützen die Daten unserer Kunden und wir gewinnen an Geschwindigkeit, weil die Roboter auf diese Weise viele Aufgaben schneller übernehmen können. So können die kollaborativen Roboter zum Beispiel Produktionsmitarbeiter bei sich wiederholenden, schweren und ermüdenden Aufgaben unterstützen“, sagt Jan Seyler, Head of Advanced Develop. Analytik und Steuerung bei Festo.

Auf Facebook teilen Auf Twitter teilen Auf Linkedin teilen Via Mail teilen

Das könnte Sie auch interessieren

Verwandte Artikel

KIT - Karlsruher Institut für Technologie, Festo AG & Co. KG

Robotik