Robotererwachen Kognitive Roboterfähigkeiten für neue Möglichkeiten in der Fertigung

Anbieter zum Thema

Fraunhofer-Institut für Fabrikbetrieb und -automatisierung IFF

CADFEM Germany GmbH

G+K Umformtechnik GmbH

SCIO Automation GmbH

Forscher haben Robotern neue Fähigkeiten gegeben, mit denen sie bisher nicht automatisierbare Aufgaben übernehmen können. Hinzu kommen neue Sicherheitssysteme und Planungstools.

Mit neuen KI-basierten (KI = künstliche Intelligenz) Entwicklungen verleihen Forscher am Fraunhofer-Institut für Fabrikbetrieb und -automatisierung (IFF) Robotern die nötigen kognitiven Fähigkeiten, um auch in unstrukturierten, sich verändernden Umgebungen autonom zu agieren. So könnten sie auch dann komplexe Prozesse wie die Montage und Demontage im industriellen Umfeld oder die Handhabung von Objekten im Pflegebereich automatisch durchführen. Projektions- und kamerabasierte Sicherheitstechnik ermöglichen es den Robotern mit KI-basierter Bewegungssteuerung, zuverlässig auf Veränderungen zu reagieren, sich an neue Aufgaben anzupassen und die Anwendung schließlich sicher zu erledigen, wie es weiter heißt.

Kognitive Roboter lernen aus Erfahung

Damit eröffne sich ein breites Spektrum neuer Anwendungsfelder, die bisher der konventionellen, auf spezifische, eng definierte Aufgaben beschränkten Robotik verschlossen blieben. Denn kognitive Roboter können aus Erfahrungen lernen, selbstständig Entscheidungen treffen und sich an verschiedene Szenarien anpassen, wie man IFF betont. Für „Pick & Place“-Aufgaben etwa, die das Greifen und Ablegen von Bauteilen bedeuten, muss ein kognitiver Roboter so nicht mehr lernen, wie die einzelnen Werkstücke aussehen, bevor er sie greifen kann. Stattdessen erfasst er mit seiner Kamera die Größe, Form, Textur und den Zustand des Objekts. Mit diesen Informationen kann er sein Verhalten entsprechend anpassen, wobei er eben auch mit unterschiedlichen Umgebungsbedingungen umgehen und sogar unterschiedliche Verpackungsmaterialien handhaben kann.

Umgebungssimulation will gelernt sein

Zum Trainieren der eingesetzten KI-Modelle nutzen die Experten Simulationsumgebungen. So simuliert man etwa mit Blick auf Montage- und Demontageprozesse – man denke an die Entnahme von Motherboards aus einem PC. Im digitalen Raum könnten beliebig viele virtuelle Roboter parallel und in einem sehr viel höheren Tempo ohne Sicherheitsbedenken trainieren. Das Lernen in der digitalen Simulation hat viele Vorteile, aber auch eine Schwachstelle! Denn die virtuelle Lernumgebung ist nie zu 100 Prozent deckungsgleich mit der Wirklichkeit. Die Forscher müssen es deshalb hinkriegen, den Reality Gap – also die Abweichung von echten Welt, auch als „Sim2Real“-Lücke bezeichnet – weitestgehend zu schließen. Es gilt, die Simulation entweder möglichst mit der Realität identisch zu gestalten oder aber maximal viele Varianten der Realität abzudecken, damit das für die KI eingesetzte neuronale Netz lernt zu generalisieren und sich in unbekannten Umgebungen zurechtzufinden, wie man erklärt. Das gelingt unter anderem mithilfe der Domänenrandomisierung (Domain Randomization). Mit ihr kann eine Vielzahl simulierter Umgebungen mit zufälligen Eigenschaften erstellt und ein Modell trainiert werden, das in allen Umgebungen funktioniert, heißt es. Schon verschiedene Beleuchtungen beeinflussten nämlich die Simulation. Diesen Parametersatz kann man aber während des Trainings verändern. Der Roboter lernt also nicht, die exakte Simulation zu lösen, sondern er versteht das abstrakte Konzept dahinter. Die Realität wird quasi zu einer neuen Variante einer Simulation für die KI.

(ID:50442439)