Elektroniknet Logo

Karlsruher Institut für Technologie

Neue KI-Verfahren für Kommissionierroboter

KIT, FLAIROP, intelligenten Kommissionierroboter
Im Forschungsprojekt FLAIROP verarbeiten autonome Roboter an mehreren Kommissionierstationen Gegenstände mittels Greifen und Umsetzen weiter.
© Amadeus Bramsiepe, KIT

Forschende des KIT wollen gemeinsam mit Partnern Kommissionierroboter mit verteilten KI-Methoden intelligenter machen. Dafür untersuchen sie, wie man Trainingsdaten von mehreren Stationen, Werken oder sogar Unternehmen nutzen kann, ohne dass Beteiligte sensible Unternehmensdaten herausgeben müssen.

»Wir untersuchen, wie möglichst vielseitige Trainingsdaten von mehreren Standorten genutzt werden können, um mit Hilfe von Algorithmen im Bereich der Künstlichen Intelligenz (KI) robustere und effizientere Lösungen zu entwickeln als mit Daten von lediglich einem Roboter«, sagt Jonathan Auberle vom Institut für Fördertechnik und Logistiksysteme (IFL) des Karlsruher Instituts für Technologie (KIT). Dabei verarbeiten autonome Roboter an mehreren Kommissionierstationen Gegenstände mittels Greifen und Umsetzen weiter. An den verschiedenen Stationen werden die Roboter mit unterschiedlichen Artikeln trainiert. Am Ende sollen sie in der Lage sein, auch Produkte anderer Stationen zu greifen, die sie vorher noch nicht kennen gelernt haben. »Durch den Ansatz des verteilten Lernens, auch Federated Learning genannt, schaffen wir den Spagat zwischen Datenvielfalt und Datensicherheit in der Industrie«, kommentiert 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 Bundesministerium für Wirtschaft und Energie (BMWi) und vom kanadischen National Research Council (NRC) gefördert.

Leistungsstarke Algorithmen für Industrie und Logistik 4.0

»Bisher wurde Federated Learning überwiegend in der Medizin zur Bildanalyse eingesetzt, wo der Schutz von Patientendaten natürlich einen besonders hohen Stellenwert hat«, 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 wird die verbesserte Version zurück auf die lokalen Stationen gespielt, und der Prozess wiederholt sich.« Ziel ist die Entwicklung neuer leistungsstärkerer Algorithmen für den robusten Einsatz von KI für Industrie und Logistik 4.0 unter Einhaltung der Datenschutzrichtlinien.

Während des Projekts 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 am Neckar. Weitere Partner sind das Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB) des KIT, DarwinAI und die University of Waterloo.

»Im Forschungsprojekt FLAIROP entwickeln wir neue Wege, wie Roboter voneinander lernen können, ohne sensible Daten und Betriebsgeheimnisse zu teilen«, sagt Jan Seyler, Head of Advanced Develop, Analytik und Steuerung bei Festo. »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.«

Relevante Anbieter


Verwandte Artikel

KIT - Karlsruher Institut für Technologie