Besser Greifen mit Kommissionierrobotern

Bild: Festo SE & Co. KG

Produktion, Lager, Versand – wo Güter hergestellt, gelagert, sortiert oder verpackt werden, wird auch kommissioniert. Es werden also mehrere einzelne Waren aus Lagereinheiten wie Kisten oder Kartons entnommen und neu zusammengestellt. Festo forscht im Projekt Flairop gemeinsam mit dem Karlsruher Institut für Technologie (KIT) und Partnern aus Kanada, um Kommissionierroboter mit verteilten KI-Methoden intelligenter zu machen. Dafür untersuchen sie, wie man Trainingsdaten von mehreren Stationen, aus mehreren 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 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) am KIT. Dabei werden an mehreren Kommissionierstationen Artikel von autonomen Robotern mittels Greifen und Umsetzen weiterverarbeitet. An den verschiedenen Stationen werden die Roboter mit ganz 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“, so der Experte.

Leistungsstarke Algorithmen für Industrie und Logistik 4.0

Bisher wurde Federated Learning überwiegend im medizinischen Sektor zur Bildanalyse eingesetzt, wo der Schutz von Patientendaten natürlich einen besonders hohen Stellenwert hat. Daher gibt es für das Training des künstlichen neuronalen Netzes keinen Austausch von Trainingsdaten wie Bilder oder Greifpunkte. Es werden lediglich Teile von gespeichertem Wissen – die lokalen Gewichte des neuronalen Netzes, die sagen, wie stark ein Neuron mit einem anderen verbunden ist – 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 von neuen leistungsstärkeren Algorithmen für den robusten Einsatz von künstlicher Intelligenz für die Industrie und Logistik 4.0 unter Einhaltung der Datenschutzrichtlinien.

„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 der Festo SE & Co. KG.

Während des Projektes werden für das Training der Roboter insgesamt vier autonome Kommissionierstationen aufgebaut: Zwei am KIT Institut für Fördertechnik und Logistiksysteme (IFL) sowie zwei bei der Festo SE & Co. KG mit Sitz in Esslingen am Neckar.

Start-up DarwinAI und University of Waterloo aus Kanada sind weitere Partner

„DarwinAI freut sich, unsere Explainable (XAI)-Plattform für das FLAIROP-Projekt zur Verfügung zu stellen und über die Zusammenarbeit mit so angesehenen kanadischen und deutschen Forschungsorganisationen sowie unserem Industriepartner Festo. Wir hoffen, dass unsere XAI-Technologie hochwertige Human-in-the-Loop-Prozesse für dieses spannende Projekt ermöglichen wird, das neben unserem neuartigen Ansatz des Federated Learning eine wichtige Facette unseres Angebots repräsentiert. Da wir unsere Wurzeln in der akademischen Forschung haben, sind wir begeistert von dieser Zusammenarbeit und den industriellen Vorteilen unseres neuen Ansatzes für eine große Bandbreite von Fertigungskunden“, sagt Sheldon Fernandez, CEO von DarwinAI.

„Die University of Waterloo ist begeistert, mit dem Karlsruher Institut für Technologie und einem weltweit führenden Unternehmen der Industrieautomation wie Festo zusammenzuarbeiten, um die nächste Generation der vertrauenswürdigen künstlichen Intelligenz in die Fertigung zu bringen. Durch die Nutzung von DarwinAIs Explainable AI (XAI) und Federated Learning können wir KI-Lösungen schaffen, die Fabrikarbeiter bei ihren täglichen Produktionsaufgaben unterstützen, um die Effizienz, Produktivität und Sicherheit zu steigern“, sagt Dr. Alexander Wong, Co-Direktor der Vision and Image Processing Research Group, University of Waterloo, und Chief Scientist bei DarwinAI.

Das Forschungsprojekt Flairop

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 Robotik, autonomes Greifen durch Deep Learning und Datensicherheit einbringen.

  • KIT-IFL: Konsortialführung, Entwicklung Greifbestimmung, Entwicklung automatische Lerndatengenerierung
  • KIT-AIFB: Entwicklung Federated Learning Framework
  • Festo SE & Co. KG.: Entwicklung Kommissionierstationen, Pilotierung in realer Lagerlogistik
  • University of Waterloo (Kanada): Entwicklung Objekterkennung
  • Darwin AI (Kanada): Lokale und globale Netzwerkoptimierung, automatisierte Generierung von Netzstrukturen

Flairop wird vom kanadischen National Research Council (NRC) und dem deutschen Bundesministerium für Wirtschaft und Energie (BMWi) gefördert.

Festo SE & Co. KG

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: SpanSet GmbH & Co. KG
Bild: SpanSet GmbH & Co. KG
Was heißt: 
„In Anlehnung an die Norm“?

Was heißt: „In Anlehnung an die Norm“?

Dürfen Produkte, die das GS-Prüfzeichen und gleichzeitig den Zusatz „in Anlehnung an die Norm“ tragen, verwendet werden, als seien sie nachweislich sichere Produkte beziehungsweise Arbeitsmittel? Die Antwort lautet: Ja! Doch der Hinweis „in Anlehnung“ sorgt für Unbehagen. Es ist Zeit, über die Hintergründe zu informieren, die heutige Norm zu interpretieren und sie bei nächster Gelegenheit anzupassen. Es geht um die EN 12195-2.

Bild: VETTER Industrie GmbH
Bild: VETTER Industrie GmbH
Gabelzinken-Hersteller 
mit Tradition

Gabelzinken-Hersteller mit Tradition

Vetter ist heute einer der führenden Hersteller von Gabelzinken in Europa. An Produktionsstandorten in Deutschland und den USA wird das wohl umfangreichste Gabelzinken-Produktprogramm für die Flurförderzeugindustrie gefertigt. Mit Einführung der SmartFork – der intelligenten Gabelzinke mit integrierter Kamera- und Sensortechnik – ist Vetter Schrittmacher für mehr Sicherheit beim Staplereinsatz und einer erfolgreichen Logistik 4.0.

Bild: Körber AG
Bild: Körber AG
Warehouse der Zukunft

Warehouse der Zukunft

Körber unterstützt mit seinem Geschäftsfeld Supply Chain den Sportfachhändler Intersport beim Neubau und der Erweiterung des Zentrallagers in Heilbronn. Von der Planungsphase bis zur Finalisierung zeichnet Körber sich verantwortlich für die praktische Umsetzung eines vollautomatisierten Lagers, das nicht nur technologisch State of the Art ist, sondern auch den wachsenden Bedarf an intelligenter Lagerkapazität in den kommenden Jahren abdecken kann.

Bild: Schulte-Henke GmbH
Bild: Schulte-Henke GmbH
Sicherer Transport von 
Elektro- und Konsumgütern

Sicherer Transport von Elektro- und Konsumgütern

Fernseher, Kühlschränke und Waschmaschinen haben eine Gemeinsamkeit. Sie alle werden mit Hilfe von Karton- und Geräteklammern mittels Gabelstapler schnell und sicher transportiert. Da Stabau seine Kunden in schnellwachsenden Branchen wie der Konsumgüter- und Elektronikindustrie bestmöglich unterstützen möchte, bietet das Unternehmen zahlreiche Varianten des Anbaugeräts und individuelle Sonderlösungen an.

Anzeige

Anzeige

Anzeige