Festo, съвместно с учени от Германия и Канада, изследва методи за нови обучение на манипулиращи роботи чрез AI

09 юли 2021 г.

Производство, складиране, експедиция — навсякъде, където стоките се произвеждат, съхраняват, сортират или опаковат не може да се мине без манипулиращи операции. Това означава, че няколко различни изделия трябва да бъдат взети от мястото им на съхранение, т.е. във вид на кутии или кашони и да бъдат сглобени. „В рамките на проекта FLAIROP (Federated Learning for Robot Picking) Festo и изследователи от германския университет Karlsruher Institut für Technologie (KIT), заедно с партньори от Канада, имат за цел да направят манипулиращите роботи по-умни, използвайки методи за разпределен изкуствен интелект. За целта те проучват как да използват за обучение данните от няколко работни станции, заводи или дори от компании, без да изискват от участниците да предоставят конфиденциални фирмени данни“, съобщиха за ДигиталнИндустрия.bg от Фесто ЕООД.

FLAIROP е международен проект, в който участват канадски и германски организации. Канадските партньори по проекта се фокусират върху разпознаването на обекти чрез методите Deep Learning (б.ред. „дълбоко структурирано обучение“), Explainable AI (б.ред. „обясним изкуствен интелект, при който резултатите от решението могат да бъдат разбрани от хората) и оптимизация. Немските партньори допринасят със своя опит в роботиката, автономното захващане чрез Deep Learning и киберсигурността.

„Ние проучваме възможностите да използваме разнообразни обучителни данни от различни места чрез AI алгоритми за разработване на по-надеждни и ефективни решения в сравнение с информацията от само един робот“, коментира г-н Йонатан Ауберле от Института за манипулации на материали и логистика (IFL) към KIT. В процеса, изделията се обработват допълнително от автономни роботи в няколко окомплектоващи станции чрез захващане и прехвърляне. В различните станции роботите се обучават да манипулират най-различни артикули. Крайната цел е те да могат да захващат изделия от други станции, за които все още не са обучени. „Чрез метода Federated Learning (б. ред. „федеративно обучение“ — техника за машинно обучение в защитена среда без обмен на данни), ние балансираме разнообразието и сигурността на данните в индустриална среда“, пояснява експертът.

Мощни алгоритми за Industry 4.0 и Logistics 4.0

„Досега Federated Learning се използваше предимно в медицинския сектор за анализ на изображения, при които защитата на пациентските данни има особено висок приоритет. Това означава, че за обучението на изкуствената невронна мрежа няма обмен на данни, например във вид на изображения или точки на захващане. Към централния сървър се подават само фрагменти от натрупаните знания — локалните тегла на невронната мрежа, които показват колко силно е свързан един неврон с друг. Сървърът събира теглата от всички станции и ги оптимизира, използвайки различни критерии“, коментираха от Фесто ЕООД. След това, оптимизираната версия се възпроизвежда на отделните станции и процесът се повтаря. Целта е да се разработят нови, по-мощни алгоритми за устойчиво използване на изкуствен интелект за концепциите Industry 4.0 и Logistics 4.0, в съответствие със световните политики за защита на данните.

Роботи, които учат един от друг без да споделят конфиденциални данни

„В проекта FLAIROP ние разработваме нови методи, чрез които роботите се учат един от друг, без да споделят конфиденциални данни и търговски тайни. Това носи две основни предимства. Ние защитаваме данните на нашите клиенти и увеличаваме производителността, тъй като роботите могат да изпълняват много по-бързо различни задачи. Например, колаборативните роботи да са в помощ на работници, извършващи повтарящи се тежки и уморителни задачи”, обяснява г-н Ян Сейлер, ръководител на направление Advanced Develop. Analytics and Control във Festo.

В хода на проекта ще бъдат създадени общо четири автономни работни станции за обучение на роботи: две в IFL към KIT и две във Festo SE със седалище в Еслинген.

Стартъп компанията DarwinAI и канадският университет University of Waterloo са другите партньори в проекта

„Ние от DarwinAI сме изключително доволни да предоставим платформата Explainable AI (XAI) за проекта FLAIROP и да работим с такива уважавани канадски и немски академични организации, както и с нашия индустриален партньор Festo. Надяваме се, че нашата технология XAI ще даде възможност за използване на високоефективните процеси от типа Human-in-the-Loop (б. ред. „с оператор в контура на управление“) за този важен проект. Това наред с прилагането на метода Federated Learning представлява важен аспект от нашето предложение. Тъй като ние също имаме своя опит в академичните изследвания, бяхме развълнувани от такова сътрудничество и от възможните ползи от новия ни подход за редица наши клиенти “, допълва г-н Шелдън Фернандес, главен изпълнителен директор на DarwinAI.

„University of Waterloo е изключително доволен да работи с Karlsruher Institut für Technologie и със световния лидер в индустриалната автоматизация Festo за внедряване в производството на следващото поколение надежден изкуствен интелект. Чрез прилагането на платформата Explainable AI (XAI) на DarwinAI и Federated Learning ние можем да използваме AI решенията в помощ на работниците в заводите при изпълнение на ежедневните им производствени задачи и за максимално увеличение на ефективността, производителността и безопасността“, заявява д-р Александър Уонг, ръководител на изследователската група Vision and Image Processing Research Group към канадския University of Waterloo и главен научен консултант в DarwinAI.

Повече информация за Фесто Производство ЕООД, марките, продуктите и услугите, които предлага у нас, реализации и актуални промоционални кампании, бихте могли да намерите в микросайта на фирмата в Борса.bg!

Разберете още кои са активните постоянни и стажантски позиции на компанията, както и подробности за технологичните възможности и бъдещите ѝ планове за развитие от ТУК!