Künstliche Intelligenz für mobile Transportsysteme

Die Fortschritte bei künstlicher Intelligenz bringen auch die mobile Robotik voran. So erweitern vor allem neue Entwicklungen in der Bildverarbeitung das Leistungsspektrum von Transportrobotern. Intelligente Kamerasysteme vergrößern das Blickfeld und erlauben es ihnen, sich besser an variable Produktionslayouts anzupassen

 

 

 

Bild: MiR Mobile Industrial Robots ApS

So wie der kleine Roboter R2-D2 in der Filmreihe Star Wars spannende Abenteuer meistert, muss er auf die Kinobesucher der siebziger Jahre wie eine fantastische Zukunftsvision gewirkt haben. Ganz fernab des Science-Fiction-Sujets haben die letzten zehn Jahre jedoch Fortschritte auf dem Gebiet der KI hervorgebracht, die auch realen Robotern bislang unvorstellbare Fähigkeiten verleihen. Insbesondere die zunehmende Menge an verfügbaren Maschinen- und Prozessdaten sowie eine Verbesserung der algorithmischen Rechenkapazität haben dies ermöglicht. Ein Feld, von dessen Entwicklung die Robotik besonders profitiert, ist die Bildverarbeitung. So arbeiten Hersteller z.B. mit wachsendem Erfolg daran, Robotern einen treffsicheren Griff in die Kiste zu ermöglichen.

Intelligente Bildverarbeitung verbessert Navigation

Die Fähigkeit, Objekte zuverlässig zu identifizieren und entsprechend darauf zu reagieren, erschließt auch der mobilen Robotik neue Anwendungsbereiche. Längst sind Transportsysteme in der Lage, autonom und frei von Schienen oder Magnetschleifen zu manövrieren. Dabei greifen sie etwa auf integrierte Laserscanner, 3D-Kameras oder Drehwinkelgeber zurück. Sie ermöglichen es ihnen, selbständig den schnellsten Weg zum Ziel zu finden und rechtzeitig auf Hindernisse zu reagieren. Auch Rolltore oder Aufzüge können mobile Roboter mittlerweile bedienen und sich so über verschiedene Stockwerke hinweg selbstständig bewegen. Durch die Einbindung intelligenter Software geht die Autonomie der mobilen Roboter nun einen Schritt weiter: Neue Vision-Systeme erlauben es ihnen, zwischen Objekten zu differenzieren und spezifisch darauf zu reagieren. Zudem ermöglichen sie, Routen vorausschauender zu planen und effizienter zu navigieren. Die technologische Basis hierfür bietet maschinelles Lernen (ML). Es beschreibt die Fähigkeit selbstlernender Algorithmen, nach entsprechendem Training Muster und Gesetzmäßigkeiten in großen Datenmengen zu erkennen. Das können etwa die von einer Kamera erfassten visuellen Eindrücke sein. Basierend auf der künstlich generierten Erfahrung befähigen ML-Algorithmen IT-Systeme, eigenständig Lösungsansätze zu finden und auf Basis von Vergangenheitsdaten Ereignisse und Entwicklungen zu prognostizieren. Mobilen Robotern ermöglicht ML, sich auch in dynamischen Umgebungen vorausschauend zu bewegen und intelligent mit ihrer Umwelt zu interagieren.

Externe Kameras erweitern Blickfeld

Ein gutes Beispiel ist das System AI Camera von MIR. Es besteht aus externen Kameras, die an strategisch günstigen Orten innerhalb der Einsatzumgebung des Roboters installiert werden, sowie einer entsprechenden Softwarelösung. Die Kameras funktionieren wie externe Sensoren, die das Roboterblickfeld erweitern. Zum Einsatz kommt AI Camera z.B. bereits im Krankenhaus der Region Südjütland in Dänemark. Die Einrichtung mit 343 Betten nutzt seit einigen Jahren einen autonomen mobilen Transportroboter vom Typ MiR100, um interne Transporte effizienter abzuwickeln. Ausgestattet mit dem Ziehsystem MIRHook befördert der Roboter Materialien in einem Anhänger zwischen den Abteilungen. So nimmt er den Krankenhausmitarbeitern Laufwege ab und verschafft ihnen mehr Zeit für andere Tätigkeiten. Dabei bewegt sich der Roboter vor allem im Kellerbereich des Krankenhauses, in dem nicht nur Menschen, sondern auch andere Transportfahrzeuge unterwegs sind. Die Gänge sind dort oft durch Kisten und Paletten blockiert. Mit der KI-Lösung ist der mobile Roboter dennoch in der Lage, Transportaufträge reibungslos zu erledigen. Die smarten Kameras werten die erfassten Daten anonymisiert aus, klassifizieren sie und übermitteln sie an den Roboter. So kann dieser zwischen entgegenkommenden Objekten unterscheiden und seine Reaktion situativ anpassen. Begegnet er etwa einem anderen Fahrzeug, wartet er, bis dieses vorbeigefahren ist. Denn während MIR-Roboter über zuverlässige Sicherheitsalgorithmen verfügen, können herkömmliche FTS oder Gabelstapler den Roboter leicht übersehen und mit ihm kollidieren. Trifft der Roboter wiederum auf einen Menschen, setzt er seine Fahrt fort, da seine Sicherheitsfunktionen ein rechtzeitiges Bremsen oder Ausweichen garantieren.

Seiten: 1 2Auf einer Seite lesen

MiR Mobile Industrial Robots ApS
http://mobile-industrial-robots.com

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.