KI und Time-of-Flight für Fahrerlose Transportsysteme (FTS)

Mit künstlicher Intelligenz (KI) können autonome Maschinen heute komplexe Szenarien zuverlässig in Echtzeit einschätzen. Die KI-basierte Bildverarbeitungssoftware von Data Spree und die Time-of-Flight (ToF) Kameratechnologie von Becom zeigen im Zusammenspiel die Möglichkeiten für fahrerlose Transportsysteme (FTS).
 Mit KI von Data Spree und 3D-Kameratechnik von Becom können FTS Personen und Hindernisse schnell und zuverlässig erkennen. Die KI-Echtzeit-Ausführung findet auf dem Becom Multi-Cam HUB statt.
Mit KI von Data Spree und 3D-Kameratechnik von Becom können FTS Personen und Hindernisse schnell und zuverlässig erkennen. Die KI-Echtzeit-Ausführung findet auf dem Becom Multi-Cam HUB statt.Bild: Data Spree

Insbesondere in der Logistik ist Effizienz entlang der gesamten Prozesskette ein entscheidender Faktor im Wettbewerb. Eine zuverlässige und vor allem sichere Automatisierung des Warentransports ist hierbei entscheidend für eine moderne und leistungsfähige Logistik. Mitarbeiter und autonome Systeme müssen dabei in Lagern und Fertigungsstätten sicher zusammenarbeiten können, die Vermeidung von Unfällen hat höchste Priorität. Mit KI von Data Spree und 3D-Kameratechnik von Becom können autonome Fahrzeuge Personen und Hindernisse schnell und zuverlässig erkennen und entsprechend reagieren.

Zentimetergenaue Positionserfassung

Die 3D ToF-Kamera generiert ein Tiefen- und Graustufenbild, mit denen es möglich ist Objekte und Abstände zu Objekten im 3D-Raum zu lokalisieren. Die ToF-Technologie bietet dabei Vorteile gegenüber anderen Methoden der 3D-Bildgebung, beispielsweise eine weitgehende Unabhängigkeit von Lichtverhältnissen und hohe Robustheit gegenüber visuellen Variationen der Objekte. Die KI erkennt anhand der 3D-Informationen zuverlässig die Präsenz, Position und die Größe der eintrainierten Hindernisse, wie in diesem Fall Personen. Anschließend wird anhand der Tiefeninformationen die 3D-Position des Hindernisses Zentimeter-genau erfasst. Darüber hinaus kann der KI auch andere Hindernisse, wie FTS, Paletten, Pakete etc., zusätzlich antrainiert werden. Das Training und Erstellen der KI ist mithilfe der Data Spree Tools und Services, wie Deep Learning DS, sehr schnell und ohne Programmieraufwand umsetzbar. Mithilfe dieses KI-basierten 3D-Kamera Ansatzes kann eine robuste und sichere Orientierungslogik für FTS umgesetzt werden. Die dafür notwendige Echtzeit-Ausführung der KI findet auf dem Becom Multi-Cam HUB statt und bietet ein voll integriertes Zusammenspiel aus Bildgebung, KI-Logik und Kommunikation. Die kompakten ToF-Sensoren sind für mobile Anwendungen hervorragend geeignet und können, durch eine Kombination von mehreren Sensoren, eine vollständige 360°-Rundumsicht der Umgebung liefern. Die KI kann hierbei mit verschiedensten Szenarien und Situationen umgehen, da die Logik auf real existierenden Daten beruht und nicht frei von Hand programmiert ist. Mit den Data Spree Tool ist die KI jederzeit flexibel erweiterbar und kann auf neue definierbare Objekte oder Klassen antrainiert werden. Somit lassen sich komplexe Orientierungsmuster für FTS umsetzen, die mit konventionellen Methoden bisher nicht denkbar waren.

KI für die Logistik

Klassische Bildverarbeitung muss bisher aufwändig programmiert werden. Hierbei werden Algorithmen von Experten individuell entwickelt, was viel Know-How und Zeit erfordert. Dabei funktionieren die klassischen Algorithmen nach handgefertigten Regeln und Entscheidungskriterien. Wenn es zu Abweichungen von diesen Regeln im Betrieb kommt, entstehen Risiken. Diese Abweichungen können beispielsweise wechselnde Lichtverhältnisse, Umgebungsparameter, Veränderungen in den Wegen, Abläufen oder Prozessen sein. Mit KI-basierter Bildverarbeitung können, z.B. autonome Fahrzeuge komplexe Arbeitssituationen und -prozesse besser interpretieren und die Mensch-Maschine-Interkation sicherer machen. Je nach Training können KI-Netze auf verschiedene Hindernisse und Objekte angelernt werden, z.B. Packstücke, Paletten, Hochregale, Behälter etc. Dies eröffnet neue Möglichkeiten für autonome Fahrzeuge, aber auch für kollaborative Roboter oder Automatisierung im Allgemeinen.

Das könnte Sie auch Interessieren

Anzeige

Anzeige

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.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige