Kommissionierroboter handhabt Teile aus einer Kiste

Im Projekt Flairop werden an mehreren Kommissionierstationen Artikel von autonomen Robotern mittels Greifen und Umsetzen weiterverarbeitet. (Bild: Amadeus Bramsiepe, KIT)

Um das Projekt zu verwirklichten arbeitet das KIT mit Partnern aus Deutschland und Kanada zusammen. Flairop steht dabei für Federated Learning for Robot Picking. Im Projekt wird der Frage nachgegangen, wie Trainingsdaten von mehreren Stationen, aus mehreren Werken oder sogar mehreren Unternehmen genutzt werden können, 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“, fasst Jonathan Auberle vom Institut für Fördertechnik und Logistiksysteme (IFL) des KIT, das Forschungsvorhaben zusammen.

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“, erklärt Auberle.

Federated Learning zum Schutz sensibler Daten

„Bisher wurde Federated Learning überwiegend im medizinischen Sektor zur Bildanalyse eingesetzt, wo der Schutz von Patientendaten natürlich einen besonders hohen Stellenwert hat“, sagt 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.“

Während des Projektes werden für das Training der Roboter insgesamt vier autonome Kommissionierstationen aufgebaut: zwei am Institut für Fördertechnik und Logistiksysteme des KIT sowie zwei bei Festo SE in Esslingen am Neckar. Weitere Partner sind das Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB) des KIT, Darwin AI und die University of Waterloo.

Sie möchten gerne weiterlesen?