- Anzeige -
- Anzeige -
Lesedauer: 0min
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

Autor:
Firma:

News

- Anzeige -

Weitere Beiträge

Das könnte Sie auch interessieren

Mit Machine Learning präzise Vorhersagen treffen

Viele Unternehmen haben das Potenzial selbstlernender Systeme, die Machine Learning benutzen, erkannt. Dieser Teilbereich der künstlichen Intelligenz basiert auf Algorithmen, die Muster und Gesetzmäßigkeiten in großen Datenmengen erkennen. Mithilfe neuronaler Netze lassen sich aus den Datenbeständen Rückschlüsse ziehen und Prognosen treffen. In vielen Branchen bereits etabliert, findet Machine Learning als Analyse- und Steuerungsinstrument nun auch zunehmend Anwendung in der Logistik. Ein Beispiel dafür ist die Verknüpfung des Microsoft Azure Machine Learning Studios mit Bestandsmanagement- oder ERP-Systemen. Mit diesen Lösungen lassen sich unter anderem Bestände und Bestellungen optimieren sowie Lagerprozesse erheblich verbessern.

mehr lesen

Studie von VDE und Bertelsmann Stiftung: KI-Ethik messbar machen

In einer neuen Studie zeigen die Technologieorganisation VDE und die Bertelsmann Stiftung, wie sich Ethikprinzipien für künstliche Intelligenz (KI) in die Praxis bringen lassen. Zwar gibt es eine Vielzahl an Initiativen, die ethische Richtlinien für die Gestaltung von KI veröffentlicht haben, allerdings bis dato kaum Lösungen für deren praktische Umsetzung. Genau hier setzt der VDE als Initiator und Leiter der ‚AI Ethics Impact Group‘ gemeinsam mit der Bertelsmann Stiftung an.

mehr lesen

KI in der medizinischen Diagnostik

Das Robotik Startup Robominds hat in Reaktion auf die aktuelle Corona-Pandemie eine Lösung entwickelt, die Roboterarme befähigt, Proben und Reagenzien für die medizinische Diagnostik vor zu sortieren. Auf Basis künstlicher Intelligenz erkennt das Soft-und Hardwaresystem Robobrain Position und Farbe der Probenröhrchen und kann diese ohne vorheriges Einlernen voll automatisiert vor- und einsortieren.

mehr lesen

Künstliche Intelligenz für ‚Beyond 5G‘

Während viele europäische Staaten gerade dabei sind, den Mobilfunk der 5. Generation aufzubauen, arbeitet die Forschung bereits an seiner Optimierung. Denn obwohl 5G seinen Vorgängern weit überlegen ist, hat auch der neueste Mobilfunkstandard noch Verbesserungspotenzial: Besonders in urbanen Gebieten, in denen ein direkter Sichtkontakt zwischen Sender und Empfänger erschwert ist, funktioniert die Funkverbindung oftmals noch nicht zuverlässig. In dem kürzlich gestarteten EU-Projekt Ariadne erforschen nun elf europäische Partner, wie sich durch die Nutzung von hohen Frequenzbändern und künstlicher Intelligenz eine fortschrittliche Systemarchitektur für »Beyond 5G« entwickeln lässt.

mehr lesen

Schutz der Privatsphäre und KI in Kommunikationssystemen

Alle zwei Jahre vergeben der VDE, die Deutsche Telekom sowie die Städte Friedrichsdorf und Gelnhausen den mit 10.000 Euro dotierten Johann-Philipp-Reis-Preis an einen Nachwuchswissenschaftler. Dieses Jahr geht er an Prof. Dr.-Ing. Delphine Reinhardt von der Georg-August-Universität Göttingen und an Dr.-Ing. Jakob Hoydis von den Nokia Bell Labs in Nozay, Frankreich. Die beiden Preisträger teilen sich die Auszeichnung und damit das Preisgeld.

Infor bringt Infor Coleman AI auf den Markt

Infor, Anbieter von branchenspezifischer Business-Software für die Cloud, hat bekanntgegeben, dass die Plattform Infor Coleman AI für Embedded-Machine-Learning-Modelle ab sofort verfügbar ist. Sie bietet die Geschwindigkeit, Wiederholbarkeit und Personalisierung, die Unternehmen benötigen, um KI vollständig zu operationalisieren.