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

Anzeige

Anzeige

Das könnte Sie auch Interessieren

Bild: Abat AG
Bild: Abat AG
Forschungskooperation verlängert

Forschungskooperation verlängert

Bild: Abat AG Voneinander und miteinander lernen, gemeinsam an innovativen Ideen für den Markt innerhalb von Forschungskooperationen tätig sein - seit mehreren Jahren schon besteht eine enge Zusammenarbeit zwischen der Bremer Abat AG und der Uni Oldenburg (Abteilung...

Image: Xilinx Inc.
Image: Xilinx Inc.
Adaptive AI Vision

Adaptive AI Vision

Image: Xilinx Inc. Die Kria SOMs ermöglichen den schnellen Einsatz durch Bereitstellung einer End-to-End Lösung auf Board-Ebene mit vorkonfiguriertem Software Stack. Das Kria K26 SOM basiert auf der Zynq UltraScale+ MPSoC Architektur, die einen Quad-Core Arm Cortex...