生产，仓库，运输 - 在生产，储存，分类或包装的地方，也发生了挑选。这意味着从盒子或纸箱等存储单元中取出几种单独的货物并重新组装。通过Flairo（联邦学习机器人采摘）项目Festo和来自卡尔尔鲁赫工程研究所（套件）的研究人员，以及加拿大的合作伙伴，希望使用分布式AI方法使机器人更智能。为此，他们正在调查如何从多个站点，从多个工厂或甚至公司使用来自多个站点的培训数据，而无需参与者交出敏感公司数据。
“我们正在调查多个地点的最通用培训数据如何使用人工智能算法开发比只有一个机器人的数据更强大，有效的解决方案，”来自物料处理和物流研究所的Jonathan Auberle说：IFL）在套件上。在该过程中，通过抓握和转移，通过拾取站进行自主机器人进一步处理物品。在各个站，机器人用非常不同的物品培训。最后，他们应该能够掌握他们尚未学习的其他站点的文章。“通过联合学习的方法，我们在工业环境中平衡数据分集和数据安全性，”Auberle说。
强大的工业和物流算法4.0
到目前为止，联合学习主要在医学部门用于图像分析，其中保护患者数据是特别高的优先级。因此，没有交换训练数据，例如用于训练人工神经网络的图像或掌握点。只有存储的知识块 - 神经网络的本地权重告诉一个神经元的连接到另一个神经元的局部权重 - 被传送到中央服务器。
在那里，使用各种标准收集和优化所有站的重量。然后将改进的版本播放回本地站和进程重复。目标是开发新的，更强大的算法，以适应工业和物流的人工智能4.0，同时遵守数据保护指南。
“在Flairop Research项目中，我们正在为机器人互相学习的新方法，而不共享敏感的数据和公司秘密。这带来了两个重大好处：我们保护客户的数据，我们获得速度，因为机器人可以更快地采取多项任务。以这种方式，协作机器人可以例如支持生产工人，高级发展负责人Jan Seyler表示，支持生产工人“。在项目期间Festo Se＆Co Co.KG的分析与控制，共有四个自主采摘站将设立培训机器人：两位在Kit物料处理和物流研究所（IFL）和2位Festo SE公司基于Esslingen Am Neckar。
从加拿大的达尔文达和滑铁卢大学是进一步的合作伙伴
“达尔温泰着兴奋地为瓦莱普项目提供了我们的解释（Xai）平台，并高兴地与如此尊敬的加拿大和德国学术组织和我们的行业合作伙伴Festo合作。我们希望我们的Xai技术能够为这一令人兴奋的项目实现高价值的人类流程，这代表了我们提供的重要方面，与我们的新建联合学习方法一起。在学术研究中拥有我们的根源，我们热衷于这一合作和我们新方法对各种制造客户的工业效益，“达尔温泰等首席执行官谢尔顿费尔南德斯谢尔顿·费尔南德斯说。
“Waterloo大学是欣喜若狂的，与卡尔斯鲁厄技术研究所和斯托托等全球工业自动化领导者合作，为制造业带来下一代值得信赖的人工智能。经过harnessing DarwinAI’s Explainable AI (XAI) and Federated Learning, we can enable AI solutions to help support factory workers in their daily production tasks to maximize efficiency, productivity, and safety,” said Dr. Alexander Wong, Co-director of the Vision and Image Processing Research Group, University of Waterloo, and Chief Scientist at DarwinAI.
Festo.
www.festo.com.
提交：机器人•机器人夹具•终点效果
