Producción, almacén, expedición: donde se producen, clasifican o empaquetan las mercancías, también está el picking. Los robots suelen coger productos individuales de las cajas y los vuelven a montar. Festo está investigando en el proyecto FLAIROP con socios de Alemania y Canadá para hacer que los robots de picking sean más inteligentes utilizando métodos de IA distribuida. Están investigando cómo utilizar los datos de formación de varias estaciones, plantas o empresas sin tener que dar datos sensibles de la empresa.
“Estamos investigando cómo se pueden utilizar los datos de entrenamiento más versátiles posibles de múltiples ubicaciones para desarrollar soluciones más robustas y eficientes con la ayuda de algoritmos de inteligencia artificial que con los datos de un solo robot”, explica Jonathan Auberle, del Instituto de Sistemas de Manipulación de Materiales y Logística (IFL) del Instituto Tecnológico de Karlsruhe (KIT).
Aquí, los artículos son procesados en varias estaciones de picking por robots autónomos mediante agarre y transferencia. En las distintas estaciones, los robots se entrenan con artículos muy diferentes. Al final, deberían ser capaces de recoger artículos de otras estaciones que no conocían antes. “Mediante el enfoque del aprendizaje distribuido, también llamado aprendizaje federado, gestionamos el equilibrio entre la diversidad de datos y su seguridad en el entorno industrial”, afirma el experto.