Festo се подготвя за интелигентното производство на бъдещето. В ролята си на технологичен и иновационен лидер в областта на индустриалната автоматизация ние се стремим да утвърдим изкуствения интелект (AI) като ключова технология и основна компетентност и да го използваме последователно за решения за автоматизация за нашите клиенти. Ето защо проучваме нови възможности и области на приложение.
Изкуственият интелект означава разнообразие от методи и техники. Те включват методи като дълбоко учене, обучение с утвърждение или биоинспириран ИИ (bio-inspired AI). Много от тези методи не са нови, но увеличената изчислителна мощ и модернизираната инфраструктура вече позволяват широкото им използване в промишленото производство. ИИ ни позволява да се справяме с проблеми, които преди са били нерешими: Например в областта на управлението на сложни системи със силно изразена динамика на потока често не е възможно да се работи с методи, базирани на модели. Абстракциите са твърде неточни или твърде сложни от математическа гледна точка. Обучението с утвърждение ще ни позволи да обучаваме такива системи в бъдеще.
С помощта на обучение с утвърждение машините могат самостоятелно да се научат как да постигнат дадена цел или да решат даден проблем. Голямото предимство е, че компютърът сам намира път, който може да е съвсем различен от този, който би избрал човек с натрупан опит. В много случаи това води до решения, които не са били предвидени преди. Областите на приложение са огромни: от технологиите за управление до роботиката и планирането на веригата за доставки - обучение с утвърждение разкрива огромен потенциал.
Дълбокото обучение е особено подходящо за отделни умения, които роботът трябва да владее много добре: например захващане на непознати обекти, но винаги с един и същ хващач. Festo трансферира алгоритми за дълбоко обучение в областта на зрението, но също така и за обединяване на елементи сензорни за хаптиката, акустиката и инфрачервения спектър в роботиката. Досега роботите често се базираха на камери и не можеха да продължат да работят, ако например има повреда в осветлението. Хаптичните, акустичните и инфрачервените елементи сензорни правят роботите по-устойчиви и способни да работят в по-трудни условия.
В областта на разпределените нехомогенни системи проучваме дали е възможно различни системи да се учат една от друга: дали например манипулаторна система може да предаде знанията си на робот. В този случай знанието не означава, че се обменят данни, а че системите комуникират помежду си и споделят наученото от тях. Ако това е възможно, цели системи могат да се оптимизират и да стават все по-добри, колкото повече интелигентни компоненти се инсталират. Например, ако ос със ходов винт и извънгабаритен цилиндър работят в тандем, цилиндърът ще нареди на оста на шпиндела да излиза с по-висока скорост вместо с пълно налягане. По този начин те пестят енергия и са по-ефективни при съвместната си работа.
Ученето от природата е важен принцип за Festo, не само в областта на биониката. Природата също може да бъде модел за алгоритми. Невронните мрежи са частично моделирани по структурата на човешкия мозък, но начинът, по който работят импулсните невронни мрежи (Spiking Neural Networks), е още по-близък до човешкия мозък. Те могат да предават и обработват информация независимо една от друга (а не само слой по слой, както е при невронните мрежи). По този начин те работят по-енергийно ефективно и по-бързо и следователно биха могли да бъдат обещаващ подход за вградени системи с малка изчислителна мощност.
Като част „Industry on Campus“ сътрудничеството с Университета в Тюбинген съвместно проучваме дали импулсните невронни мрежи могат да решават по-сложни или дори творчески задачи.
Наред с други съвместни научноизследователски дейности Университетът в Тюбинген и Festo работят върху обобщаването и преносимостта на алгоритмите. Важно е да не се налага да се обучава отделен модел за всяка система и всеки случай на употреба, за да можем да прехвърляме алгоритми.