Produção, armazém, expedição - onde as mercadorias são produzidas, classificadas ou embaladas, também há picking. Muitas vezes, os robôs vão buscar mercadorias individuais a caixas e reorganizam-nas. No âmbito do projeto FLAIROP, a Festo está a investigar com parceiros da Alemanha e do Canadá para tornar os robôs de picking mais inteligentes usando métodos de IA distribuídos. Estão a investigar como usar dados de formação de várias estações, fábricas ou empresas sem ter que fornecer dados sensíveis da empresa.
"Estamos a investigar de que forma dados de formação tão diversificados quanto possível provenientes de vários locais podem ser usados para desenvolver soluções mais robustas e eficientes com a ajuda de algoritmos de inteligência artificial do que com dados de apenas um robô", diz Jonathan Auberle do Instituto de Sistemas de Manuseio de Materiais e Logística (IFL) do Instituto de Tecnologia de Karlsruhe (KIT).
Aqui, os artigos são processados em várias estações de picking por robôs autónomos através de agarramento e transferência. Nas várias estações, os robôs são treinados com artigos muito diferentes. No final, eles deverão ser capazes de pegar em artigos de outras estações que não ainda não conheciam. "Através da abordagem de aprendizagem distribuída, também chamada de Aprendizagem Federada, fazemos o exercício de equilíbrio entre a diversidade e a segurança dos dados no ambiente industrial", afirma o especialista.