Festo si prepara per la produzione intelligente del futuro. Nel nostro ruolo di leader della tecnologia e dell'innovazione nell'automazione industriale, puntiamo ad affermare l'intelligenza artificiale (IA) come una tecnologia e una competenza chiave e ad utilizzarla costantemente per le soluzioni di automazione dei nostri clienti. Stiamo esplorando nuove possibilità e aree di applicazione.
L'intelligenza artificiale sta per una varietà di metodi e tecniche. Tra di essi, metodi come l'apprendimento profondo, quello per rinforzo o l'IA bio-ispirata. Molti di questi metodi non sono nuovi, ma una maggiore potenza di calcolo e un'infrastruttura modernizzata ne permettono ora un uso diffuso nella produzione industriale. L'IA permette di affrontare problemi prima irrisolvibili: per esempio, nell'ingegneria del controllo di sistemi complessi con una forte dinamica dei fluidi, spesso non è possibile lavorare con metodi basati su modelli. Le astrazioni sono troppo imprecise complesse. Con l'apprendimento per rinforzo potremmo insegnare tali sistemi in futuro.
Con l'apprendimento per rinforzo, le macchine possono imparare come raggiungere un dato obiettivo o risolvere un problema. Il grande vantaggio è che il computer stesso trova un percorso che può essere molto diverso da quello che prenderebbe un essere umano con esperienza appresa. In molti casi, questo genera soluzioni a cui non si pensava prima. I campi di applicazione sono vasti: dal controllo alla robotica alla pianificazione della Supply Chain, l'apprendimento per rinforzo apre un potenziale enorme.
L'apprendimento profondo è adatto per abilità individuali in cui un robot deve essere molto bravo: per esempio, afferrare oggetti sconosciuti, ma sempre con la stessa pinza. Festo sta trasferendo algoritmi di apprendimento profondo nel campo della visione, ma anche per la fusione di sensori per aptica, acustica e infrarossi. Finora, i robot sono stati basati su telecamere e non possono continuare a lavorare in caso di guasto, per esempio. I sensori aptici, acustici e infrarossi rendono i robot più robusti e capaci di funzionare in condizioni più difficili.
Nell'area dei sistemi distribuiti inomogenei, stiamo studiando se è possibile che più sistemi apprendano l'uno dall'altro e se un sistema di manipolazione può trasmettere la sua conoscenza a un robot. La conoscenza in questo caso non significa uno scambio di dati, ma i sistemi comunicano tra loro e condividono la loro conoscenza appresa. Se questo è possibile, interi sistemi possono ottimizzarsi e diventare migliori quanto più sono installati componenti intelligenti. Per esempio, se un asse del mandrino e un cilindro sovradimensionato lavorano in tandem, il cilindro dirà all'asse del mandrino di estendersi a una velocità maggiore invece che alla massima pressione. Così risparmiano energia e sono più efficienti.
Imparare dalla natura è importante per Festo, e non solo nella bionica. La natura può essere modello per gli algoritmi. Le reti neurali sono in parte modellate sul cervello umano in termini di struttura, ma il modo in cui funzionano le reti neurali pulsate (reti neurali spike) è ancora più vicino al cervello umano. Possono trasmettere ed elaborare informazioni indipendentemente (e non solo strato per strato, come nelle reti neurali). Operano in modo più efficiente e rapido e potrebbero rappresentare un approccio promettente per i sistemi emessi con poca potenza di calcolo.
Nell'ambito di "Industry on Campus" con l'Università di Tubinga, stiamo studiando insieme se le reti neurali Spiking possono risolvere compiti più complessi o addirittura creativi.
Tra le altre attività di ricerca congiunte, l'Università di Tubinga e Festo stanno lavorando sulla generalizzabilità e trasferibilità degli algoritmi. È importante che non si debba addestrare un modello separato per ogni sistema e ogni caso d'uso, in modo da poter trasferire gli algoritmi.