生産, 保管, 発送 – 商品が製造, 仕分け, 梱包される場所ではどこでもピッキング作業があります。ロボットは多くの場合、箱から個々の商品を取り出して組み立て直します。FestoはFLAIROPプロジェクトの一環としてドイツとカナダのパートナーと協力し、分散型AI手法を使ったロボットのピッキングのインテリジェンス向上方法を研究しています。彼らは企業の機密データを開示することなく、複数のステーション, プラント, 企業からのトレーニングデータをどのように使用できるかを調査しています。
"私たちは人工知能アルゴリズムの助けを借りて1台のロボットからのデータよりも複数の場所からの可能な限り用途の広いトレーニングデータを使用して、より堅牢で効率的なソリューションを開発する方法を調査しています。"(Jonathan Auberle：Karlsruhe工科大学(KIT)輸送技術・ロジスティクスシステム研究所(IFL))
いくつかのピッキングステーションで製品は自律型ロボットが掴んで移動させ、さらに加工されます。ロボットは様々なステーションで非常に異なる製品でトレーニングされています。最終的にはロボットは他のステーションからの未知の商品を把持できるようになるはずです。"連合型学習としても知られる分散型学習のアプローチにより、私たちは産業環境におけるデータの多様性とデータセキュリティ間のバランスをうまく取ります"と専門家は言います。
これまで連合型学習は主に患者データの保護が非常に重要である医療部門の画像分析用に使用されてきました。したがって人工ニューラルネットワークをトレーニングするための画像や把持ポイントなどのトレーニングデータの交換はありません。保存された知識の一部(あるニューロンが別のニューロンにどれだけ強く接続されているかを示すニューラルネットワークのローカルウェイト)のみが中央サーバーに送信されます。そこですべてのステーションからのウェイトが収集され、様々な基準により最適化されます。その後改良版がローカルステーションで再生され、このプロセスが繰り返されます。
目的はデータ保護ガイドラインをベースにIndustry and Logistics 4.0の人工知能を堅牢に使用するための新しいより強力なアルゴリズムを開発することです。
"FLAIROP研究プロジェクトでは機密データや企業秘密を共有することなく、ロボットが互いに学習できる新しい方法を開発しています。これには2つの大きな利点があります。ロボットがこの方法で多くのタスクをより迅速に実行できるため、お客様のデータを保護しつつ速度を上げることができます。例えば協働ロボットは反復的で困難で面倒な作業を行う生産スタッフをサポートすることが可能です。"(Jan Seyler：Advanced Develop) Festoでの分析と制御
"DarwinAIはFLAIROPプロジェクトのために私たちのExplainable(XAI)プラットフォームを利用できるようにし、高く評価されているカナダとドイツの研究機関および産業パートナーであるFestoと提携できることを嬉しく思います。私たちのXAIテクノロジーがこのエキサイティングなプロジェクトで高い質のHuman-in-the-Loop-Prozesse(人とAIを統合したプロセス)を可能にすることを願っています。これは連合型学習の斬新なアプローチに加え、私たちが提供する重要な側面を表しています。学術研究がルーツの私たちはこのコラボレーションと幅広い製造業の顧客に対する新しいアプローチの産業における利点に興奮しています。"(Sheldon Fernandez：DarwinAI CEO
"Waterloo大学はKarlsruhe工科大学やFestoのような産業オートメーションの世界的リーダーと共同で次世代の信頼できる人工知能を生産に投入できることに興奮しています。"(AlexanderWong：Waterloo大学 視覚/画像処理研究グループ共同ディレクター, DarwinAIのチーフサイエンティスト)
"DarwinAIs Explainable AI(XAI)と連合型学習を活用することで、工場労働者の日常の生産タスクをサポートするAIソリューションを作成し、効率, 生産性, 安全性を向上させることができます。"