생산, 보관, 발송 - 물품이 제조, 분류 또는 포장되는 곳에서 피킹도 됩니다. 이때 로봇은 상자에서 여러 개별 물품을 파지하고 재조립합니다. Festo는 독일 및 캐나다 협력업체들과 함께 FLAIROP 프로젝트에서 분산 인공 지능 기법을 활용해 물체를 보다 지능적으로 집을 수 있는 피킹 로봇을 연구하고 있습니다. 연구진은 민감한 회사 데이터를 공개하지 않고도 복수의 작업대와, 공장 또는 여러 기업들로부터 수집한 훈련 데이터를 어떻게 활용할지를 연구합니다.
KIT 산하 자재 관리 및 물류 연구소(Institute of Material Handling and Logistics, IFL)의 요나탄 아우벌르는 “우리는 인공 지능 알고리즘으로 강력하고 효율적인 솔루션을 개발하기 위해 한 대의 로봇에서 수집한 데이터보다 복수의 작업대에서 수집한 데이터를 어떻게 활용할 수 있는지를 연구합니다.”라고 말합니다.
자율 로봇은 여러 곳의 작업대에서 다양한 물품을 파지하는 훈련을 받습니다. 로봇은 다양한 스테이션에서 매우 다양한 물품을 집으며 훈련을 받습니다. 최종적으로 로봇은 그동안 훈련받지 않은 작업대에서도 물품을 잡을 수 있게 됩니다. "우리는 연합 학습(federated learning)이라고도 불리는 분산 학습 방식을 통해 산업 환경에서 데이터의 다양성과 데이터의 보안간에 균형을 달성합니다"라고 본 전문가는 말합니다.
종래에 연합 학습은 주로 환자 데이터 보호를 최우선으로 하는 의료 분야에서 이미지 분석을 위해 사용되었습습니다. 이러한 이유로 인공 신경망 훈련을 위한 이미지나 파지 지점과 같은 데이터는 교환되지 않습니다. 저장된 지식의 일부 즉, 한 뉴런이 다른 뉴런에 얼마나 강하게 연결되어 있는지를 나타내는 신경망의 지역적인 가중치만이 중앙 서버로 전송됩니다. 이곳에서 모든 작업대의 가중치가 수집되고 다양한 기준에 따라 최적화됩니다. 이렇게 최적화된 버전은 로컬 작업대로 되돌려지며 프로세스가 반복됩니다.
이 프로젝트의 목표는 데이터 보호 지침을 준수하면서 인더스트리 및 물류 4.0을 위한 인공 지능을 활용할 수 있는 강력한 알고리즘의 개발입니다.
“우리는 FLAIROP 연구 프로젝트에서 로봇이 민감한 데이터 및 회사 비밀을 공유하지 않고 서로 학습할 수 있는 새로운 방법을 개발하고 있습니다. 고객의 데이터를 보호함과 동시에 로봇이 이러한 방식으로 많은 작업을 더 신속히 수행할 수 있기 때문에 속도를 개선할 수 있습니다. 협동 로봇은 예를 들어 반복적이고 무겁거나 피곤한 작업을 수행하는 생산 직원을 지원할 수 있습니다.”라고 Advanced Develop를 총괄하는 얀 자일러가 말합니다. Festo의 분석 및 제어.
“FLAIROP 프로젝트를 위해 우리 DarwinAI의 Explainable(XAI) 플랫폼을 사용하고 명성 높은 캐나다와 독일 연구 기관 및 산업 파트너 Festo와 협력하게 되어 매우 기쁘게 생각합니다. 우리의 XAI 기술이 이 흥미진진한 프로젝트를 위해 고품질의 인간 참여형(Human-in-the-Loop) 프로세스를 실현할 수 있기를 기대합니다. 이 프로젝트는 연합 학습에 대한 우리의 새로운 접근 방식과 더불어 우리 기술력의 중요한 면모를 보여줍니다. 우리는 학술 연구에 근간을 두고 있기 때문에, 이 협력과 다양한 제조 고객을 위한 새로운 접근 방식이 가져다 주는 산업적 이점에 무엇보다 기뻐하고 있습니다.”라고 DarwinAI의 CEO인 쉘든 페르난데스가 말합니다.
"워털루 대학교는 카를스루에 공과 대학 및 Festo와 같은 산업 자동화 분야의 글로벌 리더와 협력하여 생산에 신뢰할 수 있는 차세대 인공 지능을 투입할 수 있게 되어 기쁘게 생각합니다."라고 워털루 대학의 비전 및 이미지 처리 연구 그룹의 공동 이사이자 DarwinAI의 수석 과학관인 알렉산더 웡 박사가 말합니다.
"DarwinAI의 Explainable AI(XAI) 및 연합 학습을 활용하여 일상적인 생산 작업에서 효율성, 생산성 및 안전성 향상을 위해 공장 작업자를 지원해주는 AI 솔루션을 만들 수 있습니다."