Productie, depozit, expediere - acolo unde se produc, se sorteaza sau se ambaleaza bunuri, exista, de asemenea, si un serviciu de picking. Deseori, robotii iau produse individuale din cutii si le reasambleaza. Festo face cercetari in cadrul proiectului FLAIROP cu parteneri din Germania si Canada pentru a face robotii de colectare mai inteligenti, folosind solutii de inteligenta artificiala distribuita. Acestia analizeaza cum se pot folosi date de instruire de la mai multe statii, uzine sau companii fara a fi nevoiti sa furnizeze date sensibile ale companiei.
"Investigam modul in care pot fi utilizate cele mai versatile date de instruire posibile, din mai multe locatii, pentru a dezvolta solutii mai robuste si mai eficiente cu ajutorul algoritmilor de inteligenta artificiala decat cu datele provenite de la un singur robot", spune Jonathan Auberle de la Institutul de manipulare a materialelor si sisteme logistice (IFL) de la Institutul de Tehnologie din Karlsruhe (KIT).
Aici, articolele sunt procesate pe mai multe statii de preluare de catre roboti autonomi, prin prindere si transfer. La diferitele statii, robotii sunt antrenati cu articole foarte diferite. La final, ar trebui sa fie capabili sa preia articole de la alte statii, articole pe care nu le-au intalnit pana la acel moment. "Prin abordarea de invatare distribuita, numita si invatare federata, gestionam echilibrul dintre diversitatea si securitatea datelor in mediul industrial", spune expertul.
Pana in prezent, Federated Learning a fost utilizat cu precadere in sectorul medical pentru analiza imaginilor, unde protectia datelor pacientilor este, in mod natural, o prioritate deosebit de mare. Prin urmare, nu exista niciun schimb de date de formare, cum ar fi imagini sau puncte de prindere, pentru formarea retelei neuronale artificiale. Doar fragmente din cunostintele stocate - ponderile locale ale retelei neuronale care indica cat de puternic este conectat un neuron la altul - sunt transferate catre un server central. In acest caz, se colecteaza ponderile de la toate statiile si se optimizeaza cu ajutorul diferitelor criterii. Versiunea imbunatatita este apoi redata posturilor locale si procesul se repeta.
Scopul este de a dezvolta algoritmi noi si mai puternici pentru utilizarea robusta a inteligentei artificiale pentru industria si logistica 4.0, respectand in acelasi timp directivele privind protectia datelor.
"In cadrul proiectului de cercetare FLAIROP, dezvoltam noi modalitati prin care robotii sa invete unii de la altii fara a partaja date sensibile si secrete de companie. Aceasta solutie aduce doua mari avantaje: protejam datele clientilor nostri si castigam viteza, deoarece, in acest mod de lucru, robotii pot prelua mai repede multe sarcini. De exemplu, robotii colaborativi pot asista lucratorii din productie la sarcinile repetitive, grele si obositoare", spune Jan Seyler, seful departamentului de dezvoltare avansata. Analiza si control la Festo.
"DarwinAI este incantat sa furnizeze platforma Explainable (XAI) pentru proiectul FLAIROP, precum si de colaborarea cu organizatii de cercetare canadiene si germane atat de prestigioase, dar si cu partenerul nostru industrial Festo. Speram ca tehnologia noastra XAI va permite realizarea unor procese de inalta calitate cu implicarea umana in acest proiect interesant, care reprezinta o fateta importanta a ofertei companiei noastre, alaturi de noua abordare a invatarii federate. Radacinile noastre sunt in cercetarea academica, suntem incantati de aceasta colaborare si de beneficiile industriale ale noii noastre abordari pentru o gama vasta de clienti din domeniul productiei", a declarat Sheldon Fernandez, CEO al DarwinAI.
"Universitatea din Waterloo este incantata sa colaboreze cu Institutul de Tehnologie din Karlsruhe si cu un lider mondial in domeniul automatizarii industriale, precum Festo, pentru a aduce in industria prelucratoare urmatoarea generatie de inteligenta artificiala de incredere", a declarat Dr. Alexander Wong, co-director al Grupului de cercetare in domeniul viziunii si al procesarii imaginilor de la Universitatea din Waterloo si cercetator sef la DarwinAI.
"Folosind inteligenta artificiala explicabila (XAI) si invatarea federata de la DarwinAI, putem crea solutii de inteligenta artificiala care sa ajute muncitorii din fabrici cu sarcinile lor zilnice de productie pentru a creste eficienta, productivitatea si siguranta."