Motivation
Verfügbare Rechner sind heute in der Lage, die immer größer werdenden Datenmengen zu nutzen und in adäquater Zeit Modelle zur Lösung von Problemstellungen eigenständig zu lernen. Der Einsatz von Maschinellen Lernverfahren auf die industrielle Anwendung der Robotik bringt enormes Potenzial für die Wirtschaft. Jedoch kann aufgrund des Fachkräftemangels das bestehende Potenzial nicht voll ausgeschöpft werden. Zudem erfordert die Forschung in der Anwendung von Maschinellem Lernen (ML) für Robotik reale Hardware, da mit einer Simulation keine ausreichende Genauigkeit zur unmittelbaren Übertragung der Ergebnisse erreicht werden können. Bisherige Forschungen an verteilter Kooperation ressourcenbeschränkter Einzelsysteme (Roboter) haben sich aufgrund der hohen Komplexität des Systems nur auf die virtuellen Spielewelten beschränkt. Insbesondere für die Schwarmrobotik sind hier kaum Forschungsbeispiele zu finden. Somit besteht in dem Bereich Maschinelles Lernen für Robotik ein hohes Maß an Forschungsbedarf, da der Zugriff der Wissenschaftler auf Forschungsinfrastruktur mit industrienaher Hardware nicht gegeben ist.
Ziele und Vorgehen
Ziel des Vorhabens „AIA“ ist daher die kollaborative Weiterentwicklung von autonomer (Schwarm-)Robotik mit Hilfe des Maschinellen Lernens. Dabei soll zum einen ein KI-Labor als Forschungsumgebung für die Anwendung von Verfahren des Maschinellen Lernens für Schwärme autonomer Roboter zum Einsatz in der Industrie am Anwendungsbeispiel Logistik aufgebaut werden. Dieses soll im Rahmen eines Qualifizierungskonzepts Forschern und Studierenden zugänglich gemacht werden. Zum anderen soll eine Infrastruktur mit KIWerkzeugen etabliert werden, die die Anwendung von ML-Algorithmen auf der ressourcenbeschränkten Hardware eines mobilen Roboters ermöglichen und einen einfachen autonomen Steuerungsprozess unabhängig von der Zielhardware befähigen.
Innovationen und Perspektiven
Die Infrastruktur soll insbesondere zu interdisziplinären kollaborativen Forschungszwecken genutzt werden, wie beispielsweise der Einsatz von Maschinellem Lernen auf mobilen Robotern, Roboterschwarmverhalten, Mensch-Technik-Interaktion sowie Verfügbarkeit und Kuratierung von Testdatensätzen. Zudem soll ein bereits vom Fraunhofer IML prototypisch entwickelten Code-Generator, welcher trainierte Modelle in verschiedene Sprachen übersetzt, weiterentwickelt und in das Projekt AIA eingebunden werden. Die Forschungsergebnisse sollen im Bereich Logistik in weiterführende Transferprojekte mit der Industrie einfließen und darüber hinaus neue Impulse für die Forschung zur Künstlichen Intelligenz und mobilen Robotik schaffen.