更好地用智能采摘机器人抓住

生产，仓库，运输 - 在生产，储存，分类或包装的地方，也发生了挑选。这意味着从盒子或纸箱等存储单元中取出几种单独的货物并重新组装。用Flairop（联邦学习机器人采摘）项目费斯托来自卡尔斯鲁赫理工学院（套件）的研究人员与加拿大的合作伙伴一起，希望使用分布式AI方法使机器人更智能。为此，他们正在调查如何从多个站点，从多个工厂或甚至公司使用来自多个站点的培训数据，而无需参与者交出敏感公司数据。

KIT材料处理和物流研究所(IFL)的乔纳森·奥伯利(Jonathan Auberle)说:“我们正在研究如何利用来自多个地点的最通用的训练数据，利用人工智能算法开发更强大、更高效的解决方案，而不是只使用一个机器人的数据。”在这一过程中，物品在多个拾取站通过抓取和搬运的方式被自主机器人进一步处理。在不同的站点，机器人要接受非常不同的训练。最后，他们应该能够掌握其他电视台的文章，他们还没有了解。“通过联合学习的方法，我们在工业环境中平衡了数据多样性和数据安全，”这位专家说。

强大的算法，工业和物流4.0

到目前为止，联邦学习主要用于医疗领域的图像分析，其中患者数据的保护是一个特别高的优先级。因此，不需要交换训练数据，如图像或抓取点来训练人工神经网络。只有一些存储的知识——神经网络的局部权重，它告诉我们一个神经元与另一个神经元的连接有多紧密——被传送到中央服务器。在那里，来自所有站点的权重被收集，并使用各种标准进行优化。然后将改进后的版本播放到本地电台，并重复这一过程。其目标是开发新的、更强大的算法，在符合数据保护指南的同时，为工业和物流4.0的人工智能的稳健使用提供有力支持。

“在Flairop Research项目中，我们正在为机器人互相学习的新方法，而不共享敏感的数据和公司秘密。这带来了两个重大好处：我们保护客户的数据，我们获得速度，因为机器人可以更快地采取多项任务。通过这种方式，协作机器人可以例如支持具有重复，重和累人的任务的生产工人“，先进的发展负责人Jan Seyler解释道。在项目期间Festo Se＆Co Co.KG的分析与控制，共有四个自主采摘站将设立培训机器人：两位在Kit物料处理和物流研究所（IFL）和2位Festo SE公司基于Esslingen Am Neckar。

创业公司DarwinAI和加拿大滑铁卢大学(University of Waterloo)是进一步的合作伙伴

“达尔温泰着兴奋地为瓦莱普项目提供了我们的解释（Xai）平台，并高兴地与如此尊敬的加拿大和德国学术组织和我们的行业合作伙伴Festo合作。我们希望我们的Xai技术能够为这一令人兴奋的项目实现高价值的人类流程，这代表了我们提供的重要方面，与我们的新建联合学习方法一起。在学术研究中，我们热衷于这一合作和我们新方法为一系列制造客户的工业利益“，达尔温泰等首席执行官首席执行官Sheldon Fernandez说。

“滑铁卢大学非常高兴能与卡尔斯鲁厄理工学院(Karlsruhe Institute of Technology)以及像费斯托(Festo)这样的全球工业自动化领导者合作，将下一代值得信赖的人工智能带到制造业。通过利用达尔文人工智能的可解释人工智能(XAI)和联邦学习，我们可以使人工智能解决方案帮助支持工厂工人的日常生产任务，以最大限度地提高效率、生产率和安全性。”达尔文ai的首席科学家

本文原本来自Festo Corporation。