Servicerobotik-Lab

Machine Learning bei Servicerobotern

© Rainer Bez © Fraunhofer IPA

Serviceroboter agieren außerhalb von Produktionen und somit in weitgehend unstrukturierten, stark veränderlichen Umgebungen. Die Demonstratoren im Servicerobotik-Lab zeigen, wie maschinelles Lernen hilft, diese veränderlichen Bedingungen zu erfassen, auszuwerten und daraus richtige Handlungen abzuleiten.

Ein Beispiel ist eine Navigationssoftware für mobile Roboter. Die Roboter können ohne spezielle Infrastruktur frei und situationsangepasst navigieren. Während bisher jedes Fahrzeug nur für sich selbst Sensordaten erfasste, auswertete und daraus ein optimales Fahrverhalten ableitete, optimiert mithilfe von Maschinellem Lernen nun die ganze Flotte ihr Fahrverhalten. Weiterhin ist die Bildverarbeitung eine Paradedisziplin für das Maschinelle Lernen. Es hilft unter anderem dabei, mit einer ScanStation 3D-Modelle von nahezu beliebigen Objekten in sehr kurzer Zeit zu erstellen. So lassen sich semantische digitale Objektzwillinge erzeugen, um beispielsweise große Waren- oder Bauteilsortimente digital zu erfassen. In einem nächsten Schritt kann ein Roboter auf Basis dieser Daten ein gewünschtes Objekt im Regal erkennen, greifen und kommissionieren.