Lernende Roboter
Mit dem Exponat AI Picking zeigt das Fraunhofer IPA, wie maschinelle Lernverfahren und Simulationen die Anwendung hinsichtlich Autonomie und Leistungsfähigkeit verbessern können. Die Wissenschaftler führen das am Beispiel eines Roboters vor, der Objekte aus undefinierter Lage aus einer Kiste oder von einer Palette greift. Der Roboter wurde bereits in der Simulation umfassend trainiert und dieses Wissen dann auf die reale Anwendung übertragen. Greifposen und -strategien werden basierend auf diesem Wissen automatisch generiert und bewertet. Eine intuitive Bedienoberfläche komplettiert die Anwendung.
Die Software ARCaide Assembly Suite unterstützt Fachkräfte mit einer automatisierten Montageplanung oder einer z.B. auf Augmented Reality basierenden Montageassistenz.
Maschinelles Lernen erklären
Schließlich präsentiert das Fraunhofer IPA unter dem Motto Explainable AI Verfahren, die Entscheidungen von neuronalen Netzen visualisieren und für den Anwender transparent und nachvollziehbar machen. Die Verfahren zur Erklärbarkeit sind für alle Anwendungen geeignet, die neuronale Netze oder maschinelles Lernen nutzen und insbesondere sicherheitskritisch oder stark reguliert sind.
