Eine physikbasierte Simulation liefert die Basis für maschinenbasiertes Verhalten, da sich aus den Modellen die Algorithmen ableiten und in realistischem Umfeld testen lassen. (Bild: Machineering GmbH & Co. KG)
3D-Simulation & Machine Learning
Die Nutzung der 3D-Simulation als Trainingsumgebung für maschinelles Lernen führt den Ingenieur direkt zum nächsten Evolutionsschritt: Die Fusion beider Technologien im realen Betrieb. Denn die Freiheitsgrade des maschinellen Lernens – und damit die später im Betrieb erforderliche Bandbreite und der Rechenaufwand können durch den Einsatz eines 3D-Modelles der Maschinen und Roboter erheblich reduziert werden. Darauf wird es ankommen, wenn alle Maschinen in den Produktionsanlagen durch KI aufgewertet werden sollen. Die Wirtschaftlichkeit der bereitgestellten Rechenleistung steigt und fällt mit der Zahl und Komplexität der durch Algorithmen zu lernenden Freiheitsgrade. Die 3D-Echtzeitsimulation mit Kollisionsberechnung an der Maschine kann helfen, die zu erfassenden Freiheitsgrade deutlich zu reduzieren und so die KI auf die wesentlichen Dinge zu fokussieren.
