Die neuen Melfa-Roboterarme von Mitsubishi Electric bieten mehr Traglast und höhere Reichweiten.
Kategorie: Künstliche Intelligenz & maschinelles Lernen
Depalettierzelle mit AMR
ABB hat auf der diesjährigen Logimat die neueste Generation KI-gestützter Robotiklösungen gezeigt, darunter den autonomen mobilen Roboter Flexley Tug T702, den ersten einer ganzen Reihe von mobilen ABB-Robotern mit Visual-SLAM-Navigation.
Robotik-Forschungsplattform
Franka Robotics hat mit Franka AI Companion eine neue Robotik-Forschungsplattform zur Unterstützung von Forschenden im Bereich Robotik entwickelt.
Transportroboter mit kamerabasierter Gabelerkennung
Pixel Robotics hat auf der diesjährigen Logimat seine modularen Roboter für den Palettentransport vorgestellt.
Cobot zeichnet mithilfe von KI-Bilderkennung
Einen Cobot, der zeichnen kann, zeigt das Institut für Integrierte Produktion Hannover (IPH) auf der diesjährigen Hannover Messe.
Intelligente Zuführung
Mit der GlassFeeder-Serie hat der spanische Automatisierer Teknics ein Zuführsystem mit hoher Flexibilität entwickelt. Mithilfe von Deep Learning passt sich die Anlage an unterschiedliche Größen, Formen und Oberflächen von Parfümflakons an und erfüllt die hohen Anforderungen der Kosmetikindustrie an Prozesssicherheit und Hygiene. Zwei Scara-Roboter von Stäubli sorgen dabei für die ebenso schnelle wie präzise Handhabung der Flakons.
Wie gelingt die Roboterintegration?
Um Unternehmen gegen kurzfristige Veränderungen und Anforderungen abzusichern und ihre Wettbewerbsfähigkeit zu erhalten, sind neue, flexiblere Automatisierungslösungen mit Robotern gefragt. Damit roboterbasierte Lösungen aber zu Kosteneinsparung und Effizienzsteigerung führen, kommt es weniger nur auf die richtige Technik und Hardware als vielmehr auf strukturierte Vorüberlegungen und das Erarbeiten zeitgemäßer Automatisierungskonzepte an.
Belohnung als Anreiz zum Lernen
KI-Entwickler Julian Eßer trainiert Roboter, sich intelligent zu verhalten. Denn das Entscheidende ist, dass die Maschinen nicht nur bei kalkulierbaren Ereignissen richtig handeln. Vor allem müssen sie auch in unvorhergesehen Situationen das Richtige tun. Dafür testet er als Mitglied des AI Grids, einer Initiative des Bundesforschungsministeriums, die vielversprechende Talente in künstlicher Intelligenz in Deutschland fördert, am Fraunhofer IML Hunderte Roboter in virtuellen Welten. Ziel ist, dass die Maschinen üben und lernen, mit Störungen und Varianten ähnlicher Situationen umzugehen – und dann selbst Varianten anbieten. Dafür kommt eine Art Belohnungssystem für Roboter zum Einsatz: So lernen sie leichter aus Fehlern und wählen den schnellsten und effektivsten Weg zum Ziel.
Kollisionsfrei unterwegs
Mit Hilfe von Reinforcement-Learning-Algorithmen können Roboter auch anspruchsvolle Bewegungen in einer unbekannten Umgebung und bei unbekannten Robotermodellen erlernen – doch wie kann man sicherstellen, dass sie Sicherheitsbeschränkungen respektieren, ohne dass sich ihre Performance verschlechtert?
Kollisionsfrei unterwegs
Mit Hilfe von Reinforcement-Learning-Algorithmen können Roboter auch anspruchsvolle Bewegungen in einer unbekannten Umgebung und bei unbekannten Robotermodellen erlernen – doch wie kann man sicherstellen, dass sie Sicherheitsbeschränkungen respektieren, ohne dass sich ihre Performance verschlechtert?