„Wir liefern das Robotergehirn“

Industrieroboter sind in der Produktion weit verbreitet. Wie unterscheiden sich die Roboter von Nomagic von ihren Roboterkollegen? @Interview_Grundschrift:Kacper Nowicki: Nomagic-Roboter befassen sich mit unstrukturierten Umgebungen in Logistiklagern, in denen wir häufig auf mehr als 10.000 verschiedene Produkte stoßen. Wir verwenden auf künstlicher Intelligenz basierende Bildverarbeitungssysteme, um Teile zu identifizieren, die aufgenommen werden sollen, und planen die Roboterbewegungen entsprechend. Während wir die gleichen Roboterarme wie in den traditionellen Systemen verwenden, können unsere Roboter sehen. Sie können auch die Umgebung fühlen, indem sie andere Sensoren verwenden. Können Sie Beispiele für den Einsatz von Robotern in unstrukturierten Umgebungen nennen? @Interview_Grundschrift:Nowicki: Unsere Roboter können z.B. Produkte aus automatischen Lagersystemen entnehmen und einem Sortiersystem zuführen. Dazu muss der Roboter Produkte aus einem Plastikbehälter entnehmen, Barcodes scannen und die Produkte ordnungsgemäß auf die Sortiermaschine legen. Wir arbeiten auch mit Automobilherstellern an Sequenzierung und Kitting und bereiten komplette Sätze von Artikeln vor, die in Autos auf einer Produktionslinie installiert werden müssen. Auch hier gibt es mehr als 100.000 verschiedene Teile und die Roboter müssen neue Teile leicht handhaben können. Wodurch können Sie Operationen in diesen unstrukturierten Umgebungen durchführen? @Interview_Grundschrift:Nowicki: Menschen können solche Aufgaben leicht bewältigen, weil sie ihr Arbeitsumfeld sehen können. Nomagic-Roboter verfügen auch über Sehsysteme, die farbige 3D-Bilder verwenden und Entscheidungen auf der Grundlage des Verständnisses der sie umgebenden Welt treffen. Wir verwenden tiefe neuronale Netze, um Informationen auf diesen 3D-Bildern zu analysieren. Wenn wir die Roboter auf der Grundlage eines vielfältigen Satzes von Bildern trainieren, können sie die richtige Entscheidung für ein neues, noch nie gesehenes Bild treffen. Nachdem wir Hunderte von verschiedenen T-Shirts und anderen Kleidungsstücken in Plastikfolie verpackt gezeigt haben, kann unser System z.B. jedes neue ähnliche Modeelement identifizieren. Zusätzlich verbessern wir kontinuierlich die Entscheidungen der neuronalen Netze, indem wir Daten aus der Produktion sammeln und unsere Robotergehirne auf Basis einer Teilmenge trainieren.

• 

• 

Was sind das für Produkte, die mit Hilfe von Bildverarbeitungssystemen schwer zu identifizieren sind? @Interview_Grundschrift:Nowicki: Es gibt viele schwierige Fälle, die schwer zu handhaben sein können. Beispiele sind reflektierende oder durchsichtige Verpackungen sowie Produkte, die vollständig schwarz oder weiß sind. Die Eingabe der Kameras kann in diesen Fällen unvollständig sein, z.B. fehlt in einigen Fällen die Tiefeninformation. Unsere neuronalen Netzwerke liefern zuverlässige Entscheidungen, selbst wenn die Informationen unvollständig sind. Was wird noch für einen zuverlässigen Roboterbetrieb benötigt? @Interview_Grundschrift:Nowicki: In unstrukturierten Umgebungen ist ein zuverlässiges Robotergehirn erforderlich, das 99 Prozent der Fälle bewältigen kann. Es gibt jedoch seltene Ereignisse, wie z.B. das Aufnehmen von zwei Gegenständen statt einem, das Ablegen eines Gegenstandes, während der Roboter ihn handhabt, oder ein sehr seltener Fall, bei dem sich eine Kiste oder ein Paket, das der Roboter aufgenommen hat, öffnet und Gegenstände herausfallen. Wir haben eine Technik zur Erkennung von Anomalien entwickelt, um diese seltenen Fälle sowohl zu erkennen als auch zu behandeln. Wir verwenden dazu die Daten von bestimmten Sensoren. So können wir z.B. das Gewicht des Artikels messen und vorhersagen, ob es sich erwartungsgemäß um einen Artikel oder vielleicht um zwei Artikel, handelt. Wir verwenden auch visuelle Systeme, um festzustellen, ob eine Aktion korrekt ausgeführt wurde. Ist Ihr System bei dieser Anomalieerkennung völlig autonom? @Interview_Grundschrift:Nowicki: Unsere Roboter handhaben über 99 Prozent der Fälle selbstständig, aber gelegentlich benötigen sie immer noch Hilfe. Unsere Cloud/Software-Lösung ermöglicht die Echtzeitüberwachung von Robotern. Wenn eines unserer automatisierten Systeme anzeigt, dass ein Fehler aufgetreten sein könnte, können wir menschliche Bediener bitten, dem Roboter zu helfen.