Drei Lernmodule für die Praxis
Genutzt wird hierfür Künstliche Intelligenz (KI), und genauer Maschinelles Lernen und dessen Teilgebiet des sogenannten »Reinforcement Learning« (RL). Dieses meint, dass ein Algorithmus ähnlich dem Menschen nach dem Prinzip Versuch und Irrtum lernt. Er erhält ein Belohnungssignal für eine gelungene Aktion, um schrittweise besser zu werden.
Im Projekt entstehen drei anwendungsbezogene Lernmodule, die das Expertenwissen über die Roboterprogrammierung und die auszuführende Montageoperation kapseln: Das »Perzeptionsmodul« für die Objekterkennung, das Lernmodul »Kraftgeregeltes Fügen« für robuste Fügestrategien und das Lernmodul »Schnappverbindungen« mit einem detaillierten physikalischen Fügemodell. Mit diesen Technologien werden robuste Roboterprogramme für die Übertragung der Simulationsergebnisse in die Realität erstellt. Mithilfe dreier praxisorientierter Anwendungsfälle, der Schaltschrank-, Schalter- und Leiterplattenmontage, validieren die Projektpartner ihre Ergebnisse. Die Module für kraftgeregeltes Fügen und Schnappverbindungen bauen auf der bereits jetzt ver-fügbaren IPA-Software »pitasc« für kraftgeregelte Montageaufgaben auf und werden deren Fähigkeiten erweitern.