FLAIROP

Federated Learning for Robot Picking

Das Forschungsprojekt FLAIROP (Federated Learning for Robot Picking) entwickelt erstmals einen Ansatz des verteilten Lernens für Pick-and-Place Roboter, um bekannte sowie unbekannte Objekte robust erkennen und greifen zu können.

Ziel ist es, aktuelle KI-Lösungen mit mehr Daten unter Wahrung der Datenschutzbestimmungen zu versorgen. Es soll kein Austausch von Trainingsdaten (z. B. Bildern, Greifpunkten, etc.) stattfinden.

Das internationale Forschungsprojekt untersucht hierbei, wie Trainingsdaten aus mehreren Werken oder sogar Unternehmen genutzt werden können, die Erkennungsleistung im Vergleich zum Training mit einem einzelnen Roboter erhöht werden können.

Im Projekt wird eine automatisierte Erzeugung von Lerndaten fokussiert, die für die Algorithmen zur Grifferkennung, Lerndatengenerierung und „Federated Learning“ erforderlich sind. Über eine Cloud-Struktur werden diese Daten und Algorithmen für das verteilte Lernen bereitgestellt. Damit wird die nächste Entwicklungsstufe zur einfachen Handhabung von autonom agierenden Systemen im Kontext von Industrie 4.0 beschritten. Insbesondere wird die Robotik um KI-basierte Datenverarbeitungsverfahren ergänzt.

Bisher wurde Federated Learning überwiegend im medizinischen Sektor zur Bildanalyse eingesetzt (Schutz von Patientendaten). Eine Übertragung der Technologie in die immer weiter vernetzte Industrie 4.0 / Logistik 4.0 bietet starkes Potential für den robusten Einsatz von künstlicher Intelligenz und Entwicklung von neuen, leistungsstärkeren Algorithmen – unter Einbehaltung der Datenschutzrichtlinien.

Verbundpartner:
• Festo SE & Co. KG (Konsortialführung, Deutschland)
• Karlsruher Institut für Technologie (KIT) (Deutschland)
• University of Waterloo (Kanada)
• Darwin AI (Kanada)

Verbundkoordinator:
Festo SE & Co. KG

Projektlaufzeit: Feb. 2021 - Jul. 2023

Gesamtvolumen: 1,4 Mio. Euro

Fördervolumen: 1,0 Mio. Euro