Lernprozesse in einem Kommissioniersystem mit Mensch-Roboter-Kooperation
Wissenschaftliche Leitung
Prof. Dr. Norbert Bartneck
Ziele
- Integration der identifizierten Lösungen zur Objekterkennung aus Phase 1 in eine kooperative Lern- und Kommissionierumgebung durch eine übergeordnete digitale Prozessplattform.
- Prototypische Realisierung in einer Kommissionier-Zelle mit einem stationären Roboter für ein sich veränderndes Artikelsortiment.
- Definition von Arbeitspunkten anhand von Schwellwerten der Objekterkennung zur operativen Steuerung des Lernprozesses. Dadurch können die Auswirkung der Feedback-Schleife auf das Kommissioniersystem bewertet werden.
Ansatz
- Die Objekterkennung der Roboter wird durch verfügbare Algorithmen basierend auf Neuronalen Netzen realisiert. Diese werden durch Verfahren des Deep Learning mit Daten aus kontrollierter und operativer Umgebung trainiert. Die operativen Daten werden während der Kommissionierung kooperativ von Menschen und Robotern erzeugt.
- Die Komponenten der Kommissionier-Zelle werden als Multiagenten-System implementiert, um diese zu modularisieren und eine flexible Anbindung an die digitale Prozessplattform zu ermöglichen.
- Ein adaptives Prozessmodell für Lernprozesse in einer Kommissionierumgebung durch Mensch-Roboter-Kooperation in der Objekterkennung wurde entwickelt.
