KI nutzen, um industrielle Automatisierung zu transformieren

Die fortschrittlichsten Ansätze für vollintelligente robotische Systeme

KI (künstliche Intelligenz) ermöglicht die Automatisierung einer wachsenden Anzahl von Geschäftsprozessen und industriellen Anwendungen. Umfang und Tempo smarter Automatisierung hängen direkt von Fortschritten in der KI ab und haben in den letzten Jahren riesige Sprünge nach vorne gemacht. In Kombination mit leistungsstarker 3D-Maschinensicht befähigt KI Roboter, jeden Objekttyp zu erkennen, zu lokalisieren und zu handhaben und somit Aufgaben zu automatisieren, die für Menschen zu gefährlich, monoton oder anderweitig anspruchsvoll wären.

Was aber ist mit KI in der industriellen Automatisierung gemeint, wie funktioniert sie, und welche Möglichkeiten eröffnet sie Fabriken und Unternehmen, die nach Modernität, Innovation und gesteigerter Produktivität streben? Sehen wir uns zunächst die Anfänge der KI und ihre schrittweise Entwicklung an.

Von den ersten Architekturen zu Convolutional Neural Networks

Der Begriff KI kann eine Reihe von Maschinenfähigkeiten und -prozessen darstellen – von einfachen Statistiken über Entscheidungsbäume bis hin zu neuronalen Netzen wie Convolutional Neural Networks (CNNs) oder sogar fortgeschrittenere Ansätze wie Reinforcement Learning.

Die Geschichte der KI-Entwicklung erlebte mehrere Ansätze, aber neuronale Netze erwiesen sich als vielversprechendster und interessantester dank ihrer Fähigkeit zu generalisieren.

In den 1990ern und frühen 2000ern erhielten neuronale Netze große Aufmerksamkeit dank der ersten erfolgreichen Anwendungen der Zeichenerkennung, die das Lesen handschriftlicher Zahlen auf Bankchecks und Briefpostleitzahlen umfassten. Diese neuronalen Netze wurden auf dem sogenannten MNIST-Datensatz (steht für Modified National Institute of Standards and Technology) trainiert, einer Sammlung handschriftlicher Ziffern von 0 bis 9, die in Machine Learning und Machine Vision zum Trainieren von Bildverarbeitungssystemen verwendet wird. Der MNIST-Datensatz diente als Basis für Benchmarking von Klassifikationsalgorithmen und wird heute noch für Training und Testzwecke genutzt.

Zwar können diese klassischen neuronalen Netze praktisch alles lernen, sie stellen jedoch eine alte, vollvernetzte Architektur dar, und ihr Training erfordert viel Zeit und Aufwand. Denn alle Neuronen einer Schicht sind vollständig mit den Neuronen der nächsten Schicht verbunden – was eine riesige Anzahl an zu lernenden Parametern bedeutet, die mit der Bildgröße wachsen. Zwar verbesserte sich die Computerleistung im Laufe der Zeit, doch das Training der Erkennung sogar kleiner Bilder dauert immer noch sehr lange.

Ein Wendepunkt in der KI-Entwicklung wurde durch die Einführung von Convolutional Neural Networks (CNNs) markiert. CNNs werden hauptsächlich für die Analyse visueller Bilder, einschließlich Bildklassifikation oder Mustererkennung, eingesetzt und bilden das Rückgrat vieler moderner Machine-Vision-Systeme. Ein weiteres Hauptanwendungsfeld ist die Verarbeitung natürlicher Sprache.

Ein CNN ist, sehr lose gesprochen, vom visuellen Kortexsystem im Gehirn inspiriert. Die Hauptidee hinter CNNs ist nicht, alle Neuronen miteinander zu verbinden, wie bei vollvernetzten Netzen, sondern nur mit benachbarten Neuronen, um Nähe zu schaffen, da benachbarte Eingaben wie Pixel verwandte Informationen tragen. Das bedeutet, dass CNNs mehrere Schichten haben können und Neuronen in einer Schicht nur mit Neuronen in der nächsten Schicht verbunden sind, die ihnen räumlich nahe sind. Dies reduziert Komplexität, die Anzahl der Neuronen im Netz und folglich auch die Anzahl der zu lernenden Parameter. Dadurch sind CNNs schneller zu trainieren, benötigen weniger Samples und können auch auf größere Bilder angewendet werden.

Der Begriff „convolutional“ bezieht sich auf den Filterprozess, durch den CNNs Muster erkennen. Die einzelnen Schichten convolvieren, also kombinieren, den Input und geben das Ergebnis an die nächste Schicht weiter.

Der Fortschritt in der Entwicklung von CNNs wurde auch durch Fortschritte bei Grafikprozessoren (GPUs) beschleunigt. Ihre Leistung und Rechenkraft haben sich in den letzten Jahren immens verbessert und neue Möglichkeiten für das Training von CNNs eröffnet.

Einer der anerkanntesten Führer im KI-Bereich, oft als „Godfather of AI“ bezeichnet, ist Geoffrey Hinton. Er hat einen Abschluss in experimenteller Psychologie und künstlicher Intelligenz. Diese Kombination gab ihm großen Einblick in das Training künstlicher neuronaler Netze.

2012 markierte sein Student Alex Krizhevsky einen weiteren Wendepunkt in der KI, als er ein CNN erstellte, das die Art nachahmen konnte, wie das menschliche Gehirn Objekte erkennt. Das CNN wurde AlexNet genannt und ermöglichte erstmals in der Geschichte einer Maschine, Objekte wie ein Mensch zu identifizieren.

Dieser Durchbruch popularisierte Convolutional Neural Networks und zeigte die enorme Bandbreite an Anwendungen, in denen CNNs eingesetzt werden können.

Training eines Convolutional Neural Network

Bei der Objekterkennung ist es wichtig, dass ein CNN eine Eigenschaft namens Invarianz besitzt. Das bedeutet, dass es invariant gegenüber Translation, Blickwinkel, Größe oder Beleuchtung ist, um Eingabemuster interpretieren und Objekte klassifizieren zu können, unabhängig davon, wo und wie sie in einem Bild platziert sind. Um dies zu erreichen, muss das CNN auf einer gewissen Menge an Beispielen trainiert werden. Eine der besten Praktiken, die Menge relevanter Daten in einem Datensatz zu erhöhen, ist Data Augmentation.

Augmentation ist die Praxis, Eingabedaten, also das Originalbild, zu modifizieren, um mehrere andere, leicht veränderte Versionen davon zu erzeugen. Augmentationstechniken umfassen horizontales oder vertikales Spiegeln, Rotation, Skalierung, Ausschneiden, Verschieben des Bildes entlang der X- oder Y-Richtung und andere.

Das Training eines CNN mit veränderten Daten macht seine Neuronen immun gegen solche Augmentierungen und verhindert, dass es irrelevante Muster lernt. Ein gespiegelter Papagei wird so immer noch als Papagei erkannt.

Sehr hilfreich ist hier das sogenannte Transfer Learning. Um die Menge an Trainingsdaten zu reduzieren, kann man ein bereits existierendes und trainiertes Netzwerk verwenden und einige seiner Filter für die Erkennung neuer Objektarten anwenden. Ein für Hundeerkennung trainiertes Netzwerk kann beispielsweise auch für Katzenerkennung genutzt werden, indem man einige seiner Filter beibehält und nur einen bestimmten Teil modifiziert. Das Netzwerk passt sich so der Katzenerkennung an.

Vorteile modularer Convolutional Neural Networks

Der große Wert von CNNs liegt in ihrer Architektur und der Tatsache, dass die einzelnen Module einzelne Bildblöcke betrachten. Die Module müssen nicht gleichzeitig trainiert werden und können leicht zusammengefügt werden. Die Kombination dieser gut trainierten Module führte zu komplexen Architekturen, die für Segmentierung genutzt werden können.

Im Gegensatz zu AlexNet, das nur erkennen kann, was im Bild ist, können diese komplexen CNNs Objeksegmentierung durchführen und die Position des Objekts im Bild definieren.

Diese Modularität ermöglicht die Nutzung verschiedener Eingangskanäle, was bedeutet, dass wenn das CNN für Schwarz-Weiß-Daten genutzt wurde, es auch für Farbdaten genutzt werden kann, und wenn es für Farbdaten genutzt wurde, kann es durch Tiefeninformationen erweitert werden. Das Hinzufügen zusätzlicher Informationen steigert die Leistung des CNNs, was erhöhte Genauigkeit und bessere Erkennung von Objekten und ihren Positionen umfasst.

Von Objekterkennung zu smarten Automatisierungslösungen

Basierend auf den oben genannten Eigenschaften und Charakteristika von Convolutional Neural Networks nahm Photoneo CNNs als Basis für seine fortschrittlichen Robotic-Intelligence-Systeme und Automatisierungslösungen.

Photoneos CNN arbeitet mit Schwarz-Weiß-Daten, Farbdaten sowie Tiefeninformationen. Die Algorithmen wurden auf einem großen Datensatz von Objekten trainiert, und wenn sie auf neue Artikeltypen stoßen, können sie schnell generalisieren, also Objekte erkennen und klassifizieren, die sie noch nicht „gesehen“ haben.

Nehmen wir das Konzept einer Box. Die Algorithmen wurden auf einem großen Datensatz von Boxen trainiert, sodass sie verstehen, dass eine Box eine bestimmte Anzahl an Flächen, Kanten und Ecken hat. Dieses Prinzip funktioniert auch für Boxen, die den Algorithmen noch nicht begegnet sind, selbst für gequetschte oder beschädigte. Der größte Wert der KI liegt darin, dass sie Konzepte, auf die sie trainiert wurde, ohne weiteres Neutraining verallgemeinern kann.

Dies ermöglicht Photoneo-Systemen, Gegenstände verschiedenster Formen, Größen, Farben oder Materialien zu erkennen – eine robotische Fähigkeit, die für die Lokalisierung und Handhabung gemischter Objekte genutzt wird, einschließlich organischer Artikel wie Obst oder Fisch, Paketsortierung, Entladen von mit Kartons beladenen Paletten und vielen weiteren industriellen Anwendungen.

Es kann auch vorkommen, dass die Algorithmen auf Objekte mit Merkmalen stoßen, die fundamental anders sind als jene, auf die sie trainiert wurden. Dies könnte das CNN verwirren und seine Leistung mindern. Abhilfe schafft entweder die Vorbeugung durch Erwartung exotischer Objekte oder ein gutes Retraining-System. Im letzteren Fall sinkt die Leistung vorübergehend, aber das CNN wird schnell wieder auf Volllistung retrainiert.

Falls ein Kunde ungewöhnliche Artikel oder Non-Commercial-Produkte wie Industriekomponenten greifen muss, kann das CNN auf einem spezifischen Datensatz mit diesen exotischen Artikeln trainiert werden.

Bei der Realisierung eines Kundenprojekts erhält der Kunde Photoneos CNN für Pilottests und eine Machbarkeitsstudie, um sicherzustellen, dass das Netzwerk für diese spezielle Anwendung genutzt werden kann. Dieses CNN kann dann verbessert und weiter auf Bildern aus der Pilotphase des Projekts trainiert werden, was größere Variabilität bietet.

Die größte Herausforderung bei KI-gestützter Objekterkennung und -greifen

Die größte Herausforderung könnte auch als das letzte Puzzleteil beschrieben werden, das im Spektrum greifbarer Objekte fehlte. Dieses letzte Stück waren Beutel.

Die Schwierigkeit liegt in der Natur der Beutel, da sie extrem verformbar und voller Falten, Knitter und anderer Unregelmäßigkeiten sind. Trotz der Herausforderungen, die Beutel für KI darstellen, entwickelte Photoneo ein System, das Beutel erkennen und greifen kann – ob sie voll, halb leer, farbig, transparent oder halbtransparent sind. Diese Aufgabe ist oft selbst für das menschliche Auge herausfordernd, das Schwierigkeiten haben kann, Grenzen zwischen chaotisch in einem Behälter platzierten Beuteln zu erkennen, besonders wenn sie transparent sind.

Doch gute Erkennung und Lokalisierung von Beuteln sind nur ein Teil der Vorbedingung für erfolgreiches Objekthandling. Der andere Teil betrifft die mechanische Seite einer Anwendung – den Robotergreifer. Da Beutel voller Falten und Knitter sind, steigt das Risiko, dass sie vom Greifer rutschen. Dieses Risiko kann durch den Einsatz eines geeigneten Vakuumgreifers mit Rückmeldung verhindert werden.

Zukünftige Entwicklungen der KI

Trotz signifikanter Fortschritte in der KI in den letzten Jahren bietet das Feld noch riesigen Raum für neue Errungenschaften. So erhält beispielsweise sogenanntes Reinforcement Learning große Aufmerksamkeit, da es sehr vielversprechend erscheint, komplexe Bewegungen vorzuschlagen, beispielsweise einem Roboter zu ermöglichen, die Position eines Objekts vor dem Greifen anzupassen.

Reinforcement Learning kann nicht nur mit Objekterkennung umgehen, sondern auch mit mechanischen Problemen einer Anwendung. Das bedeutet, es ermöglicht einem System nicht nur, Artikel zu erkennen, sondern auch die einzelnen Schritte einer Roboteraktion basierend auf Belohnungen und Bestrafungen zu bewerten und die „Chance auf Erfolg oder Misserfolg zu berechnen“. Anders ausgedrückt: KI-Algorithmen werden trainiert, eine Sequenz von Entscheidungen zu treffen, die zu Aktionen führen, die die Gesamtrewards maximieren. Ein Beispiel für die Kraft von Reinforcement Learning ist das Meistern und Gewinnen des Brettspiels Go.

Trotz seines immensen Potenzials ist Reinforcement Learning eng mit der Umgebung verknüpft, in der es eingesetzt wird, und den Limitationen, die sie auferlegen kann. Beispielweise werden der eingesetzte Greifer und seine Funktionalitäten und Limitationen immer die Gesamtleistung eines Systems beeinflussen.

KI ist der Haupttreiber aufkommender Technologien, und ihre Entwicklungen werden stark von einer Reihe von Faktoren abhängen, darunter Marktanforderungen, Kundenansprüche, Wettbewerb und viele andere.