Fortgeschrittene Algorithmen des maschinellen Lernens, einschließlich 'Convolutional Neural Networks' (CNN) oder Deep Learning, haben die Robotik in denvergangenen zehn Jahren revolutioniert. Insbesondere die Perzeption, also die Fähigkeit von Robotern, ihre Umgebung mit Hilfe von Sensorsystemen zu verstehen, ist davon betroffen. Wichtige Beispiele sind in diesem Zusammenhang die 3D-Computervision und das 3D-Bildverständnis, die sich auf die Analyse und Erkennung der Objekte über volumetrische Bilder und Punktwolken beziehen. Der Mangel an standardisierten industriellen Datenanalyse-Plattformen hat die Nutzung von Deep-Learning Modulen in industriellen Robotersystemen erschwert. Es ist jedoch von großer Bedeutung, solch eine Plattform zuv haben, die verschiedene Deep-Learning Module in einem komplexen System koordinieren kann und den Output eines Datenverarbeitungsmoduls allen anderen Robotermodulen zeitnah zur Verfügung stellt.

Zusammen mit dem kanadischen Partner Apera erarbeiten Resolto und das Fraunhofer IOSB-INA ein Framework, das Deep-Learning in verteilte intelligente Systeme integriert. Anwendungsfelder sind die Bereiche Industrierobotik und 2D- beziehungsweise 3D-Computervision, wobei drei konkrete Anwendungsfälle der industriellen Automatisierung betrachtet werden. Das Ergebnis wird eine schnellere und genauere Bildanalyse sowie ein besseres Bildverständnis sein, und das ohne die Notwendigkeit eines Hardware-Upgrades. Dies macht die Anwendung sowohl in bestehenden als auch in neuen Umgebungen in zahlreichen Sektoren möglich.

Mehr Infos finden Sie auf unserer Innovationsplattform