Machine learning, neural networks, deep learning - these are just a few of the terms you come across when looking at a definition of Artificial Intelligence. Whether it's the invincible robot in science fiction movies, the voice assistant at home, or a search query on Google, the term "Artificial Intelligence" is often used today to describe a wide range of technologies and techniques. This versatility makes it difficult to find a single, comprehensive definition that covers all the different approaches to AI. What makes it even more complicated is the fact that the field of AI is rapidly evolving and changing. What was considered AI in the past may not necessarily be considered AI today. This makes it all the more important to define AI in the context of the respective application area - and robotics is no exception.
Conventional industrial robots are machines that move from one point to another. They have to be taught point-by-point, which makes the processes rigid and inflexible. The use of Artificial Intelligence allows robots to use eyes (3D cameras) to see things, and it provides local intelligence to create their own motion plans to handle objects without exact point-to-point programming. With the option of additional force sensors, the robot can also be equipped with the "sense" to detect the exact position of objects.
Compared to common AI systems, in AI robotics robots are controlled in real time as an ongoing process, i.e., quickly, reliably, and in constant cycle times. Currently, there are no industrial robots with such integrated AI functionality. Therefore, robominds' approach is to deliver AI robot controllers as a customized product that can be adapted to existing industrial robots. The result is a product range that creates entirely new possibilities in robotics and automation with true Artificial Intelligence, for industrial processes of any type and size.
AI robotics includes robotic systems with own intelligence, which can detect the environment with sensors (cameras, force sensors, ...) and can develop own motion patterns to fulfill a given task. No programming of coordinates is required. AI robotics consists of an industrial robot with a robobrain® as brain and control platform.
Giving robots intelligence requires appropriate training. In comparison to humans, robots are not able to train specifically and improve their abilities. If a robot would have to learn by its own trial and error movements, the robot would permanently crash with its environment and destroy its own hardware over time. Due to the mechanical speed limits, the training time would be too long since millions of trials are required to generate the intelligence.
For this purpose, robominds has developed a patented process that can run robot processes in virtual simulation environments and uses artificial training data for the initial training of a robot. The basis for this is the Deep Learning process, in which large amounts of data are analyzed and converted into appropriate decision models. The platform for this learning process is a neural network: Similar to humans, this can be regarded as a brain that learns by analyzing data in exactly the same way as humans learn by trial-and-error.
Finally, the main task of a programmer is to create a precise digital model of the robot with its tools, the objects to be handled and the entire environment. Based on this simulation model, simulated field data is generated in the first step, which forms the basis for teaching the AI network in the second step. robominds has spent years of development work to optimize the process of generating field data and using it as input for the deep learning engines and AI robot intelligence.
Konventionelle Industrieroboter sind nur Maschinen, die von einem zum anderem Punkt fahren, da sie Punkt-für-Punkt eingelernt werden müssen. Die Prozesse sind dadurch starr und unflexibel. Der Einsatz von künstlicher Intelligenz ermöglicht es Robotern, Augen (3D-Kameras) zu verwenden, um Dinge zu sehen, und sie bietet lokale Intelligenz, um eigene Bewegungspläne zu erstellen, um Objekte ohne eine exakte Punkt-zu-Punkt-Programmierung zu handhaben. Mit der Option zusätzlicher Kraftsensoren kann der Roboterarm auch mit "Gefühl" ausgestattet werden, um die genaue Position von Objekten zu erkennen.
KI-Robotik umfasst Robotersysteme mit eigener Intelligenz, die mit Sensoren (Kameras, Kraftsensoren, ...) die Umgebung erfassen und eigene Bewegungsmuster entwickeln können, um eine vorgegebene Aufgabe zu erfüllen. Es ist keine Programmierung von starren Prozess-Koordinaten erforderlich. KI-Robotik besteht aus einem Industrieroboter mit einem robobrain® als Gehirn und Steuerungsplattform. (Definition - bitte farblich oder grafisch hervorheben)
Um Robotern eine Intelligenz zu verleihen, bedarf es eines entsprechendes Trainings. Das Problem dabei: Im Vergleich zum Menschen ist der Roboter nicht in der Lage, gezielt zu trainieren und seine Fähigkeiten zu verbessern. Müsste ein Roboter seine Bewegungen durch eigenes Ausprobieren in einer realen Umgebung erlernen, würde er ständig mit dieser kollidieren und mit der Zeit seine eigene Hardware zerstören. Zudem wäre die Trainingszeit aufgrund der mechanischen Geschwindigkeitsgrenzen zu lang, da Millionen Versuche erforderlich sind, um in Intelligenz zu münden.
robominds hat hierfür ein patentiertes Verfahren entwickelt, das Roboterprozesse in virtuellen Simulationsumgebungen ablaufen lassen kann und bei dem für das anfängliche Training eines Roboters künstliche Trainingsdaten verwendet werden. Die Grundlage dafür bildet der Deep Learning-Prozess, bei dem große Datenmengen analysiert und in entsprechende Entscheidungsmodelle umgewandelt werden. Die Plattform für diesen Lernprozess ist ein Neuronales Netz: Dieses kann ähnlich wie beim Menschen als ein Gehirn betrachtet werden, das durch die Analyse der Daten genau so lernt, wie der Mensch durch wahrnehmen, ausprobieren und reflektieren.
Die Hauptaufgabe eines Programmierenden besteht schließlich darin, ein präzises digitales Modell des Roboters mit seinen Werkzeugen, den zu handhabenden Objekten und der gesamten Umgebung zu erstellen. Auf der Grundlage dieses Simulationsmodells werden in einem ersten Schritt simulierte Felddaten erstellt, die die Grundlage für das Anlernen des KI-Netzwerks im zweiten Schritt bilden. robominds hat jahrelange Entwicklungsarbeit geleistet, um den Prozess der Generierung von Felddaten zu optimieren und sie als Futter für die Deep-Learning-Motoren und die KI-Roboterintelligenz zu nutzen.
