Machine Learning

Daniel Schilling,

Roboter mit KI programmieren

Das ISW der Universität Stuttgart erforscht die Programmierung von Robotern mittels Machine Learning in einer virtuellen Umgebung.

Eine Forschungsgruppe am Stuttgarter ISW arbeitet an einem neuen Verfahren, um Roboter mit der Hilfe künstlicher Intelligenz zu programmieren. © Universität Stuttgart, ISW

Die Anforderung der weltweiten Märkte nach kundenspezifischen Produkten stellt die Hersteller von Produktionssystemen vor die Herausforderung, flexible und trotzdem wirtschaftliche Systeme entwickeln zu müssen. Die Robotik hat in diesem Umfeld aufgrund ihrer Flexibilität einen festen Platz gefunden. Für die Programmierung von Robotersystemen versprechen Methoden der künstlichen Intelligenz beziehungsweise des maschinellen Lernens einen neuen Effizienzsprung.

Virtuelle Inbetriebnahme

Ein etabliertes Werkzeug zur Programmierung von Produktionssystemen ist die Virtuelle Inbetriebnahme (VIBN). Sie nutzt eine virtuelle Testumgebung, um die Programmierung vor der Inbetriebnahme des realen Systems zu testen, Fehler zu beseitigen und Optimierungen vorzunehmen. Durch die virtuelle Testumgebung können Tests früher und risiko-freier durchgeführt werden. Als Testumgebung werden X-in-the-Loop-Systeme eingesetzt. Die Systeme bestehen aus der Kopplung einer Simulation des Produktionssystems und der Steuerungstechnik. Bei Software-in-the-Loop wird die Steuerungstechnik emuliert. Sowohl der VDMA als auch VDI/VDE bieten umfassendes Wissen zu VIBN, in Form eines Leitfadens respektive einer Richtlinie an.

Testautomatisierung

Durch Parallelisierung während der VIBN werden die Aufwände der Inbetriebnahme lediglich zeitlich nach vorn gezogen, die Gesamtzeit der Aufwände wird dadurch nicht reduziert. Daher wurde am ISW an einer Effizienzmethode – der Testautomatisierung – geforscht, die den eigentlichen Aufwand für die Tests des Produktionssystems verringert[3]. Dabei ermöglichen die automatisierte Ausführung und Auswertung von Testläufen, einen Zeitgewinn. Jeder Test mit anschließender Fehlerbehebung entspricht dabei einer Optimierungsschleife der Steuerungsprogrammierung oder des Gesamtsystems, die von den Steuerungsentwicklern vorangetrieben werden. Ein Ansatz, die anspruchsvolle Arbeit bei der Programmierung und Optimierung werkzeuggestützt zu ermöglichen, ist das Reinforcement Learning (RL).

Anzeige

Reinforcement Learning

RL steht für eine spezielle Klasse von Problemen, für die eine Vielzahl von Methoden zur automatischen Lösungsfindung aus dem Bereich des maschinellen Lernens zur Verfügung stehen. Dabei interagiert ein lernfähiges Programm, ein sogenannter Agent, mit einer Umgebung (englisch: Environment). Der Agent nimmt seine Umgebung in Form eines Zustandsraums wahr und kann über definierte Aktionen Einfluss auf die Umgebung ausüben. Der Agent versucht eine spezielle Aufgabe zu erfüllen und lernt dabei laufend dazu, indem er für jede Iteration eine Belohnung oder Bestrafung als numerisches Feedback erhält und sein Verhalten entsprechend anpasst.

Am ISW konnte in verschiedenen Arbeiten gezeigt werden, dass Software-in-the-Loop-Testumgebungen eine passende Lernumgebung für RL-Agents darstellen. Der Agent kann dabei die Rolle der Steuerung übernehmen und die Sollsignale als Aktionen an das Produktionssystem schicken. Alternativ kann er durch seine Aktionen eine bestehende industrielle Steuerung programmieren und parametrieren.

Der Agent lernt nach einem der gewählten Szenarien in der virtuellen Testumgebung, da diese günstiger aufzubauen ist und gefahrlos auch Fehler beim Lernen zulässt. Ein zentraler Punkt für RL ist, eine geeignete Belohnungsfunktion für den Agenten zu definieren. Die Entwicklung einer Belohnungsfunktion ist zurzeit nur durch RL-Experten möglich. Zusätzlich sind Belohnungsfunktionen zum Teil problemspezifisch, sodass die Übertragbarkeit einmal gefundener Belohnungsfunktion nicht gegeben ist.

Die Lösung: testgetriebenes Lernen

Die Abläufe beim Testen der Steuerungsprogrammierung und dem Lernen beim RL sind vergleichbar. Der entscheidende Punkt ist, die definierten Testfälle aus der Steuerungsprogrammierung als Belohnungsfunktion für den Agenten zu betrachten. Durch die Kopplung der automatisierten Tests mit dem Lernvorgang bekommt der Agent die Testergebnisse als Belohnung. Unter der Annahme, dass die Tests für die Steuerungsprogrammierung vorab definiert wurden, entsteht eine an die testgetriebene Entwicklung (englisch: Test-Driven Development) angelehnte Methode. Erste Ergebnisse zeigen, dass klassische Steuerungstests geeignet sind, um den Agenten die geforderten Abläufe der Automatisierung in Form von Steuerungsprogrammen erlernen zu lassen.
Dipl.-Ing. Karl Kübler; Florian Jaensch, M.Sc.; Univ.-Prof. Dr.-Ing. Dr. h.c. mult. Alexander Verl

Kurz erklärt: Das ISW der Universität Stuttgart

Das Institut für Steuerungstechnik der Werkzeugmaschinen und Fertigungseinrichtungen (ISW) der Universität Stuttgart fühlt sich gleichermaßen der grundlagenorientierten Forschung und der anwendungsbezogenen Entwicklung verpflichtet, woraus sich die erfolgreiche Zusammenarbeit sowohl mit öffentlichen Projektträgern als auch mit der Industrie ableitet. Im Laufe des über 50-jährigen Bestehens konnten die Forschungsschwerpunkte sowie die Anwendungsgebiete ständig erweitert werden. Weitere Informationen gibt es unter: www.isw.uni-stuttgart.de

Kurz erklärt: Der MHI e.V.

Die Wissenschaftliche Gesellschaft für Montage, Handhabung und Industrierobotik e.V. (MHI e.V.) ist ein Netzwerk renommierter Universitätsprofessoren – Institutsleiter und Lehrstuhlinhaber – aus dem deutschsprachigen Raum. Die Mitglieder forschen sowohl grundlagenorientiert als auch anwendungsnah in einem breiten Spektrum aktueller Themen aus dem Montage-, Handhabungs- und Industrierobotikbereich. Weitere Infos zur Gesellschaft, deren Mitgliedern und Aktivitäten: http://www.wgmhi.de

Anzeige

Das könnte Sie auch interessieren

Anzeige
Anzeige
Anzeige
Anzeige

Open Robotics

Wie der Roboter mit der Maschine spricht

Comau Robotics und B&R ebnen den Weg für eine neue Ära beim Einsatz von Robotern in der industriellen Fertigung. Durch die vollständige Integration der Robotersteuerung in die Anlagensteuerung gibt das Open Robotics Konzept von Comau und B&R...

mehr...
Anzeige
Anzeige
Anzeige

Programmierassistent

Grundprogramme schnell erstellen

Für die Linearroboter mit der Steuerung MC6 von Krauss Maffei gibt es den Programmierassistenten Wizard X, einen neuen Online-Assistenten als Ergänzung zum bewährten Offline-Programmierungstool. Mit Hilfe der grafischen Oberfläche lassen sich...

mehr...

Industrieroboter

Wie ein Familienoberhaupt

fungiert die neue Robotersteuerlösung Kemotion von Keba, die auf der Motek vorgestellt wird. Nach Angaben des Herstellers bietet die Steuerung eine Branchenlösung für Robotik, über die verschiedenste Kinematiken realisiert werden können.

mehr...

Newsletter bestellen

Immer auf dem Laufenden mit dem INDUSTRIAL Production Newsletter

Aktuelle Unternehmensnachrichten, Produktnews und Innovationen kostenfrei in Ihrer Mailbox.

AGB und Datenschutz gelesen und bestätigt.
Zur Startseite