KI-Framework für autonome Systeme in Produktion und Industrie 4.0

Was sind Autonome Systeme?

© Fraunhofer IIS

Autonome Systeme sind dadurch gekennzeichnet, dass sie über Sensoren ihr Umfeld erfassen und mit diesem eigenständig über Aktoren interagieren können. Dies ermöglicht z.B. Autos selbstständig zu fahren, Robotern autonom Aufgaben zu erfüllen, oder Systemen sich adaptiv zu regeln. Ein solches System setzt sich aus Sensoren zur Umfelderfassung, Komponenten zur Aggregation, Auswertung und Interpretation von Daten sowie einer Situationsbewertung, Aktionsplanung und Aktorik zusammen. Deep Reinforcement Learning (DRL) ist dabei eine Methodik, die Entscheidungsfindung in autonomen Systeme bzw. autonomen Agenten zu implementieren.

Ziele der Anwendung im ADA-Center: Framework für DRL-Algorithmen

Im Rahmen von »KI-Framework für Autonome Systeme« sollen zentrale Kompetenzen aus dem Bereich rund um Deep Reinforcement Learning in den Bereichen Planung, Steuerung, und Strategiededuktion entwickelt werden. Ziel ist es ebenfalls, ein Framework für DRL-Algorithmen zu entwickeln, welches die Möglichkeiten zur Simulation von Umgebungen und des Imitations- und Transfer-Lernens bietet.

Als Anwendungsbeispiele dienen hierfür u.a. die Planung von Trajektorien für nicht-holonome Roboter unter kinematischen und dynamischen Nebenbedingungen für den Einsatz in Industrie 4.0-Umgebungen, die Steuerung von autonomen Drohnen in industriellen Anwendungsfällen oder auch die Steuerung von Hydraulik-Pumpen in Presswerken.