Bild 3 | Die automatische Palettenerkennung ist eine der Anwendungen, die mit den O3D-Kameras von ifm als Embedded-Lösung umgesetzt werden können. (Bild: IFM Electronic GmbH)
KI-Funktionalitäten in der Edge
Deep Learning und andere KI-Ansätze lassen sich auch verwenden, um eine verbesserte Orientierung der AMRs im Raum zu realisieren. Durch das dazu verwendete Verfahren, Simultaneous Localization and Mapping (Slamming), weiß der AMR, wie seine Umgebung aussieht und wo er sich innerhalb dieser Umgebung befindet (Localization). Wenn er sich in dieser Umgebung bewegt, kann er zusätzlich eine Karte seiner Umgebung anfertigen (Mapping). Damit simuliert ein solches System genau die Methode, mit der ein Mensch diese Aufgabe löst. Mit unseren Sinnesorganen nehmen wir die Daten aus unserer Umgebung auf, und das neuronale Netz in unserem Gehirn erstellt daraus eine abstrakte Vorstellung einer Karte der Umgebung, in der wir uns bewegen.
Die Rolle der Sinnesorgane werden für KI-Anwendungen durch Sensoren übernommen. Neben 3D-Kameras, wie die aus der O3D-Serie, kommen auch Laserscanner, Radar- oder Ultraschallsensoren zum Einsatz. Notwendig ist hier eine Sensordatenfusion, bei der zusätzliche Informationen aus der Kombination der Daten unterschiedlicher Sensoren gewonnen wird. Die Kombination und Auswertung der verschiedenen Sensordaten stellen allerdings die verwendeten Systeme vor große Herausforderungen. Für die Entwicklung neuronaler Netze sind zwar bereits erprobte Systeme verfügbar, diese verlangen allerdings viel Software-Knowhow, und in der Regel werden solche Systeme auf einem leistungsfähigen PC entwickelt. Weitere Hürden für die Verbreitung solcher Systeme im großen Umfang sind die hohen Kosten. Dies gilt nicht nur für die verschiedenen Sensoren, sondern vor allem die Kosten für die Integration und die Hardware, auf der die entsprechenden neuronalen Netze implementiert werden, schlägt zu Buche.
Offene Plattform mit Edge-Architektur
Um die Sensordatenfusion und die Anwendung von KI-Methoden für mobile Roboter zu erleichtern, ist eine Edge-Architektur ein vielversprechender Ansatz. In einem entsprechenden Edge-Device können die Daten der angeschlossenen Sensoren erfasst und direkt verarbeitet werden. Notwendig sind sowohl eine hohe Rechenleistung als auch die Möglichkeit, unterschiedlichste Sensoren einfach anzubinden. ifm arbeitet aktuell an einer solchen Hardware-Plattform, an die sich bis zu sechs 3D-Kameras und zahlreiche weitere Sensoren anschließen lassen. Ein leistungsfähiges Linux-System, das mit einer Nvidia Video Processing Unit ausgerüstet ist, und GigE-Schnittstellen bilden die Hardware-Basis, auf der sich auch anspruchsvolle KI-Anwendungen realisieren lassen. Da die Bildverarbeitung bei diesem Konzept in das Edge-Gerät wandert, ist in der Kamera kaum Datenverarbeitung notwendig. Dadurch vereinfacht die neue Plattform 3D-Bildverarbeitung deutlich. Da auch die Kosten durch das neuartige Konzept sinken, eröffnen sich neue Möglichkeiten für die Anwendung in mobilen Robotern. In der Zukunft wird auf dieser Basis eine komplette Suite von Lösungen für die unterschiedlichsten Bereiche entstehen. Mit der Offenheit des Systems bietet ifm den Anwender eine Plattform, mit der sie auch eigene Lösungen schnell und kostengünstig umsetzen können.
