09/06/2020
Door Ad Spijkers
Kunstmatige intelligentie (AI) maakt het voor machines mogelijk om objecten te herkennen. Dit vereist wel grote hoeveelheden hoogwaardige beeldgegevens waarmee de algoritmen handmatig worden getraind.
Het trainen van AI-systemen voor het herkennen van objecten is nog steeds tijdrovend, inflexibel, duur, sterk afhankelijk van de omgeving en vereist veel computerinspanning. Kimoknow, een start-up opgericht aan het Karlsruhe Institut für Technologie (KIT), heeft een technologie ontwikkeld om deze training te automatiseren. De eerste 'use case' is een digitale montage-assistent voor contactloze samenwerking tussen mens en machine. Het systeem wordt getest in samenwerking met Elabo in het Center for Artificial Intelligence Talents (CAIT).
Data uit CAD, PDM en AR
De KIT-start-up maakt gebruik van beeldgegevens die voor alle objecten sowieso worden aangemaakt in computerondersteunde ontwikkelingsprocessen (CAD) en in productiegegevensbeheer (PDM). Ze geven onder meer informatie over het materiaal, de geometrie en de positie van het betreffende object. De CAD- en PDM-gegevens worden geëxtraheerd en gebruikt voor de geautomatiseerde training van de AI.
Het op deze manier getrainde objectherkenningssysteem kan op verschillende manieren worden gebruikt, waaronder in augmented reality (AR) brillen. Deze leggen relevante objecten in real-time vast in het gezichtsveld van de gebruiker en beschikken ook over de nodige contextinformatie over het betreffende object.
Assistentiesysteem voor montage
Als eerste use case voor een dergelijke AR-bril heeft Kimoknow een assistentiesysteem ontwikkeld dat bedoeld is om specialisten te ondersteunen bij de montage van complexe apparaten. De virtuele assistent begeleidt gebruikers door het gehele montageproces, visualiseert stapsgewijs de bouwinstructies zonder extra display en laat zien welk onderdeel met welke gereedschappen en montagematerialen in welke volgorde moet worden verwerkt.
De assistent herhaalt individuele stappen wanneer er fouten optreden en documenteert het proces. De montagetechnicus heeft beide handen vrij en communiceert met het systeem via oogcontact, handsignalen of een spraakopdracht. De assemblageassistent maakt het proces efficiënter, productiever, sneller en goedkoper met betere kwaliteit.
De assistent is geschikt voor alle branches waarin complexe producten in kleine hoeveelheden worden vervaardigd. Het prototype wordt gebruikt voor de eindmontage van zeer gespecialiseerde meetinstrumenten en wordt momenteel getest in samenwerking met Elabo bij het Center for Artificial Intelligence Talents (CAIT) van het Institut für Informationsmanagement in Engineering (IMI) van het KIT.
CAIT
Het Centre for Artificial Intelligence Talents (CAIT) ondersteunt onderzoekstalenten die methoden van kunstmatige intelligentie en techniek combineren. Behalve infrastructuur, middelen en trainingsvormen biedt het onderzoekers de mogelijkheid om nieuwe ontwikkelingen en ideeën onder reële arbeidsomstandigheden en in samenwerking met potentiële gebruikers te testen, verder te ontwikkelen en snel in de praktijk te brengen. De focus van het concept ligt op mensen en hun interactie met kunstmatige intelligentie. Onderzoekers en start-ups krijgen de kans om nieuwe AI-technologieën dicht bij de markt te ontwikkelen. Bedrijven profiteren van de knowhow van deze talenten en van actuele onderzoeksresultaten.
Elabo in Crailsheim is gespecialiseerd in het ontwerpen van individuele werkplekken en van montage- en testsystemen in industriële serieproductie. Behalve Elabo zijn Abas Software in Karlsruhe en SolidLine in Walluff (Wiesbaden) partners van het CAIT.
Foto: Tanja Meißner, KIT