Imitation Learning zum Transfer menschlicher Fähigkeiten auf Flurförderzeuge

Flurförderfahrzeuge (FFZ) können Ladungsträger, wie zum Beispiel eine Palette, in Logistikumgebungen automatisiert transportieren. Für die automatisierte Lastaufnahme ist allerdings eine ausreichend genaue, auf den Prozess abgestimmte Positionierung und Ausrichtung der Ladungsträger erforderlich. Komplexe Situationen bei der Ein- und Auslagerung, bei denen automatisierte Systeme bisher an ihre Grenzen stoßen, lösen menschliche Fahrer*innen meist problemlos – aufgrund ihrer Fähigkeiten wie Flexibilität, Handlungsschnelligkeit, Auffassungsgabe und Erfahrung.

Im Forschungsprojekt LernFFZ sollen eben diese Fähigkeiten, die bisher Menschen vorbehalten sind, dank Künstlicher Intelligenz (KI) erstmals auf automatisierte FFZ übertragen werden. Zu diesem Zweck wird das implizite Wissen geübter Fahrer*innen mittels Informationsfusion von Fahrdatenaufnahme und Umgebungserfassung aufgenommen und formalisiert. Darauf aufbauend wird die KI eines teilautomatisierten FFZ ertüchtigt, Fahrbewegungen auf Basis des impliziten Wissens geübter Fahrer (Imitation Learning) vorzugeben und selbstständig durchzuführen.

Das IPH entwickelt im Rahmen des Forschungsprojekts LernFFZ auf Basis einer intralogistischen Simulationsumgebung synthetische Trainings-Datensätze, welche das Expertenwissen mithilfe eines Simulators aufnehmen und widerspiegeln. Desweiteren unterstützt das IPH bei der Entwicklung der Imitation-Learning-Algorithmen sowie der simulationsbasierten Evaluation dieser Algorithmen.

Veröffentlichungen zum Projekt