Föderiertes Lernen ermöglicht autonome, anpassungsfähige Roboter
Um noch mehr Flexibilität und einen nahtlosen industriellen Einsatz zu ermöglichen, ist ein weiteres technisches Ziel des Projekts das von Prof. Röhrbein an der TU Chemnitz entwickelte föderierte Lernen, bei dem mehrere Roboter gemeinsam neues Wissen erlernen können. Dieser Ansatz beschleunigt nicht nur den Lernprozess, sondern sichert auch die Datenhoheit durch die Minimierung von Abhängigkeiten von externen Datenquellen.
Die Auswirkungen dieser Innovation gehen über das industrielle Schweißen hinaus. Neuromorphe Sensoren haben das Potenzial, verschiedene Branchen zu revolutionieren, indem sie es Robotern ermöglichen, sich anzupassen und autonom zu lernen, und so den Weg für effizientere und anpassungsfähigere Automatisierungslösungen ebnen.
Die Integration neuromorpher Sensoren in die Industrierobotik stellt einen wichtigen Meilenstein in der Entwicklung der Automatisierungstechnik dar. Je weiter die Forschung in diesem Bereich voranschreitet, desto größer dürften die potenziellen Anwendungen und Vorteile der neuromorphen Robotik werden, die weitere Innovationen vorantreiben und die Zukunft der Fertigung neugestalten werden. Die zu erwarteten Forschungsergebnisse von fortiss könnten die Einführung von Cobots und anderen autonomen Systemen in Produktionsumgebungen daher wesentlich beschleunigen. Dies wird zu einer höheren Produktivität und Flexibilität führen.
