Ihr neues Forschungsprojekt soll mit künstlicher Intelligenz ausgestattet werden? Sie wollen mit KI experimentieren? Dann sind Sie bei uns genau richtig. Unser AI Aviation Lab lädt Interessierte zum Experimentieren ein. Verschiedene Werkzeuge für die Entwicklung von KI-Prototypen warten nur darauf, von Ihnen ausprobiert zu werden. Und sollten Fragen aufkommen, steht unser KI-Team bereit, sie zu beantworten. Dies gilt insbesondere für die Anwendungen der neuen Software ARTIST. Die Artificial Intelligence Software Toolbox (ARTIST) ist das neue Betriebssystem des Labors. Die Module des Programms verbinden verschiedene Funktionen und Geräte und sind gleichzeitig einfach zu bedienen. Gern zeigen unsere ARTISTen/Experten was man mit den sieben Module des Programms alles machen kann.
Das Labeling Tool ist ein sehr nützliches Werkzeug. Man kann damit Objekte in den Bildern mit einem Rahmen, der sogenannten Bounding Box, räumlich eingrenzen und einer Klasse zuzuordnen. Dadurch wird der Zeitaufwand bei der manuellen Kennzeichnung der Objekte in einem Bild, auch Labeling genannt, deutlich reduziert. Labeling ist ein manueller Prozess, der sich kaum automatisieren lässt. Aus diesem Grund suchen wir nach Möglichkeiten, diesen Prozess mit effizienten Methoden zu umgehen.
Eine Möglichkeit ist, mit Hilfe einer 3D-Modellierungs-Software, Bilder von synthetisch erzeugten Objekten zu generieren. Unser Blender Code automatisiert dabei wichtige Schritte und erzeugt auf Knopfdruck beliebig viele Bilder eines Objektes mit zufälligen Texturen und Hintergründen. Da Texturen und Hintergründe variieren, bezeichnet man das als Domain Randomization. Das ist sehr nützlich, um ein robustes AI-Modell anzutrainieren. Das manuelle Labeling entfällt auch hier, denn der Blender Code erzeugt automatisch die passende Bounding Box zum Objekt.
Mit den gelabelten Daten kann nun ein neuronales Netz trainiert werden, das dann selbstständig Bilder klassifiziert und Objekte in den Bildern erkennt. Dafür haben wir unsere eigene Training Pipeline entwickelt. Sie enthält nützliche Skripte für das Trainieren von neuronalen Netzen zur Objekterkennung. Sie können hier aus verschiedenen grundlegenden KI-Anwendungsbibliotheken (AI-Frameworks) auswählen, wie z.B. TensorFlow und PyTorch. In die Training Pipeline ist viel unserer Erfahrung und unseres Knowhows zum Trainieren neuronaler Netze eingeflossen.
Mit den oben erwähnten Werkzeugen können Sie ein AI-Modell erstellen. Um dieses Modell zu verwenden, z.B. um einen intelligenten Roboter mit Hilfe einer Kamera zu steuern, sind vier zusätzliche Module nötig. Da wir für die Datenkommunikation zwischen den Sensoren, dem Roboter und dem Rechencluster das Meta-Betriebssystem Robot Operating System (ROS) verwenden, nennen wir diese Module „Nodes“ (ein Kommunikationspartner im Netzwerk).
Die Aufgabe des Camera Nodes ist es, in regelmäßigen Abständen, Kamerabilder zu senden. Verschiedene Parameter, wie z.B. die Frequenz, Bildtiefe und Bildgröße sind einstellbar. Der sogenannte Inference Node verarbeitet die empfangenen Bilder und wendet das zuvor trainierte neuronale Netz an. Die Vorhersagen, die sich daraus ergeben, werden an den Logics Node gesendet. Er filtert die Daten und verarbeitet sie für den Versand an den Roboter.
Zum Schluss kommt der Robot-Safety Node ins Spiel. Er bildet die direkte Schnittstelle zur Robotersteuerung und ist deswegen auch besonders wichtig für die Sicherheit. Um zu vermeiden, dass der Roboter unerlaubte Aktionen ausführt (z.B. einen Tisch rammen), werden die Anweisungen zunächst geprüft und auf einen erlaubten räumlichen Arbeitsbereich beschränkt. Weiterhin läuft der Robot-Safety Node in einem von außen nicht erreichbaren ROS-Bereich und kann ausschließlich mit dem Logics Node interagieren. Das erhöht die Sicherheit noch weiter.
Sie sehen, ein ARTIST zu sein, erleichtert die Arbeit im AI Aviation Lab erheblich. Überzeugen Sie sich einfach selbst. Neben konkreten Forschungsprojekten können Sie unser Labor auch für Workshops oder Hackathons nutzen. Wir informieren Sie gern:
