KI ist mehr als nur ein Modell: Vier Schritte zum vollständigen Workflow-Erfolg

ngenieur*innen sind zunehmend bestrebt, KI erfolgreich in Projekte und Anwendungen zu integrieren, während sie versuchen, ihre eigene KI-Lernkurve zu meistern. Allerdings werden viele KI-Projekte nach wenig vielversprechenden Ergebnissen wieder verworfen. Woran liegt das? Johanna Pingel, Product Marketing Manager bei MathWorks, erläutert, warum es für Ingenieur*innen wichtig ist, sich auf den gesamten KI-Workflow zu konzentrieren und nicht nur auf die Modellentwicklung:

Ingenieur*innen, die Machine Learning und Deep Learning einsetzen, erwarten oft, dass sie einen großen Teil ihrer Zeit mit der Entwicklung und Feinabstimmung von KI-Modellen verbringen. Die Modellierung ist zwar ein wichtiger Schritt im Workflow, aber das Modell ist nicht alleiniges Ziel. Das Schlüsselelement für den Erfolg bei der praktischen KI-Implementierung ist das frühzeitige Aufdecken von Problemen. Außerdem ist es wichtig zu wissen, auf welche Aspekte des Workflows man Zeit und Ressourcen konzentrieren sollte, um die besten Ergebnisse zu erzielen. Das sind nicht immer die offensichtlichsten Schritte.

Der KI-gesteuerte Workflow

Es lassen sich vier Schritte in einem KI-gesteuerten Workflow differenzieren, wobei jeder Schritt seine eigene Rolle bei der erfolgreichen Implementierung von KI in einem Projekt spielt.
 

Schritt 1: Datenaufbereitung

Die Datenaufbereitung ist wohl der wichtigste Schritt im KI-Workflow: Ohne robuste und genaue Daten zum Trainieren eines Modells sind Projekte rasch zum Scheitern verurteilt. Wenn Ingenieur*innen das Modell mit „schlechten” Daten füttern, werden sie keine aufschlussreichen Ergebnisse erhalten – und wahrscheinlich viele Stunden damit verbringen, herauszufinden, warum das Modell nicht funktioniert.

Um ein Modell zu trainieren, sollten Ingenieur*innen mit sauberen, gelabelten Daten beginnen, und zwar mit so vielen wie möglich. Dies kann einer der zeitaufwendigsten Schritte des Workflows sein. Wenn Deep Learning-Modelle nicht wie erwartet funktionieren, konzentrieren sich viele darauf, wie man das Modell verbessern kann – durch das Optimieren von Parametern, die Feinabstimmung des Modells und mehrere Trainingsiterationen. Doch noch viel wichtiger ist die Aufbereitung und das korrekte Labeln der Eingabedaten. Das darf nicht vernachlässigt werden, um sicherzustellen, dass Daten korrekt vom Modell verstanden werden können.
 

Schritt 2: KI-Modellierung

Sobald die Daten sauber und richtig gelabelt sind, kann zur Modellierungsphase des Workflows übergegangen werden. Hierbei werden die Daten als Input verwendet und das Modell lernt aus diesen Daten. Das Ziel einer erfolgreichen Modellierungsphase ist die Erstellung eines robusten, genauen Modells, das intelligente Entscheidungen auf Basis der Daten treffen kann. Dies ist auch der Punkt, an dem Deep Learning, Machine Learning oder eine Kombination davon in den Arbeitsablauf einfließt. Hier entscheiden die Ingenieur*innen, welche Methoden das präziseste und robusteste Ergebnis hervorbringt.

Die KI-Modellierung ist ein iterativer Schritt innerhalb des gesamten Workflows, und Ingenieur*innen müssen die Änderungen, die sie während dieses Schrittes am Modell vornehmen, nachverfolgen können. Die Nachverfolgung von Änderungen und die Aufzeichnung von Trainingsiterationen mit Tools wie dem Experiment Manager von MathWorks sind entscheidend, da sie helfen die Parameter zu erklären, die zum genauesten Modell führen und reproduzierbare Ergebnisse liefern.
 

Schritt 3: Simulation und Tests

Ingenieur*innen müssen beachten, dass KI-Elemente meistens nur ein kleiner Teil eines größeren Systems sind. Sie müssen in allen Szenarien im Zusammenspiel mit anderen Teilen des Endprodukts korrekt funktionieren, einschließlich anderer Sensoren und Algorithmen wie Steuerung, Signalverarbeitung und Sensorfusion. Ein Beispiel ist hier ein Szenario für automatisiertes Fahren: Dabei handelt es sich nicht nur um ein System zur Erkennung von Objekten (Fußgänger*innen, Autos, Stoppschilder), sondern dieses System muss mit anderen Systemen zur Lokalisierung, Wegplanung, Steuerung und weiteren integriert werden. Simulationen und Genauigkeitstests sind der Schlüssel, um sicherzustellen, dass das KI-Modell richtig funktioniert und alles gut mit anderen Systemen harmoniert, bevor ein Modell in der realen Welt eingesetzt wird.

Um diesen Grad an Genauigkeit und Robustheit vor dem Einsatz zu erreichen, müssen Ingenieur*innen validieren, dass das Modell in jeder Situation so reagiert, wie es soll. Sie sollten sich auch mit den Fragen befassen, wie exakt das Modell insgesamt ist und ob alle Randfälle abgedeckt sind. Durch den Einsatz von Werkzeugen wie Simulink können Ingenieur*innen überprüfen, ob das Modell für alle erwarteten Anwendungsfälle wie gewünscht funktioniert, und so kosten- und zeitintensive Überarbeitungen vermeiden.
 

Schritt 4: Einsatz

Ist das Modell reif für die Bereitstellung, folgt als nächster Schritt der Einsatz auf der Zielhardware – mit anderen Worten, die Bereitstellung des Modells in der endgültigen Sprache, in der es implementiert werden soll. Das erfordert in der Regel, dass die Entwicklungsingenieur*innen ein implementierungsbereites Modell nutzen, um es in die vorgesehene Hardwareumgebung einzupassen.

Die vorgesehene Hardwareumgebung kann vom Desktop über die Cloud bis hin zu FPGAs reichen. Mithilfe von flexiblen Werkzeugen wie MATLAB kann der endgültige Code für alle Szenarien generiert werden. Das bietet Ingenieur*innen den Spielraum, ihr Modell in einer Vielzahl von Umgebungen einzusetzen, ohne den ursprünglichen Code neu schreiben zu müssen. Das Deployment eines Modells direkt auf einer GPU kann hier als Beispiel dienen: Die automatische Codegenerierung eliminiert Codierungsfehler, die durch eine manuelle Übersetzung entstehen könnten, und liefert hochoptimierten CUDA-Code, der effizient auf der GPU läuft.

Gemeinsam stärker

Ingenieur*innen müssen keine Datenwissenschaftler*innen oder gar KI-Expert*innen werden, um mit KI erfolgreich zu sein. Mit Werkzeugen für die Datenaufbereitung, Anwendungen zur Integration von KI in ihre Arbeitsabläufe und mit verfügbaren Expert*innen, die Fragen zur KI-Integration beantworten, können sie KI-Modelle auf Erfolgskurs bringen. In jedem dieser Schritte im Workflow haben Ingenieur*innen die Möglichkeit, flexibel ihr eigenes Domänenwissen einzubringen. Dies ist eine wichtige Basis, auf der sie mit den richtigen Ressourcen aufbauen und die sie durch KI ergänzen können.

Über MathWorks

MathWorks ist der führende Entwickler von Software für mathematische Berechnungen. MATLAB, die Programmiersprache für Ingenieurwesen und Wissenschaft, ist eine Programmierumgebung für die Algorithmen-Entwicklung, Analyse und Visualisierung von Daten sowie für numerische Berechnungen. Simulink ist eine Blockdiagramm-basierte Entwicklungsumgebung für die Simulation und das Model-Based Design von technischen Mehrdomänen-Systemen und Embedded Systemen. Ingenieure und Wissenschaftler weltweit setzen diese Produktfamilien ein, um die Forschung sowie Innovationen und Entwicklungen in der Automobilindustrie, der Luft- und Raumfahrt, der Elektronik, dem Finanzwesen, der Biotechnologie und weiteren Industriezweigen zu beschleunigen. MATLAB und Simulink sind zudem an Universitäten und Forschungsinstituten weltweit wichtige Lehr- und Forschungswerkzeuge. MathWorks wurde 1984 gegründet und beschäftigt mehr als 5000 Mitarbeiter in 16 Ländern. Der Hauptsitz des Unternehmens ist Natick, Massachusetts, in den USA. Lokale Niederlassungen in der D-A-CH-Region befinden sich in Aachen, München, Paderborn, Stuttgart und Bern. Weitere Informationen finden Sie unter mathworks.com.

UDOO KEY hits the $10,000 Kickstarter goal in 90 minutes

UDOO KEY, the world’s most flexible AI platform, is a brand-new AI-first solution based on Raspberry Pi RP2040 and ESP32. It enables machine learning applications in the most popular programming languages and libraries, including TinyML, TensorFlow Lite, MicroPython, C, C++ etc. The board, designed for Edge AI projects, marks the fifth crowdfunding campaign by UDOO, which already raised more than 2 million dollars in previous Kickstarter campaigns.

Link to the campaign: key.udoo.org

UDOO KEY combines Raspberry Pi RP2040 and a fully programmable ESP32 into a single powerful piece of hardware. The board comes in two versions: UDOO KEY and UDOO KEY PRO. Both feature Wi-Fi, Bluetooth and BLE; UDOO KEY PRO also features a 9-axis IMU and a digital microphone. The board is fully compatible, both hardware and software-wise, with Raspberry Pi Pico and ESP32.

UDOO KEY also grants access to Clea, the upcoming AI as a service platform by SECO Mind, SECO’s daughter company. Clea is an extensible AI & IoT platform for professional developers, startups, R&D departments and hobbyists. . It allows users to quickly build, monitor and deploy Artificial Intelligence models and apps over a fleet of remote-controlled devices. It comes with a set of pre-built AI models and apps called Clea Apps, all developed by SECO. Last but not least, it’s natively compatible with UDOO KEY, Raspberry Pi as well as Arm and x86 processors. 

Maurizio Caporali, Co-CEO of SECO Mind, said, “Today, AI is very misunderstood. Many AI use cases don’t require a powerful processing unit, and that’s where UDOO KEY comes in. For the first time ever in the world of Edge AI, the user has the option to build an AI project on their terms, using either Raspberry Pi RP2040, ESP32, or both. Several companies we are in touch with find it difficult to take advantage of the AI revolution. UDOO KEY and Clea make this as easy as it gets.”

Shipping will start in January 2022. The Early Bird UDOO KEY is available at $4, while the Early Bird UDOO KEY PRO is available at $9. Both are limited to 1,000 units. 

UDOO has also made available two special kits, built in collaboration with two equally special companies: Arducam and Seeed Studio. 

The first kit, in collaboration with Arducam, is named “Early Bird UDOO KEY PRO Cam Kit + Clea ” and includes 1x UDOO KEY PRO, a 2MB SPI Camera and access to Clea.

The second kit, in collaboration with SeeedStudio, is named “Early Bird UDOO KEY PRO Grove Kit + Clea” and includes 1x UDOO KEY PRO, access to Clea and 14 handpicked Grove Modules, including 5 sensors/ 5 actuators/ 2LED/ 1 LCD display/ 1 Grove shield.

More details on UDOO KEY

The Raspberry Pi Pico-compatible part of UDOO KEY is built upon a Raspberry PI RP2040 dual Arm Cortex-M0, featuring a QSPI 8MB flash memory, 133 MHZ clock, and 264KB of on-chip SRAM.  The ESP32 is based on a dual-core Xtensa 32-bit LX6, with 16 MB flash memory, 8MB PSRAM, Wi-Fi, Bluetooth and Bluetooth Low Energy. The two microcontrollers can talk to each other via serial port and SWD.

The user can program the two microcontrollers in an easy way via a USB-C connector and decide whether to talk with RP2040 or ESP32 via jumper. The UDOO KEY provides many more interfaces: three fully programmable LEDs, and the same pinout of Raspberry Pi Pico, making it 100% compatible with it, both hardware and software-wise. Last but not least, the UEXT connector is accessible from the ESP32, which exposes the I2C, UART and SPI interfaces.

The UDOO KEY also mounts two powerful sensors: a 9-axis IMU and a digital microphone, plus a standard UEXT connector to easily add sensors and other interfaces. Thanks to the on-board ESP32 microcontroller, the UDOO KEY features full Wi-Fi 802.11b/g/n connectivity, Bluetooth and BLE v4.2.  

Link to the Campaign: key.udoo.org

AgileX Robotics Announces Launch of LIMO, the World‘s First Multi-modal Mobile Robot with AI Modules

Mobile robot experts AgileX just announced the launch of LIMO – an ROS-based multi-modal car with 4 steering modes and open-source software that is perfect for ROS beginners as well as advanced programmers. This exciting new robotics platform has virtually unlimited applications for education, business and industry and is available now here

 LIMO is an incredibly versatile and multifunctional robotic platform for designing and programming robot AI. It uses the modular programming languages ROS 1 or ROS 2 to achieve many functional purposes including mapping, navigation, obstacle avoidance, path planning, and more for educational, commercial and industrial applications.

“At AgileX Robotics our vision is to enable all industries and individuals with the ability to improve productivity and efficiency through robot technology. Our latest product, LIMO is a powerful yet easy to use mobile robotic platform that is perfect for learning ROS, completing tasks for business and education, and beginning a journey in the exciting world of robotics. We designed LIMO to be easy to use with an intuitive programming method and open source capabilities. It’s the best way to get started with robotic AI.”  CEO, AgileX Robotics. 

Four steering modes make LIMO substantially superior to other robots in its class. The available modes are: Omni Wheel Steering, Tracked Steering, Four-Wheel Differential Steering and Ackermann Steering. These advanced steering modes plus built-in 360° scanning LiDAR and RealSense infrared camera make the platform perfect for industrial and commercial tasks. 

Equipped with four other USB ports and powered by Nvidia Jetson Nano, LIMO can be fully customized with other hardware according to one’s needs. LIMO can be connected with open-source ROS 1 & ROS 2. Programming Demo, ROS Packages and Simulation powered by Gazebo are supported as well. With these incredible features, LIMO can achieve precise self-localization, SLAM & V-SLAM mapping, route planning and autonomous obstacle avoidance, reverse parking, traffic light recognition, and more.

LIMO, the world‘s first multi-modal mobile robot with AI modules is currently being launched via a Kickstarter campaign to reward early adopters with special deals and pricing. Learn more here: [LINK]

Better gripping with intelligent picking robots

Researchers from Germany and Canada work on new AI methods for picking robots.

 ISLANDIA, NY, July 7, 2021 — Production, warehouse, shipping – where goods are produced, stored, sorted or packed, picking also takes place. This means that several individual goods are removed from storage units such as boxes or cartons and reassembled. With the FLAIROP (Federated Learning for Robot Picking) project Festo and researchers from the Karlsruhe Institute of Technology (KIT), together with partners from Canada, want to make picking robots smarter using distributed AI methods. To do this, they are investigating how to use training data from multiple stations, from multiple plants, or even companies without requiring participants to hand over sensitive company data. 

“We are investigating how the most versatile training data possible from multiple locations can be used to develop more robust and efficient solutions using artificial intelligence algorithms than with data from just one robot,” says Jonathan Auberle from the Institute of Material Handling and Logistics (IFL) at KIT. In the process, items are further processed by autonomous robots at several picking stations by means of gripping and transferring. At the various stations, the robots are trained with very different articles. At the end, they should be able to grasp articles from other stations that they have not yet learned about. “Through the approach of federated learning, we balance data diversity and data security in an industrial environment,” says the expert.

Powerful algorithms for industry and logistics 4.0

Until now, federated learning has been used predominantly in the medical sector for image analysis, where the protection of patient data is a particularly high priority. Consequently, there is no exchange of training data such as images or grasp points for training the artificial neural network. Only pieces of stored knowledge – the local weights of the neural network that tell how strongly one neuron is connected to another – are transferred to a central server. There, the weights from all stations are collected and optimized using various criteria. Then the improved version is played back to the local stations and the process repeats. The goal is to develop new, more powerful algorithms for the robust use of artificial intelligence for industry and Logistics 4.0 while complying with data protection guidelines.

“In the FLAIROP research project, we are developing new ways for robots to learn from each other without sharing sensitive data and company secrets. This brings two major benefits: we protect our customers’ data, and we gain speed because the robots can take over many tasks more quickly. In this way, the collaborative robots can, for example, support production workers with repetitive, heavy, and tiring tasks”, explains Jan Seyler, Head of Advanced Develop. Analytics and Control at Festo SE & Co. KG During the project, a total of four autonomous picking stations will be set up for training the robots: Two at the KIT Institute for Material Handling and Logistics (IFL) and two at the Festo SE company based in Esslingen am Neckar.

Start-up DarwinAI and University of Waterloo from Canada are further partners

“DarwinAI is thrilled to provide our Explainable (XAI) platform to the FLAIROP project and pleased to work with such esteemed Canadian and German academic organizations and our industry partner, Festo. We hope that our XAI technology will enable high-value human-in-the-loop processes for this exciting project, which represents an important facet of our offering alongside our novel approach to Federated Learning.  Having our roots in academic research, we are enthusiastic about this collaboration and the industrial benefits of our new approach for a range of manufacturing customers”, says Sheldon Fernandez, CEO, DarwinAI.

“The University of Waterloo is ecstatic to be working with Karlsruhe Institute of Technology and a global industrial automation leader like Festo to bring the next generation of trustworthy artificial intelligence to manufacturing.  By harnessing DarwinAI’s Explainable AI (XAI) and Federated Learning, we can enable AI solutions to help support factory workers in their daily production tasks to maximize efficiency, productivity, and safety”, says Dr. Alexander Wong, Co-director of the Vision and Image Processing Research Group, University of Waterloo, and Chief Scientist at DarwinAI.

About FLAIROP

The FLAIROP (Federated Learning for Robot Picking) project is a partnership between Canadian and German organizations. The Canadian project partners focus on object recognition through Deep Learning, Explainable AI, and optimization, while the German partners contribute their expertise in robotics, autonomous grasping through Deep Learning, and data security.

  • KIT-IFL: consortium leadership, development grasp determination, development automatic learning data generation.
  • KIT-AIFB: Development of Federated Learning Framework
  • Festo SE & Co. KG: development of picking stations, piloting in real warehouse logistics
  • University of Waterloo (Canada): Development object recognition
  • Darwin AI (Canada): Local and Global Network Optimization, Automated Generation of Network Structures

Visit www.festo.com/us for more information on Festo products and services.

About Festo

Festo is a leading manufacturer of pneumatic and electromechanical systems, components, and controls for process and industrial automation. For more than 40 years, Festo Corporation has continuously elevated the state of manufacturing with innovations and optimized motion control solutions that deliver higher performing, more profitable automated manufacturing and processing equipment.

Connect with Festo: Facebook, LinkedIn, Twitter and YouTube

QUADRUPED A1 – Four-legged robot combines artificial intelligence and sophisticated motion sequences

The newly founded company QUADRUPED Robotics is the first and currently the only German company to introduce fully modifiable multi-legged robots to the European market. In doing so, this form of robot represents a novelty: the four-legged robots combine artificial intelligence with new motion sequences and individually customizable equipment.
The A1 robot in the QUADRUPED line is based on the Robot Operating System (ROS.org) and can thus be adapted to its environment and requirements. However, even the basic equipment enables a wide range of applications.

By means of an AI-controlled and depth-sensing smart camera, HD recordings can be transmitted in real time and to a terminal device. At the same time, the integrated multi-eye camera offers real-time tracking of objects in sight, gesture recognition and target tracking following specific movement patterns.

The basis for the development of an environment map is the visual SLAM. QUADRUPED A1 calculates paths, obstacles, routes and navigation points. This leads to vision-based autonomous obstacle avoidance. In addition, QUADRUPED A1 also recognizes obstacle shapes and an adjustment of the body position takes place. If an impact or fall does occur, the advanced dynamic balancing algorithm allows balance to be quickly restored. Further measurement data as well as more dynamic behavior can be achieved by integrating additional sensor technology, such as that of a 3D LiDAR or further camera modules.

The QUADRUPED A1 incorporates the unique patented sensitive foot contact. Each of the four feet can be controlled individually. The smart actuators provide precise footing as well as different gaits. The system is based on a low-level control developed by QUADRUPED Robotics, which can read out the position including torque and current consumption at any time. The foot end is waterproof and dustproof and can be easily replaced after wear.
The A1 impressed with its latest measured top speed of 11.8 km/h (3.3 m/s), which is unique for a robot of this type. It can also carry loads of up to 5 kg.

For simplified maintenance work, the robot was designed with a stable and lightweight body structure. The A1 has an external 24 V power input and 5 V-/12 V-/19 V power supply, which enables the use of additional external devices. Other external interfaces include 4 USB, 2 HDMI, 2 Ethernet ports.

It is equipped with a powerful redundant control system: low-level control for CAN communication with the smart actuators and NVIDIA Xavier for calculation or measurement data evaluation. The current runtime of approx. 1.5 hours varies depending on the application.

Additional equipment is available from QUADRUPED Robotics and can be delivered with implemented software packages on request. Due to in-house research and development, the end customer can order a finished and tested product. Another service is the provision of complete documentation on the website www.docs.quadruped.de. In addition, complete simulation environments based on Webots & Gazebo are also made available for download there, which can be used for application testing.

QUADRUPED Robotics is a spin-off of MYBOTSHOP uG, which emerged as an established sales and development partner in the fields of robotics, sensor technology and automation technology. Company founder Daniel Kottlarz draws from the potential of four-legged and autonomous robots the opportunity to relieve humans in particularly dangerous areas of operation and situations and to ward off dangerous situations by means of the autonomous robots.

QUADRUPED A1 – Vierbeiniger Roboter vereint künstliche Intelligenz und ausgereifte Bewegungsabläufe

Das neu gegründete Unternehmen QUADRUPED Robotics führt als erstes und derzeit einziges deutsches Unternehmen voll modifizierbare mehrbeinige Roboter in den europäischen Markt ein. Dabei stellt diese Form der Roboter eine Neuheit dar: die Vierbeiner kombinieren künstliche Intelligenz mit neuen Bewegungsabläufen und einer individuell anpassbaren Ausstattung.

Der Roboter A1 der Linie QUADRUPED basiert auf dem Robot Operating System (ROS.org) und lässt sich somit auf seine Umgebung und Anforderung anpassen. Doch auch schon die Grundausstattung ermöglicht einen breiten Anwendungsbereich.
Mittels KI-gesteuerter und tiefenerkennender Smart-Kamera lassen sich HD-Aufnahmen in Echtzeit und an ein Endgerät übertragen. Gleichzeitig bietet die integrierte Mehraugen-Kamera die Echtzeit-Verfolgung von Objekten in Sichtweite, Gestenerkennung und auf bestimmte Bewegungsmuster folgend die Zielpersonenverfolgung.
Grundlage zur Erarbeitung einer Umgebungskarte ist das visuelle SLAM. QUADRUPED A1 berechnet Wege, Hindernisse, Strecken und Navigationspunkte. Dies führt zu einer visions-basierten autonomen Hindernisvermeidung. Zusätzlich erkennt der QUADRUPED A1 auch Hindernisformen und es erfolgt eine Anpassung der Körperposition. Sollte es doch zu einem Aufprall oder Sturz kommen, ermöglicht der fortschrittliche dynamische Balancier-Algorithmus das Gleichgewicht schnell wiederherzustellen. Weitere Messdaten sowie dynamischeres Verhalten können durch die Integration zusätzlicher Sensorik, wie die eines 3D-LiDAR oder weiterer Kameramodule, erreicht werden.

Im QUADRUPED A1 ist der einzigartige patentierte sensible Fußkontakt verbaut. Jeder der vier Füße kann einzeln und individuell angesteuert werden. Durch die smarten Aktuatoren sind präzises Auftreten sowie verschiedene Gangart geboten. Das System basiert auf einem von QUADRUPED Robotics entwickelten Low-Level-Control, das zu jedem Zeitpunkt die Position samt Drehmoment und Stromaufnahme auslesen kann. Das Fußende ist wasser- und staubdicht und kann nach Abnutzung leicht ausgetauscht werden.
Der A1 überzeugte durch seine zuletzt gemessene Höchstgeschwindigkeit von 11,8 km/h (3,3 m/s), welche für einen Roboter dieser Art einmalig ist. Zudem kann er Lasten bis zu 5 kg tragen.

Für vereinfachte Wartungsarbeiten wurde bei dem Roboter auf eine stabile und leichte Karosseriestruktur geachtet. Der A1 verfügt über einen externen 24 V Stromeingang und 5 V-/12 V-/19 V-Spannungsversorgung, die den Einsatz zusätzlicher externer Geräte ermöglicht. Weitere externe Schnittstellen sind 4 USB-, 2 HDMI-, 2 Ethernet-Anschlüsse.
Ausgestattet ist er mit einer leistungsstarken redundanten Steuerung: Low-Level-Control zur CAN-Kommunikation mit den smarten Aktuatoren und NVIDIA Xavier für die Berechnung bzw. Messdatenauswertung. Die aktuelle Laufzeit von ca. 1,5 Stunden variiert je nach Anwendung.

Zusatz-Equipment ist bei QUADRUPED Robotics erhältlich und wird auf Wunsch mit implementierten Software-Packages ausgeliefert. Durch die hausinterne Forschung und Entwicklung kann der Endkunde ein fertiges und getestetes Produkt bestellen. Ein weiterer Service ist die Bereitstellung der vollständigen Dokumentation auf der Website www.docs.quadruped.de. Darüber hinaus werden dort auch vollständige Simulationsumgebungen auf Basis von Webots & Gazebo zum Download bereitgestellt, die zu Anwendungstests genutzt werden können.

QUADRUPED Robotics ist eine Ausgründung der MYBOTSHOP uG, die als etablierter Vertriebs- und Entwicklungspartner in den Bereichen Robotik, Sensorik und Automatisierungstechnik entstand. Firmengründer Daniel Kottlarz schöpft aus dem Potenzial der vierbeinigen und autonomen Roboter die Chance, den Menschen in besonders gefährlichen Einsatzbereichen und Situationen zu entlasten und mittels der autonomen Roboter Gefahrensituationen abzuwehren.

flatcat, der gruseligste Roboter aller Zeiten, ist nur noch sieben Tage auf Kickstarter

Entweder haben Sie schon eins, oder Sie haben bald eins. Roboterhaustiere erobern die Verbrauchermärkte weltweit in Form von Babyrobben, Hundewelpen oder einem schwanzwedelnden Kissen. Jetzt bekommen sie Gesellschaft von einer überfahrenen Katze.

(lifePR) (Berlin, 14.05.21) flatcat wurde von Gizmodo ((https://gizmodo.com/…)) als “der gruseligste Roboter, den man je gesehen hat” betitelt, und das mag für einige tatsächlich so sein. Für viele andere ist es ein zugegebenermaßen seltsames, aber niedliches Roboter-Haustier, das sie umarmen und mit dem sie spielen wollen.

Die ersten paar Flatcats sind ab sofort und nur noch sieben Tage lang auf Kickstarter ((https://www.kickstarter.com/…), der beliebtesten Crowdfunding-Website, erhältlich. Die Kampagne steht kurz vor der Vollfinanzierung, braucht aber noch ein paar entscheidende Zusagen von Roboter-Enthusiasten aus nah und fern, die etwas bewegen wollen.

Der Roboter, der von Jetpack Cognition Lab , einem in Berlin ansässigen Unternehmen mit Grazer Wurzeln entwickelt und hergestellt wird, ist ein Roboter der neuen Art. Er ist völlig anders als alle anderen vergleichbaren Produkte auf dem Markt. Was ihn einzigartig macht, ist seine sensomotorische Kompetenz, die Kräfte seiner eigenen Bewegung und die von außen durch Menschen oder einfach durch die Schwerkraft erzeugten Kräfte zu spüren und darauf zu reagieren.

Die Fähigkeit, Kräfte direkt in den Gelenken zu spüren, erlaubt es Flatcat, neugierig zu sein und seinen eigenen Körper und die Welt auf die sicherste Art und Weise zu erkunden. Die Technologie dafür kommt aus dem Forschungsfeld der Entwicklungsrobotik, bei dem Teile der Entwicklung von Tieren und Menschen in Software und Algorithmen umgesetzt werden.

Mögliche Verwendungszwecke von flatcat sind als Haustier im Wohnzimmer, um einfach zu spielen und gemeinsam die Welt der sensomotorischen Erfahrung und Bewegung zu erkunden; als therapeutischer Roboter, um sanft einfache Bewegungen zu stimulieren, Gesellschaft und Trost zu spenden; oder als Desktop-Forschungs-Roboter für Wissenschaftler und Hacker:innen gleichermaßen, da er neben seiner hochmodernen sensomotorischen Sensibilität auch Open Source, erweiterbar und modifizierbar ist.

Jetpack Cognition Lab, Inc

Seit seinen Anfängen im Jahr 2019 bringt Jetpack Cognition Lab radikale Innovationen aus der wissenschaftlichen Forschung auf den Konsumentenmarkt. Die Gründer des Labs sind Dr. Oswald Berthold und Matthias Kubisch. Sie lernten sich während ihres Studiums an der Humboldt-Universität zu Berlin kennen und taten sich zusammen, um die schrägsten und lustigsten Roboter der Welt zu entwickeln.

Berthold ist ein in österreichischer Künstler-Technologe, geboren in Graz, der schon mit dem Kollektiv farmersmanual Musikgeschichte geschrieben hat, indem er neuartige Stile und innovative Ansätze zur digitalen Musikproduktion und -veröffentlichung im Internetzeitalter einführte. Spätestens seit er 2018 seine Promotion in Robotik innerhalb der Adaptive Systems Group der HU Berlin abgeschlossen hat, ist er damit beschäftigt, Grundlagenforschung in Kundennutzen zu verwandeln.

Kubisch ist ein deutscher Informatiker, Kreativer und Aktivist. Er hat als wesentliches Mitglied des Teams gearbeitet, das den modularen humanoiden Roboter Myon im ALEAR-Projekt unter der Leitung von Dr. Manfred Hild entwickelt hat. Außerdem hat er die Industrie von innen gesehen und Algorithmen zur Steuerung von elektrischen Kraftwerken entwickelt. Er ist nicht nur ein Experte für adaptive Echtzeitalgorithmen und maschinelles Lernen, sondern auch ein genialer Elektronikdesigner und Produktvisionär.

New MAKEBLOCK mBot2 educational robot can even be controlled by facial expressions

The mBot2 programming robot replaces the globally successful mBot1 after 8 years and inspires with cutting-edge sensor technology, new motors and a brand-new AI control board in a familiar design. For kids, teachers and tinkerers who want to learn more about computer science, STEM, IoT, AI and block-based coding while playing.

Ubstadt-Weiher, 29.04.2021 – Over the past eight years, MAKEBLOCK’s educational robot mBot has not only playfully taught millions of children, students, teachers and budding programmers worldwide about complex STEM (mathematics, computer science, natural science, technology) subjects, but also put a smile on their faces after completing successful missions. And the success story continues with the new mBot2: under the carefully modified shell, which is now made of robust aluminum, is packed concentrated state-of-the-art technology that enables countless new programming and application possibilities.

The most striking feature at first glance is the next-generation ultrasonic sensors, which look at you in brilliant blue. Who can resist that seductive look? But the blue “eyes” are not just for precise distance measurement, they also convey emotion with the help of controllable ambient lighting. The mBot2 is virtually looking for eye contact with the little programmers, because the AI image recognition allows, for example, the speed to be controlled via facial expression.

Weiterlesen

Artificial Intelligence Platform Ludo Revolutionizes Games Creation

Ludo AI, available now in open beta, gives developers access to the world’s first AI platform for games concept creation – accelerating and democratizing games creation



Seattle, USA. AI (Artificial Intelligence) games creativity platform Ludo has announced its open beta, following a deeply successful closed beta and attracted participation from independent studios across the globe. Games creators tasked with delivering the next hit game to emulate the success of the likes of Call of Duty, Among Us, Fortnite and Fall Guys, now have the answer in Ludo – the world’s first AI games ideation tool.

Ludo, Latin for ‘I Play’, uses machine learning and natural language processing to develop game concepts 24 hours a day. The platform is constantly learning and evolving. Ludo is built on a database of close to a million games and is agile and supremely intelligent. When asked to find a new game idea, based on intuitive keyword searches, Ludo returns almost immediately with multiple written game concepts, artwork and images that developers can rapidly work on to take the next stage (concept presentation, MVP or accelerated soft launch).

AI has never before been used at the start of the games creation process: In a 159.3 billion* dollar industry, the pressure to release new hit games is relentless: And coming up with new exciting and sticky games is the Holy Grail. Ludo is set to revolutionize game creation enabling developers by arming them with unique games concepts within minutes of their request being processed. Furthermore, as Ludo’s powerful capabilities are within the reach of any size of studio, the creation process has been democratized.

Games publishers and developers must deliver hit new games at a pace: The industry landscape is changing as it grows in value: Large, acquisitive publishers are constantly on the lookout for growing independents, with great new games and creative ideas, to absorb as they, in turn, need to deliver value to their stakeholders.

“Creativity is the new currency in the games industry,” said Tom Pigott, CEO of JetPlay, Ludo’s creator. “The next hit game could be worth millions and you never know where it will spring up from. With Ludo anyone can come up with a great new game idea without having to waste hours on the process and then invest even more time in researching what is already out there and how successful any similar games have been. Ludo does it all for you: Ludo brings the playfulness back into the game creation process, increases the probability of coming up with a great new game, and saves time and money.”

Since the global pandemic the games industry has seen exponential growth and it is estimated to be worth $200 Billion by 2023. Every developer is under pressure to create a viable pipeline and now with so many ways of testing games quickly ( a large percentage being rejected before they get through the gates) the appetite is at an all time high for new games ideas and concepts.

Ludo has been created by a small outstanding global team of AI Ph.D.’s and the brainchild of seasoned entrepreneur Tom Pigott, CEO of Jet Play, the developer of Ludo. The new open beta follows a highly successful closed program that saw a select group of studios harness the creative power of AI. Now, with an open beta, games developers can try the platform free of charge for a trial period.

“We’ve been extremely pleased by the feedback and the usage of our platform by the game makers that were part of the closed beta,” said Pigott. “AI, when used as part of the creative process, delivers great results. It is easy to use, working intuitively with keyword searches, and those involved in our closed beta have already proved that amazing things can be done, and all without detracting from their development or marketing time. Very soon Ludo will become an integral part of every studio’s games ideation process.”

The Ludo open beta program offers an opportunity to enjoy all the benefits of early adoption, giving a head start on a mobile game creation approach that works. Due to the tremendous interest there is a waitlist: those interested in joining the Ludo open beta can apply or find out more here.

Boston Dynamics expands Spot® product line

NEW SELF-CHARGING ENTERPRISE ROBOT, REMOTE OPERATION SOFTWARE, AND ROBOT ARM ENHANCE SPOT’S CAPABILITIES FOR AUTONOMOUS SITE MONITORING


Waltham, MA – February 2, 2021 – Boston Dynamics, the global leader in mobile robotics, today announced an expanded product line for its agile mobile robot Spot. The new products include a self-charging Enterprise Spot, web-based remote operations software, Scout, and the Spot Arm. These additions extend Spot’s ability to perform autonomous, remote inspections and data collection, and enable the robot to perform manual tasks.

With more than 400 Spots out in the world, the robot has successfully undertaken hazardous tasks in a variety of inhospitable environments such as nuclear plants, offshore oil fields, construction sites, and mines. Customers have leveraged Spot’s advanced mobility, autonomy, control, and customizability to improve operational efficiency, enhance worker safety, and gather critical data. Spot’s new products are designed to enable customers to fully operationalize continuous, autonomous data collection on remote or hazardous worksites of any size, from anywhere they have access to their network.

Autonomy is critical to enhancing Spot’s value. In order to support long, remote deployments, Boston Dynamics is introducing Spot Enterprise, a new version of Spot that comes equipped with self-charging capabilities and a dock, allowing it to perform longer inspection tasks and data collection missions with little to no human interaction. In addition to the basic capabilities that the base Spot robot offers, Spot Enterprise leverages upgraded hardware for improved safety, communications, and behavior in remote environments. These upgrades expand the range that autonomous missions can cover, extend WiFi support, add flexibility to Spot’s payload ports, and enable users to quickly offload large data sets collected during the robot’s mission.

Pivotal to refining Spot’s value at scale is remote operation. Scout is Boston Dynamics’ web-based software that enables operators to control their fleet of Spots from a virtual control room. Operators can use Scout to take Spot anywhere a person could go on-site, allowing them to inspect critical equipment or hazardous areas from afar. The software is designed with a simple user interface to run pre-programmed autonomous missions or manually control the robot, to perform various tasks such as walking or posing the robot to capture images and thermal data of obscured gauges or pipes using the Spot CAM+IR thermal imaging payload.

Combined, the Spot Enterprise robot equipped with a Spot CAM+IR thermal imaging payload, Scout software, and Boston Dynamics’ premium support now create an out-of-the-box solution for asset-intensive environments. Operators can deploy this solution on site to proactively maintain and manage assets while maximizing worker uptime and improving worker safety.

In addition to launching products designed to make remote inspection safer and easier, Boston Dynamics is also releasing the Spot Arm, which enables users to act on data insights and perform physical work in human-centric environments. The arm is equipped to operate through both semi-autonomous actions and telemanipulation. It can manually or semi-autonomously grasp, lift, carry, place, and drag a wide variety of objects. It is also capable of manipulating objects with constrained movement and can open and close valves, pull levers and turn handles and knobs in coordination with its body to open standard push and pull doors.

“Since first launching Spot, we have worked closely with our customers to identify how the robot could best support their mission critical applications,” said Robert Playter, CEO of Boston Dynamics. “Our customers want reliable data collection in remote, hazardous, and dynamic worksites. We developed the new Spot products with these needs in mind, and with the goal of making it easy to regularly and remotely perform critical inspections, improving safety and operations.”

Interested parties can purchase Spot Enterprise, Scout, and the Spot Arm via Boston Dynamics’ sales team. For more information on these new offerings, please visit: www.bostondynamics.com.



About Boston Dynamics

Boston Dynamics is the global leader in developing and deploying highly mobile robots capable of tackling the toughest robotics challenges. Our core mission is to lead the creation and delivery of robots with advanced mobility, dexterity and intelligence that add value in unstructured or hard-to-traverse spaces and positively impact society. We create high-performance robots equipped with perception, navigation and intelligence by combining the principles of dynamic control and balance with sophisticated mechanical designs, cutting-edge electronics and next-generation software. We have three mobile robots in our portfolio – Spot®, Handle™ and Atlas® – as well as Pick™, a computer vision-based robotics solution for logistics. Founded in 1992, Boston Dynamics spun out of the MIT Leg Lab and is one of Inc. Magazine’s Best Workplaces of 2020. For more information on our company and its technologies, please visit www.bostondynamics.comhttp://www.bostondynamics.com.