Personenerkennung: Wie können Menschen und Roboter erfolgreich und sicher zusammenarbeiten?
Wie können Menschen und Maschinen erfolgreich zusammenarbeiten? Auch, wenn Roboter in einer Fabrik schon fast zum Alltag gehören, stellt sich diese Frage immer wieder. „Umso autonomer die Maschinen agieren, desto dringender ist diese Frage“, erklärt Dr. Tobias Kaupp, Professor für Robotik an der Hochschule Würzburg-Schweinfurt (FHWS). Zum einen wünsche man sich eine intuitive Mensch-Maschine-Schnittstelle, die eine effiziente Zusammenarbeit ermöglicht, zum anderen gilt es zu verhindern, dass bei der Anwendung von kooperierenden Robotersystemen Menschen verletzt werden. In diesem Umfeld ist die Personenerkennung besonders wichtig.
Ein Team von Studierenden und Mitarbeitern unter der Leitung von Professor Kaupp und Professor Norbert Strobel hat sich dank der Unterstützung durch die Hans-Wilhelm Renkhoff Stiftung im vergangenen Jahr Fragen in diesem Zusammenhang gewidmet. Die Arbeit wird an der Fakultät Elektrotechnik im Rahmen des Masterstudiengangs Elektro- und Informationstechnik durchgeführt, dessen Ausbildungsziel es ist, Absolventen durch eine dreisemestrige Projektarbeit wissenschaftlich zu qualifizieren. „Besonders spannend war es, an der Künstlichen Intelligenz zu arbeiten und damit die Personenerkennung zu realisieren“, sagt Masterand Lucas Reinhart. „Da die verschiedenen Arten der Künstlichen Intelligenz uns in der Zukunft im Alltag begleiten werden, finde ich diese Arbeit sehr interessant.“
Als Anwendungsfall für die Personenerkennung wurden mobile Roboter – beispielsweise fahrerlose Transportsysteme – definiert, wie sie in der Fertigung oder im Serviceumfeld zum Einsatz kommen. Das Ziel dieser Arbeit ist eine robuste und schnelle Personenerkennung bei mobilen Robotern, wie sie für eine sichere Mensch-Maschine-Schnittstelle erforderlich ist. Die Personenerkennung soll dabei aus der Anwesenheitserkennung von Personen und deren Positionsbestimmung bestehen. Dabei wurde der Schwerpunkt auf moderne Verfahren der Künstlichen Intelligenz gesetzt, speziell sogenannte Convolutional Neural Networks (CNNs), die ein Untergebiet des Deep Learning, einer Methode des maschinellen Lernens, darstellen. Ein dabei für die Praxis besonders interessantes Verfahren, so Kaupp, sei You Only Look Once (YOLO), das einen sehr guten Kompromiss zwischen Detektionsgenauigkeit und Rechenaufwand erreiche.
„Die Verarbeitung von Sensorsignalen mit neuronalen Netzen auf stark parallelisierten, preisgünstigen Plattformen erweitert das mögliche Einsatzspektrum von Robotern. In diesem Projekt wurde dank der Unterstützung durch die Hans-Wilhelm Renkhoff-Stiftung gelernt, wie man diesem Ziel im Umfeld der mobilen Robotik näherkommen kann“, erläutert Professor Strobel. Aufgrund der finanziellen Unterstützung der Stiftung war es möglich, eine Entwicklungs- und Testumgebung für die Personenerkennung aufzubauen. Beispielsweise konnte benötigte Hardware angeschafft werden, u.a. leistungsfähige Kleinrechner der Nvidia-Jetson Familie oder moderne Sensoren, wie z.B. Intel Realsense Tiefenkameras oder FireFly Deep Learning Machine Vision Sensors von FLIR.
Durch die Unterstützung wurden Erkenntnisse gewonnen, die wichtige Grundlagen für Nachfolgeprojekte darstellen, insbesondere auch im Rahmen des neuen Bachelor-Studiengangs für Robotik, der ab Herbst 2020 am Standort Schweinfurt angeboten wird.
