KI-ba­sier­te Steue­rung ei­ner Ski­ving-Nach­be­ar­bei­tungs­ma­schi­ne mit­tels Imi­ta­ti­on Learning

Das Kooperationsprojekt mit der Firma Rigdon GmbH (öffnet neues Fenster) zielt darauf ab, den Prozess der Reifenrunderneuerung durch den Einsatz von Maschinellem Lernen zu optimieren. Die Herausforderung besteht darin, den komplexen und arbeitsintensiven Nachbearbeitungsschritt innerhalb des Skiving-Prozesses (engl. für schälen/schleifen) bei der Reifenrunderneuerung zu automatisieren. Ziel dieses Projektes ist es, einen Steuerungsalgorithmus für einen Roboter zu entwickeln, welcher auf Imitation Learning basiert.

Imitation Learning ist ein Ansatz im Bereich des maschinellen Lernens, bei dem ein Modell lernt, eine Aufgabe auszuführen, indem es menschliche Experten imitiert. Imitation Learning nutzt dafür direkte Beobachtungen von erfolgreichen Strategien. Demgegenüber steht oft das klassische Reinforcement Learning, bei welchem durch Versuch und Irrtum sowie Anwendung einer Belohnungsfunktion gelernt wird. Die Methode des Imitation Learning ist im Speziellen besonders nützlich in Situationen, in denen das Definieren einer klaren Belohnungsfunktion schwierig ist oder in denen die Exploration des Lösungsraums gefährlich oder kostspielig sein kann - beides trifft auf die dieses Anwendungsszenario zu.

Angesichts der Tatsache, dass allein in Deutschland jährlich 571.000 Tonnen Altreifen anfallen, verbessert dieses Projekt nicht nur die Effizienz des Runderneuerungsprozess und damit die Wettbewerbsfähigkeit von runderneuerten Reifen gegenüber Neureifen, sondern bietet auch großes Umweltentlastungspotential.

Zusammenfassend betrachtet, steht dieses Projekt nicht nur für eine technologische Neuerung und Verbesserung, sondern adressiert auch entscheidende gesellschaftliche Herausforderungen, wie den Fachkräftemangel sowie den Umweltschutz.