Ein Grundstein für Maschinelles Lernen

LOCO – logistikspezifischer Datensatz für den Einsatz in intelligenten Systemen

Mit LOCO (Logistic Objects in Context) hat der Lehrstuhl für Fördertechnik Materialfluss Logistik (fml) der TU München den ersten logistikspezifischen Datensatz veröffentlicht. Die Abbildung realer Logistikumgebungen bietet die Möglichkeit, intelligente Systeme in Logistikanwendungen durch Maschinelles Lernen umzusetzen. So lassen sich endlich auch Intralogistik-Objekte mithilfe von Maschinellem Lernen erkennen.

1105
Das Projekt LOCO ermöglicht den Einsatz von Maschinellem Lernen in der Logistik und eröffnet neue Entwicklungsgebiete für intelligente Systeme. Bild: FML
Das Projekt LOCO ermöglicht den Einsatz von Maschinellem Lernen in der Logistik und eröffnet neue Entwicklungsgebiete für intelligente Systeme. Bild: FML

Nachdem intelligente Systeme, wie Roboter, in Wirtschaft und Industrie immer häufiger eingesetzt werden, erhöhen sich auch die an sie gestellten Anforderungen. Von intelligenten Robotern wird zunehmend verlangt, dass sie mit anderen Teilnehmern und ihrer Umgebung interagieren können. Um diese physische Interaktion zu ermöglichen, müssen Roboter zunächst rohe Sensordaten (z. B. Bild- oder Punktwolkendaten) verarbeiten und komplexe, semantische Informationen (z. B. Objektinformationen) extrahieren. Dieser Prozess wird als Wahrnehmung bezeichnet.

Weiterlesen mit dem TL-Abo

Um den kompletten Artikel zu lesen benötigen Sie ein Jahres- oder Testabonnement der Technischen Logistik. Mehr Informationen zu unseren Produkten »

 

Falls Sie Fragen zu unseren Produkten oder Ihrem Bezugsstatus haben, können Sie unseren Leserservice kontaktieren »

Prof. Dr.-Ing. Johannes Fottner

Prof. Dr.-Ing. Johannes Fottner
Ordinarius, Lehrstuhl für Fördertechnik Materialfluss Logistik (fml), Technischen Universität München

Dr. Christopher Mayershofer

Dr. Christopher Mayershofer
M.Sc.,
 Head of Engineering bei der Noyes Technologies GmbH in München

Dimitrij-Marian Holm

Dimitrij-Marian Holm
M.Sc.,
 Wissenschaftlicher Mitarbeiter am Lehrstuhl für Fördertechnik Materialfluss Logistik (fml) 
der Technischen Universität München

· Artikel im Heft ·

Ein Grundstein für Maschinelles Lernen
Seite bis 0
29.06.2023
Farbsensorik zur sicheren Personenerkennung am Beispiel eines Schnee-Beräumsystems
Im Rahmen des ZIM-Forschungsprojekts „Schnee-Beräumsystem für Flachdächer“, an dem mehrere Partner beteiligt gewesen sind, standen neben der technischen Umsetzung von neuartigen Fördermodulen die...
06.04.2023
Mit Roboter-Technologie zu Zero-Touch Fulfillment
Als Value-Chain-Tech-Partner steht Knapp für innovative Technologien und Lösungen rund um Automatisierung und Digitalisierung von Logistikprozessen entlang der gesamten Wertschöpfungskette. Das...
17.09.2021
Mehr Effizienz und optimierte Prozesse durch intelligenten Kraftanzug
Der intelligente „Cray X Power Suit“ von German Bionic hilft Arbeitsplätzen in der Logistik zu messbar höherer Effizienz und Produktivität, indem er aktiv beim Heben von Lasten unterstützt und die...
26.07.2023
Sechs Unternehmen für Innovationen mit dem Ifoy Award 2023 ausgezeichnet
Die Sieger des Ifoy Award 2023 stehen fest. Im Rahmen der Award Night im Dortmunder U nahmen Vertreter der Unternehmen Agilox, Crown, DS Automotion, Hunic und Still die internationale Intralogistik...
07.03.2023
Neues Greiferkonzept für automatisiertes Greifen in der Kommissionierung
Hamburger Forscher haben ein neuartiges Greiferkonzept für Roboter entwickelt, mit dem es möglich ist, beim automatisierten Kommissionieren von heterogenen Produktspektren auf bisher aufwändig...
17.09.2021
Strukturierte Echtzeitanalyse von Prozessen
Wörter regen in unseren Köpfen Bilder an. Der sprechende Begriff „digitaler Zwilling“ ist hierfür ein wunderbares Beispiel. Vor allem aber auch ein Beispiel dafür, dass die Vorstellungen, die in...