几个传送带运输巧克力棒:他们是演示机器的一部分,展示了如何使用人工智能运动控制。剩下要做在一个真正的工厂是把巧克力——自动化,当然可以。在这个聪明的横向进给演示机从西门子数字产业,必须放置在巧克力棒等间距的槽6带。“酒吧是放置在入口带随机间隔,”马丁说,虚拟机电一体化技术专家,在西门子公司的研究部门。“系统控制器实现通过改变传送带的速度。一行三个传送带可以加速或减速,以确保出口带巧克力是正确定位。一个优化控制算法的开发这个应用程序是一个棘手的编程任务——如果你不相信:就自己试试。通过强化学习,我们已经训练一个人工智能控制器来实现这个任务。”gydF4y2Ba

强化学习是一种人工智能方法,和大多数人一样工作学习骑自行车,通过试验和错误,没有任何知识的基本物理:新手骑自行车的经历是否他或她自己的技术是好直接在骑测试,从而逐渐变得越来越好。“这正是强化学习是如何工作的,”米歇尔Tokic解释说,一位专家在应用技术和讲师路德维希马克西米利安慕尼黑大学的强化学习。“人工智能是给定一个目标规范,如“糖果酒吧只能放在目标字段,和系统应该尽快在这个过程中”。然后,AI -最初完全随机仿真模型和接收反馈控制的尝试,由光引发障碍信号,在每个尝试多好。这个反馈,有目的的控制算法后出现许多自动化培训周期。”gydF4y2Ba

工厂控制系统中的错误可以有昂贵的或危险的后果。出于这个原因,控制开发和测试数字双胞胎植物没有风险的标准(gydF4y2Ba西门子虚拟调试gydF4y2Ba)。数字双的植物也可以用来训练AI。gydF4y2Ba

“大约72小时的训练与数字双(一个标准的电脑上;24小时在计算机集群的云),AI准备控制真正的机器。肯定是比人类更快发展这些控制算法,比肖夫说。”利用强化学习,人工智能已经开发了一个解决方案策略,所有的巧克力在前面输送带运输尽快和准确的速度只有最后传送带控制——有趣的是完全不同与传统的控制系统。gydF4y2Ba

研究人员由马丁·比肖夫能够使他们的方法更加实用的压缩和编译训练控制模型以这样一种方式,他们运行cycle-synchronously西门子硅镁质实时控制器。托马斯·门泽尔负责部门数码机和创新业务部门内生产机器,看到巨大的潜力的方法让人工智能在数字双独立学习复杂的控制任务:“名义AI运动教练,现在这个方法帮助几个共同创造合作伙伴开发特定于应用程序的优化控制在更短的时间。生产设备现在不再局限于一个PLC控制程序的任务已经发达但可以实现所有的任务由人工智能是可以习得的。与我们的硅镁质组合的集成使得这项技术的使用特别工业级。”gydF4y2Ba