Ein konkretes Anwendungsbeispiel der Zusammenarbeit ist die kamerabasierte Erkennung von Paletten. | ©Toyota Material Handling
Die Automatisierung von Lager- und Materialtransportprozessen erfordert aufwendige Tests, insbesondere wenn autonome Fahrzeuge gemeinsam mit Menschen und manuell gesteuerten Staplern eingesetzt werden. Toyota Material Handling Europe will diese Entwicklungs- und Validierungsprozesse künftig stärker in virtuelle Umgebungen verlagern.
Dafür arbeitet das Unternehmen mit dem Chiphersteller NVIDIA und dem Technologie-Dienstleister SoftServe zusammen. Ziel ist es, autonome Transportlösungen bereits vor ihrer Installation unter möglichst realitätsnahen Bedingungen zu testen und potenzielle Probleme frühzeitig zu erkennen.
Digitale Zwillinge simulieren den Lagerbetrieb
Die technische Grundlage bilden die NVIDIA Omniverse-Bibliotheken und das Robotik-Simulationsframework NVIDIA Isaac Sim. Gemeinsam mit den Engineering-Kompetenzen von SoftServe werden damit digitale Zwillinge entwickelt, die konkrete Lager- und Produktionsumgebungen von Kunden virtuell nachbilden.
In diesen Simulationen lassen sich unter anderem die Navigation autonomer Flurförderzeuge, Sicherheitsfunktionen und das Verhalten der Fahrzeuge in unterschiedlichen Betriebssituationen überprüfen. Auch das Zusammenspiel mit Beschäftigten und manuell gesteuerten Gabelstaplern kann vorab getestet werden.
Dadurch sollen Fehler und mögliche Konfliktsituationen bereits in der Entwicklungsphase erkannt werden, anstatt erst während der Inbetriebnahme am Kundenstandort.
„Durch virtuelle Inbetriebnahme und Digital-Twin-Technologie können wir die Qualität absichern und gleichzeitig Muda, also Verschwendung, vermeiden, noch bevor die Implementierung beginnt“, erklärt Johan Rosén, Senior Vice President Research & Development bei Toyota Material Handling Europe.
KI verbessert die Palettenerkennung
Ein konkretes Anwendungsbeispiel der Zusammenarbeit ist die kamerabasierte Erkennung von Paletten. Dafür erzeugten die Projektpartner mithilfe der NVIDIA Omniverse-Bibliotheken synthetische Trainingsdaten, die durch sogenannte World Foundation Models von NVIDIA Cosmos ergänzt wurden.
Bei Tests mit realen Lagerdatensätzen konnte nach Unternehmensangaben der sogenannte Object-Detection-Recall-Wert um mehr als 70 % verbessert werden. Dieser Kennwert beschreibt, welcher Anteil der tatsächlich vorhandenen Objekte von einem Erkennungssystem identifiziert wird.
Die Ergebnisse zeigen das Potenzial künstlich erzeugter Trainingsdaten für die Weiterentwicklung autonomer Fahrzeuge. Gerade in wechselnden Lagerumgebungen ist eine zuverlässige Objekterkennung eine wesentliche Voraussetzung für den automatisierten Materialtransport.
KI auch für Wartung und Produktionsprozesse
Die Zusammenarbeit beschränkt sich nicht auf autonome Flurförderzeuge. NVIDIA-gestützte Bildverarbeitung und intelligente KI-Agenten sollen auch bei der Qualitätskontrolle, der vorausschauenden Wartung, der Prozessoptimierung und im Energiemanagement eingesetzt werden.
Toyota verfolgt dabei das aus seinem Produktionssystem bekannte Prinzip der Vermeidung von Verschwendung. Entwicklungsprozesse sollen effizienter gestaltet, Fehler früher behoben und der Aufwand bei der Implementierung automatisierter Lösungen verringert werden.
„Unser Ziel ist es, Zero Muda zu erreichen: Wir wollen Verschwendung beseitigen, die die Produktivität in Materialtransportprozessen beeinträchtigt“, erklärt Ernesto Dominguez, President und CEO von Toyota Material Handling Europe.
Die angekündigten Einsparungen von bis zu 50 % beim Inbetriebnahmeaufwand und bis zu 40 % bei der Markteinführungszeit sind dabei Zielwerte. Konkrete Angaben dazu, in welchem Umfang diese Verbesserungen bereits bei Kundenprojekten erreicht wurden, enthält die Mitteilung nicht.
Mit der stärkeren Nutzung von Physical AI und digitalen Zwillingen will Toyota Material Handling die Entwicklung autonomer Intralogistiklösungen künftig beschleunigen und deren Einsatz in komplexen Lagerumgebungen besser vorbereiten.