2025, Masterarbeit, Chuthong Sittha
 

Betreuung durch M.Sc. Arnaud Ngamakoua Hakoua

Künstliche Intelligenz (KI) ist heute ein wesentlicher Bestandteil zahlreicher Alltags- und Industrietechnologien. Der Begriff KI wurde 1956 bei der Dartmouth-Konferenz von John McCarthy populär, die als Geburtsstunde der KI-Forschung gilt. Sie entwickelte sich von symbolischen Systemen, die auf festgelegten logischen Regeln basierten, zu modernen neuronalen Netzwerken (inspiriert vom menschlichen Gehirn), die durch maschinelles Lernen aus Daten lernen können. Durch die rasante Weiterentwicklung neuronaler Netzwerke entstand das Deep Learning als besonders leistungsfähige Lernmethode. Es unterscheidet sich in vier Hauptansätzen: überwacht (mit beschrifteten Daten), unüberwacht (ohne Beschriftungen), verstärkend (durch Versuche und Irrtümer in realen Umgebungen) und selbstüberwachend (ähnlich dem Lernen eines Babys). Diese Fortschritte ermöglichen es, KIgestützte Roboter immer häufiger in der Industrie einzusetzen, um komplexe Aufgaben autonom zu bewältigen. 

Deshalb verfolgt diese Masterarbeit das Ziel, die Grundlagen von KI verständlich darzustellen, den Trainingsprozess von neuronalen Netzwerken zu erläutern und aufzuzeigen, wie KI in die Robotik integriert wird. Als praktisches Beispiel dient ein DIY-SCARA-Roboterarm mit einem autonomen Objektgreifsystem. Dafür werden wesentliche Schritte beschrieben: Training des KI-Modells, Messung von Abstand und Winkel zum Objekt, Kamerakalibrierung nach Zhangs Methode, Roboterkalibrierung mittels ArUco-Marker, Berechnung der inversen Kinematik sowie die Entwicklung einer Greifstrategie. Durch diese Analyse soll verdeutlicht werden, wie KI in realen Robotiksystemen eingesetzt werden kann und welche Schlüsseltechnologien dafür erforderlich sind.