EP4268162A1 - Verfahren und system zum überführen einer start-objektsituation in eine ziel-objektsituation (intuitive tacit solution finding) - Google Patents

Verfahren und system zum überführen einer start-objektsituation in eine ziel-objektsituation (intuitive tacit solution finding)

Info

Publication number
EP4268162A1
EP4268162A1 EP21847502.8A EP21847502A EP4268162A1 EP 4268162 A1 EP4268162 A1 EP 4268162A1 EP 21847502 A EP21847502 A EP 21847502A EP 4268162 A1 EP4268162 A1 EP 4268162A1
Authority
EP
European Patent Office
Prior art keywords
object situation
event
situation
target object
event sequence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP21847502.8A
Other languages
English (en)
French (fr)
Inventor
André STUTH
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Publication of EP4268162A1 publication Critical patent/EP4268162A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
    • G05D1/0016—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement characterised by the operator's input device
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
    • G05D1/0061—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements for transition from automatic pilot to manual pilot and vice versa
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means

Definitions

  • the present invention relates to a control method for controlling an actuator in order to convert a start object situation into a target object situation, with this process being able to be represented by event sequences which can be generated and which can be retrieved from a database in order to optimize it. Furthermore, the invention relates to a control system, comprising a computer program product for controlling an actuator in order to implement the control method, an industrial robot system comprising the control system, a vehicle guidance system comprising the control system, a traffic control system, a device and a method for robot-controlled process optimization, a method for normalization of object types and a method for normalizing object situations, with all of the listed systems or devices implementing the control method according to the invention.
  • Control systems in particular also so-called adaptive control systems, are known from the prior art. These are colloquially referred to as controls. In the following, the term control system is replaced by "control" for reasons of readability. Controls and regulations can monitor a wide variety of processes and, if necessary, adapt them.
  • Adaptive control is known, which is set up to constantly adapt certain operational parameters to changing conditions in order to achieve the best performance of the process. For this adjustment, a finite chain of actions in a time period is necessary, which produces the desired or required TARGET object situation from the received sensor data of the analyzed ACTUAL object situation in a certain spatial section with the help of the variables to be controlled by the adaptive control.
  • Every nth action converts the nth start object state S n into the nth target object state Z n .
  • the first start object state Si becomes transferred to the m-th target object state Z m .
  • the term event is used below instead of the term action. So an nth event transforms the nth start object state S n into the nth target object state Z n .
  • a target variable is measured continuously for the adjustment, ie the current object status (the ACTUAL object situation) is recorded, while a target status (TARGET object situation) is specified for the control.
  • the controller observes the changes in the target variable caused by a change in the input signals and then adapts its own behavior accordingly.
  • adaptive controllers have reference models of the system controlled by the adaptive controller, which they use to make predictions about the controlled system.
  • often only local minima are subsequently found during an optimization.
  • Adaptive controls supported by machine learning (ML) or statistical methods, are increasingly being developed, particularly for complex systems. These methods of control are also referred to as "intelligent control”.
  • Adaptive controls based on statistical methods such as Bayesian probabilities require little background information about the controlled system, but are inefficient, which means that they do not necessarily find optimal solutions, and in doing so they require a lot of time and energy.
  • Adaptive controls which are supported by ML, on the other hand, are quick and efficient in execution. This can be well illustrated using the example of a neural network:
  • a neural network uses a number of input parameters (input) and one or more target parameters (output). Between the input and output layers are interconnected layers of "neurons". These represent a non-linear function in which the input values on the preceding layers are processed and combined to produce an output value.
  • the system is then operated with a variety of possible input data trained to generate the correct output This requires a corresponding amount of initial training data, which must be sufficient to cover the relevant part of the phase space (n-dimensional space of all possible states of the system, where n corresponds to the number of measured parameters). and should also have as little statistical distortion as possible.
  • weightings i.e. the strengths of the connections between the individual neurons
  • the "knowledge" about the domain, in which the neural network is applied thus implicit in the structure of the neural network.
  • the training is very computationally intensive and therefore requires a large amount of training data and a lot of energy and time as well as powerful hardware
  • the use of the generated neural network for the assignment of a set of input values to a number of output values is comparatively less computationally intensive and can therefore also be done on less powerful hardware with a manageable expenditure of energy and time.
  • the known adaptive controls lack the ability to adapt when the boundary conditions of the controlled system change, so that the phase space or the stabilities in the system also change.
  • the invention has set itself the task of providing an optimized, i.e. more efficient, more energy-saving, faster and/or better structured control method and to design this in such a way that the control method can also be “retrofitted” or “added” to existing control systems.
  • the invention recognizes the need for a high degree of abstraction, so that the methods and devices according to the invention are suitable for all purposes of use, in particular for interaction with all classic controls, i.e. independent of the purpose of use.
  • the task is essentially solved by adding a knowledge management system to a control method, which includes event sequences in order to convert a start object situation into a target object situation.
  • the present object is achieved in particular by a control method for controlling an actuator for transfer, in particular for transferring the actuator from a start object situation to a target object situation (i.e. reaching a target object situation based on a start object situation) by means of a controller, preferably an adaptive control, comprising a) determining (SOI) a starting object situation by means of a sensor, b) defining (S02) a target object situation, c) determining (S03) an event sequence which is suitable to convert the starting object situation into the To transfer the target object situation from a set of known (partial) event sequences, in particular partial event sequences (i.e. partial procedures; individual process steps).
  • a control method for controlling an actuator for transfer in particular for transferring the actuator from a start object situation to a target object situation (i.e. reaching a target object situation based on a start object situation) by means of a controller, preferably an adaptive control, comprising a) determining (SOI) a starting object situation by means of
  • Partial event sequences comprising the start and/or target object situation and/or object situations from partial event sequences of previous iteration steps
  • the determination then takes place from a set of known (partial) event sequences of an event sequence that is suitable for reaching the target object situation based on the start object situation.
  • a database is preferably used, which for the purpose of searching for a suitable solution in form of an event sequence, which is suitable for solving the task, is read.
  • the database is preferably suitable here for allocating at least the following variables to one another, in particular also for dealing with a weighted combination of these variables: an identifier for a possible starting object situation,
  • Identifier of the object types involved information on an event sequence, the event sequence being suitable for converting the possible start object situation into the possible target object situation.
  • the selection (S03bl) of the at least one event sequence for reaching the target object situation based on the start object situation is preferably one that suits the task Solution.
  • the solutions stored in a database are preferably quantified in the form of an event sequence with regard to the aforementioned variables and a solution suitable for the task is selected in the database if a corresponding solution for the task has been read (S02).
  • a new event sequence is formed (S03b2), in particular a chain of procedures for forming a more complex procedure for reaching a target object situation, starting from a start object situation on the basis of the partial event sequences found in step S03a and their concatenations.
  • a new event sequence is formed (S03b) if a solution that matches the task was not read (S02), as an n-concatenation from the existing event sequences, preferably comprising the following steps:
  • Reading (S03b-01) the database for the purpose of searching for at least a first and an nth event sequence, in particular searching for event sequences from a first to an nth event sequence, where n denotes a natural number and the first event sequence is suitable for the possible starting object situation into a first intermediate object situation and for all natural numbers for which 1 ⁇ k ⁇ n, the k-th event sequence is suitable for transforming a (k-l)-th intermediate object situation into a k -th intermediate object situation, and the nth event sequence is suitable for converting an (n-l)th intermediate object situation into the possible target object situation
  • a step of iterating (B02a) over possible intermediate object situations and chains of intermediate object situations in particular a step of recursive iteration, can be provided, with these intermediate object situations preferably being stored in a database, so that a step of reading ( B02b) a database for the purpose of searching for suitable event procedures.
  • each event procedure is preferably capable of either transforming the possible starting object situation into the first intermediate object situation, or for a k with 1 ⁇ k ⁇ n, to transform the (kl)-th intermediate object situation into the k-th intermediate object situation, or
  • At least one quantitative suitability criterion for the chaining of the procedures is preferably calculated (B03) for each chaining of procedures caused by the iteration.
  • the step of selecting one or more concatenations occurs based on at least one quantitative suitability criterion/trait.
  • step S03b1 takes place on the basis of at least one quantitative suitability criterion/feature (as defined herein).
  • event sequences between two object situations can be initially collected and stored in any programming or description language, in particular in any uniform programming or description language.
  • the method according to the invention can preferably also include a step for storing (SOS) the determined event sequence.
  • SOS a step for storing
  • the determined event sequence is a newly created event sequence, it can be stored in a database as an n-concatenation, with this newly concatenated event sequence being suitable for converting the possible start object situation into the possible target object situation .
  • This has the advantage that when carrying out a later event sequence that is identical or at least similar, it can be used in step (c) of the method according to the invention, namely the determination (S03) of an event sequence.
  • the method according to the invention includes a first partial step for determining an event sequence from a set of known (partial) event sequences in a first memory in which successes are stored, ie event sequences that are suitable for starting To convert the object situation into the target object situation, a (basically) suitable event sequence being determined by iteratively searching for known (partial) event sequences and selecting a known event sequence or forming a new event sequence, in particular forming a new event sequence, and one second partial step for determining an event sequence from a set of known (partial) event sequences in a second memory in which failures are stored, ie event sequences that are not or only insufficiently suitable for converting the start object situation into the target object situation , by searching/determining the event sequence determined in the first partial step in the second memory or by comparing the event sequences determined in the first partial step with the event sequences determined in the second partial step, with the (partial) event sequences determined in the second partial step being discarded (
  • the method according to the invention is therefore at least quasi-adaptable, preferably capable of learning, so that at least in a first upstream step, very particularly preferably, it is completely based on a comparison of the (entire) determined quantity of potentially suitable Event sequences based on at least one size or one quantitative suitability criterion (as defined herein) can be dispensed with. This saves time and reduces the energy required to determine a suitable (partial) event sequence.
  • a first memory in which successes are stored is, for example, a so-called success database, i.e. a memory or a database in which (partial) event sequences are stored which occur with the same or a similar combination of starting object situation and target Object situation have led to success.
  • a second memory in which failures are stored is, for example, a so-called
  • Failure database i.e. a memory or database in which (partial) event sequences are stored which have not led to success with the same or similar combination of start object situation and target object situation.
  • the method according to the invention also includes a step for determining prohibited or impermissible event properties (constraints) within the event sequence to be determined, which is (in principle) suitable for converting the start object situation into the target object situation from a set to convert from known (partial) event sequences, in particular by controlling an actuator based on the determined event sequence by the controller.
  • prohibited or prohibited Event properties include an undesired operation such as an object panning, rotating, or jerking due to the object's inertia, air movement, or vibration.
  • forbidden or impermissible event properties can be determined separately for individual or within individual (partial) event sequences.
  • the method according to the invention also includes a step for monitoring an ongoing or a recurring process or a (partial) event sequence, in particular a step for monitoring the recurring start-object situation.
  • a step for monitoring the recurring start-object situation is the action of a robot on an assembly line that repeatedly performs the same operation.
  • the method according to the invention also includes at least one step of repeatedly determining an event sequence or a step of repeatedly running through the method according to the invention, in particular the control method (according to the steps defined herein, in particular excluding the sequence of events that was not suitable for converting the start-object situation into the target-object situation) if the previously determined and/or or the sequence of events that was carried out was not suitable for converting the start object situation into the target object situation.
  • This has the advantage that the system, in particular the system for controlling an actuator, does not abort the process of transferring the start object situation into the target object situation (and e.g.
  • the step of repeatedly determining an event sequence includes a preceding partial step in which the actuator returns to its starting position before the method according to the invention, in particular the control method, is run through again.
  • the determination of an event sequence according to step (c) of the method according to the invention is only partially completed before the transfer of a start object situation into the ultimate target object situation begins. This means that with the beginning of the transfer of a start object situation into the final target object situation, the determination of the entire event sequence is not yet complete, but the individual partial event sequences are determined successively and step by step to the (entire) event sequence from individual partial Event sequences (procedural event knowledge, a memory, a database) are concatenated (linked together).
  • resource savings e.g. required computing power
  • each part-event sequence preferably at least after the completion of every second part-event sequence, very particularly preferably after Completion of at least 30%, in particular at least 50% of the partial event sequences of the entire event sequence, the (accordingly) expected intermediate target object situation is compared with the actual intermediate target object situation.
  • the method according to the invention preferably includes a step of determining an actual intermediate target object situation (ie that of an object situation which describes a state between a start object situation and a target object situation and which does not yet mark the end of the entire required event sequence represents), which in turn can serve as a starting object situation for a further or independent (partial) event sequence, by means of a sensor and the comparison of this determined actual intermediate target object situation with the determined intermediate target object situation to be expected of a selected ( Partial) event sequence or newly formed (partial) event sequence.
  • an actual intermediate target object situation ie that of an object situation which describes a state between a start object situation and a target object situation and which does not yet mark the end of the entire required event sequence represents
  • the step of determining an event sequence can be adapted on the basis of the determined deviation (e.g. with successive/partial determination of the entire event sequence, as defined in advance) or the actuation step is aborted of the actuator, which is controlled based on the originally determined sequence of events.
  • Such deviations of the actual intermediate target object situation from the determined expected intermediate target object situation based on the desired event sequence can be caused, for example, by disruptive factors such as friction losses, wear and tear, external environmental factors, but also after the maintenance/repair of a device and a device with it e.g. associated ease of movement of components. Such disruptive factors can then be taken into account as an event criterion in the step of determining further event sequences.
  • the control method according to the invention enables an optimized transfer of a start object situation into a target object situation by accessing event sequences stored in a memory, in particular a database. In addition, errors that can occur due to an essentially manual specification of an event sequence are minimized.
  • control method according to the invention also makes it possible to react to spontaneous changes within a continuous or repetitive process and to provide a new (alternative or modified) event sequence.
  • control method according to the invention is designed to be capable of learning.
  • ITSF Intelligent Tacit Solution Finding
  • This type of knowledge is the most sought-after "know-how" for a variety of processes.
  • the advantage is that the event sequence does not have to be made explicit. This means that the event procedure can be left in the existing programming or description language in which it is collected by a technical facility .
  • the method according to the invention comprises the following (ag): a) Collection and storage of event sequences: Method for the collection and structured storage of procedural event sequences as the connection of a start and a target object situation.
  • Each of these stored event sequences is a small building block of the procedural knowledge of events b) Rapid retrieval of event sequences: The initially recorded event sequences are stored in a structured manner in the list of event procedures and can be retrieved very quickly and easily via their start and target object situations c) Normalization of object situations ions: Concrete objects are first assigned to more general object types (normalization of object types). These object types are then combined into an object situation within a limited spatial section and normalized using the list of object situations.
  • the specific objects are preferably assigned to object types on the basis of information collected by means of sensors. In a particularly preferred manner, the specific objects are assigned to object types on the basis of the sensors and the processing of the data in an adaptive controller.
  • Procedural event sequences The event sequence sought as a connection between these two object situations always lies between the currently analyzed starting object situation and the required target object situation and is stored in the list of procedural event sequences.
  • Concatenation of event sequences If there is still no entry in the list of known event procedures for the request for a start and target object situation, a search is made for a concatenation of event sequences that has the start and at the very end the one being sought Contains target object situation. Each link in this concatenation chain is connected via its normalized target object situation equal to the start object situation of the next sequence that fits into this connection.
  • an event represents a transition from a start object situation to a target object situation in a specific space section.
  • states can be interpreted as nodes in a graph, the events can thus be interpreted as edges between the states. Accordingly, all states that can be converted into one another can be summarized as a graph. Depending on whether events are reversible, they can be represented by directed or undirected edges. If an event sequence is now sought that is suitable for converting an initial state into a target state, simple routing algorithms such as A* or Dijkstra can be used.
  • the graph can be regularly optimized for faster routing.
  • Various graph databases that store information in graphs are already known from the prior art. These are optimized according to technical criteria. Further optimizations can be made, for example, by forming so-called contraction hierarchies. To do this, the entire graph is analyzed and virtual edges are generated, which store information about the fastest paths between two points. Thus, the search for an event sequence from a start state to a target state can take place extremely quickly.
  • the terms "procedure” and "event” are used interchangeably.
  • ITSF - Intuitive Tacit Solution Finding is a new method for the collection, structured storage and easy retrieval of procedural event knowledge. This knowledge is not so easy to describe explicitly, mostly unconsciously (tacit) and therefore requires special treatment when processing it. With this new way of dealing with it, the old problems of dealing with the most important part of tacit knowledge can be solved thoroughly. But what is the general difference between knowledge and information or data?
  • Theo Mulder 2006 (Mulder, Theo (2006)): The adaptive brain: about movement, consciousness and behavior. Thieme, publisher C.H. Beck).
  • Declarative object knowledge refers to local objects in space, which can be explicitly and extensively described with all their properties. You are always in local object situations with multiple, sometimes very extensive relationships between these objects in a section of space.
  • Procedural event knowledge refers to sequential or parallel events in a period of time, which are much more difficult to describe explicitly in their many sequential or parallel steps and are very often stored unconsciously (tacit), i.e. implicitly in their type and sequence in the brain. This unconsciousness also relates in particular to their duration and energy expenditure.
  • Every intelligent, adaptive controller today needs a well-structured knowledge management system with which it can learn from the findings and experiences of the past. It's no longer just about collecting data, it's about the analysis, classification and easy findability of knowledge modules. This means that control technology and knowledge management must work together ever more closely. To do this, it is necessary to collect the two most important types of knowledge separately, to store them in a structured manner and thus to be able to find both again easily, quickly and correctly be able.
  • the main goal of Intuitive Tacit Solution Finding - ITSF is the fast and correct retrieval of knowledge modules of the procedural event knowledge.
  • Such a purpose can be, for example, autonomous driving in road traffic or, in contrast, the recognition of workpieces and their position in relation to each other when using industrial robots.
  • Defined object situations then arise from the assignment of detected objects to object types and the position of these object types in relation to one another in a spatial section.
  • object types can occur such as pedestrians, cyclists, cars, trucks, traffic signs, road boundaries, walls or even your own position in a section of space.
  • object types such as cylinders, cuboids, cubes, blanks or the finished product are more likely to occur.
  • the entire object situation in a section of space is recognized.
  • Both the detected object type and the detected object situation are compared with all object types and object situations already stored and can verify or expand these two lists. If known object types or object situations occur, these are simply assigned to the already known entries in both lists. New entries are made in the two lists for previously unknown object types or object situations (normalization of object knowledge). This has been collected, declaratively described and stored for a long time with the technologies available today. Most of the time, the collected data is then pumped into large data lakes, from which the unstructured data has to be analyzed very laboriously.
  • the target object situation consists, for example, of the correct position of a workpiece that has previously been assigned to an object type and an actual object situation in a specific spatial section. Simplifications can be achieved here, for example, if each object type is given a specific color beforehand.
  • the industrial robot then creates the required target object situation from the recognized actual object situation. This can be done through resorting as well as through proper editing.
  • the start ID is the detected actual object situation and the target ID is the required target object situation.
  • the procedural event sequence is then recorded correctly and flawlessly structured in the new list of procedural events as content via both and can therefore also be found again.
  • This content can be in any programming or description language.
  • a lot of other useful information can also be collected and stored.
  • the shortest duration and the lowest energy consumption are used as further criteria. Of course, this only happens until a specific safety period, which is very important for the respective application, is exceeded at some point. This depends on the purpose of the application.
  • the available safety period can be very different for autonomous driving than for industrial robots. If a suitable concatenation is found within this period of time, which contains the actual ID(a) of a recognized start object situation at the beginning and the target ID D(z) of the target or target object situation at the very end, this is concatenated Event procedure selected and executed. Of course, all sub-procedures should have the highest possible probability of success.
  • the comparison of the stored time duration and its energy consumption is always included in the evaluation and selection of similar suitable procedures. If such a chained procedure is found, it is executed and then a new entry for this procedure is created in the list of event sequences. As a result of the chaining, an ever increasing complexity and further development of new event procedures arises over time, while the fine granularity of the first procedures is retained.
  • Intuitive Tacit Solution Finding is thus a new development that replaces previously known controls, for example in autonomous driving in the automotive industry or when using industrial robots usefully supplemented in many branches of industry. It can be placed directly on known control processes and expands them over time, especially in more strategic decision-making processes, without human intervention.
  • the correct combination of local object knowledge and procedural event knowledge we enable us to process the two most important types of knowledge very fluently in order to better control a wide range of technical facilities.
  • the intuitive and non-explicit handling of procedural event knowledge results in a high speed advantage compared to all the existing processing, such as previous calculations, calculations and the old downright desperate attempts at explication of this type of knowledge.
  • Procedural event knowledge is the most important type of knowledge used for controls, but it has so far not been able to be treated correctly enough.
  • the newly developed chaining of many already known event procedures allows us to find completely new and strategic solutions for suddenly occurring requirements or problems to be solved in a flash that have not existed before. This processing can therefore rightly be described as creative in generating new solutions.
  • intuitive retrieval always requires significantly less time than the complicated, detailed calculation and calculation of a required solution.
  • the treatment of procedural event knowledge which is hidden from us (tacit), also saves its complicated explication. With this essential addition by ITSF, adaptive controls become significantly smarter, faster and more efficient.
  • the search for the object types involved is carried out via the object child content.
  • the object types involved are linked to the object situations using the object child IDs.
  • the search for the correct object situation is carried out first via the object child IDs involved and then via the object situation content. From there, the correct event sequence is called using the Start and Target Object Situation IDs.
  • the old adaptive control used up to now runs in the background and makes fine corrections if necessary. While the old control generated solutions in a cycle of 1 - 12 milliseconds, for the more strategic or completely new decisions of ITSF it is sufficient to make a decision for one or more event sequences once every tenth of a second, which then run with a certain duration. These called known event sequences in turn relieve the old adaptive control significantly.
  • the safety margin available for finding a solution is an example here and always depends on the purpose of using ITSF.
  • ITSF In the idle or sleeping state of ITSF, all possible concatenations of procedural event sequences that are still missing are generated and added to the list of procedural event sequences.
  • Industrial robots are defined "as universally usable (flexible) moving machines with several axes, the movements of which are freely programmable in terms of movement sequence and paths or angles.” Fixed programming without any sensors is used in older industrial robots.
  • adaptive controls on the other hand, it is important that, in addition to the programmable manipulator, good sensors and adaptive controls are used to determine the current actual object situation(a) and to check the action result in a new target object situation(z).
  • ITSF in particular an ITSF event sequence list
  • ITSF event sequence list can be whole particularly useful for online programming of an adaptive robot setup.
  • the programming is carried out by pre-exercising the desired movements and manipulations.
  • the event procedure list of ITSF can also be initially filled in parallel to the adaptive control with a suitable sensor system. This then expands completely independently over the course of the use of this adaptive industrial robot.
  • Intuitive Tacit Solution Finding can be integrated as an additional function in any adaptive control of, for example, industrial robots and subsequently implemented.
  • any adaptive control of, for example, industrial robots Through the constantly running concatenation of already existing sequences of events, it takes over increasingly complex, later more strategic or completely new creative functions in finding solutions for current and sometimes completely new tasks.
  • the old adaptive control runs in the range of 1 - 12 milliseconds, it is sufficient for ITSF to make a decision about once every tenth of a second.
  • the selected process then runs for the entire known duration of the sequence of events in question. ITSF thus relieves the old adaptive control device in particular more and more over time.
  • the adaptive control continues to run in the background and is used for completely new and unknown processes for the one-time pre-exercise of completely new procedures or, if necessary, also for important fine corrections during the entire work and runtime of ITSF event procedures.
  • Autonomous driving is to be described as a further application example.
  • SAE Society of Automotive Engineers
  • those of the market leader Bosch autonomous driving in road traffic is divided into 5 different levels of automation of this autonomous driving process: SAE-L1 driver assistance systems, SAE-L2 partially automated driving, SAE-L3 partially automated driving, SAE-L4 Highly Automated Driving, SAE-L5 Fully Automated Driving.
  • SAE-L1 driver assistance systems SAE-L2 partially automated driving
  • SAE-L3 partially automated driving SAE-L4 Highly Automated Driving
  • SAE-L5 Fully Automated Driving In addition to the use of extensive sensors in the driving process (e.g. multifunction cameras and radar), all these 5 levels require very fast adaptive control, which determines the necessary correct event sequence as a connection between the current object situation (a) and the required target object situation (z). The difference lies in the amount of event procedures that lie between the two new object situations.
  • Sense, Think, Act are therefore required for the smooth automatic process of this adaptive control.
  • “Today's assistance and partially automated systems support the driver, but they do not replace him. These include, for example, the Stop&Go Pilot or the Active Lane Change Assist.
  • Autonomous systems on the other hand, will go one step further in future cars: the driver will become a pure passenger in the future. The difference between automated and autonomous driving is also of legal importance.”
  • ITSF procedures in the cloud and using them for all road users a huge new field can be opened up here.
  • ITSF In autonomous driving, ITSF is programmed online, or the ITSF event sequence list is collected, by the manual or adaptive control of the vehicle, i.e. event sequences are collected, processed and stored that have already been successfully used in the past Autonomous driving process were used. These can be concatenated to increasingly complex event sequences on all 5 levels of autonomous driving and thus develop fully automatically. This will then result in a higher level of autonomous driving. This information is fully available to all road users via the cloud and there is a huge collection of important knowledge modules about all road users.
  • ITSF determines the next event sequence by intuitively searching in the procedural event list resulting from the previous work of the old control.
  • more and more complex event sequences are created here and, through their concatenation over time, enable more strategic or even completely new and creative solutions for suddenly occurring problems. Any redundancies must be eliminated.
  • the complexity is constantly increasing and must be linked to geodetic data for autonomous driving right from the start. At the end it is sufficient to enter the starting point and destination of a journey that is already known, and a largely autonomous journey to the target object situation is carried out.
  • the cloud opens up huge opportunities for all road users. Robotic process automation is to be described here as a further application example.
  • Robotic Process Automation will enable e.g. finance professionals to save significant time on repetitive, labor-intensive tasks and enable value creation within banks on an industrial scale.
  • RPA revolutionized the banking sector by enabling banks to perform back-end tasks more accurately, faster, and efficiently without completely overhauling existing operating systems and processes.
  • all RPA participants can be connected through the cloud.
  • the object situation(a) is the desk of a desktop PC that is available after the start.
  • the event sequences are generated by the human-machine interfaces with mouse and keyboard.
  • RPA records this and checks the resulting object situation by comparing it with the known target object situation (z) at the end of the RPA procedure.
  • ITSF can then be concatenated in an ITSF event sequence list and thus fed into larger automation procedures.
  • ITSF can be easily and unobtrusively installed on the same PC environment without having to replace old applications. ITSF learns from the stored processes of RPA and constantly forms new larger process chains. In the end, it is enough to call up a target or target object situation to let a process chain run fully automatically.
  • the sensor technology here lies in checking the degree of achievement of the target or target object situation. Without this check, RPA is blind and must be controlled manually.
  • the ITSF can be used for robotic process automation.
  • RPA allows organizations to automate at a fraction of the cost and time previously involved.
  • RPA is also non-intrusive and leverages existing infrastructure without disrupting underlying systems, which would be difficult and costly to replace. With RPA, cost efficiency and compliance are no longer operational costs, but a by-product of automation.”
  • RPA is supplemented by ITSF
  • ITSF does not require any other environment, but can also run on the PC environment without any problems.
  • RPA automates processes on the PC.
  • ITSF enables increasingly complex processes on all end devices for all users of a business.
  • the current start or actual object situation(a) is analyzed automatically. Only the desired target or target object situation (z) has to be requested within the known world of control. As a result, the associated and sometimes very complex ITSF event procedure is called and executed.
  • the achieved target object situation is compared with the desired result and the degree of success, duration and energy expenditure for the next call of this event procedure are stored, ideally in a company's own cloud.
  • the degree of automation increases continuously and fully automatically.
  • a step of the method according to the invention includes the selection of an event sequence from a set of suitable event sequences based on at least one quantitative suitability criterion.
  • a (partial) event sequence can advantageously be linked to a quantitative suitability criterion, while a further (partial) event sequence can be linked to the same or a further quantitative suitability criterion.
  • (partial) event sequences which were already suitable in the past for converting an identical or at least similar starting object situation into a target object situation, in a memory, in particular a first memory, for example in a (success )Database deposited.
  • (partial) event sequences in particular partial event sequences, which were already suitable for converting an identical or similar starting object situation into an identical or similar target transfer object situation.
  • the quantitative suitability criteria can be weighted differently.
  • optimized (partial) event sequences in particular optimized in terms of time, energy, effort and/or success, can advantageously be selected as a result.
  • an effort and/or cost indicator is used as a quantitative suitability criterion.
  • a process or a (partial) event sequence can advantageously be optimized with regard to the effort to be used.
  • the energy expenditure is used as a quantitative suitability criterion.
  • the control method or the control can advantageously be optimized to the effect that so that it can be carried out as energy-efficiently as possible. This is particularly relevant for processes that are characterized by the occurrence of a so-called peak power (a maximum power required within a process), since a (partial) event sequence can be determined in which the peak power is reduced and/or a even distribution of power can be adjusted.
  • a success indicator is used as a quantitative suitability criterion.
  • the determined sensor data are normalized before they are used to determine the starting object situation.
  • a key goal of normalization is to eliminate redundant information.
  • the method includes a step for storing the determined event sequence.
  • the method according to the invention comprises a step for terminating the determination of an event sequence if no suitable event sequence for reaching the goal/for reaching the target-object situation can be determined and/or if the control includes the step for determining a Event sequence cannot perform.
  • the controller cannot carry out the step of determining an event sequence, for example, if there is no identical or similar (partial) event sequence or at least two (partial) event sequences are present with regard to the consideration and weighting of at least one quantitative suitability criterion that is suitable to convert an object situation into an (intermediate) target object situation.
  • the step of breaking off is automatically broken off after a predefined period of time, which can be freely selected by a person skilled in the art, has elapsed. This advantageously prevents the downtime or idle time from being too long.
  • an event sequence that is at least similar to a sought-after optimal event sequence can be selected with the termination. It can thus be advantageously achieved that there is not too long a standstill or idle time.
  • a development includes a step of adding a (partial) event sequence newly determined by the controller to the set of known (partial) event sequences, in particular in a memory.
  • the method also includes a step of automatically supplementing the known event sequences with possible further event sequences, while the method is not used to achieve a target object situation.
  • the invention also includes a system for controlling an actuator for converting a start object situation into a target object situation by means of a controller, in particular for converting the actuator from a start object situation into a target object situation by means of a controller, preferably an adaptive controller : a) input means for receiving (SOI) a starting object situation from a sensor, b) input means for receiving (S02) a target object situation, c) computing means for determining (S03) an event sequence that is suitable for the starting object situation to transfer into the target object situation from a set of known (partial) event sequences
  • Iterative searching (S03a), preferably in a database, of known (partial) event sequences comprising the start and/or target object situation and/or object situations from partial event sequences of previous iteration steps, Selecting (S03bl) at least one event sequence for converting the start object situation into the target object situation or creating (S03b2) an optimized event sequence for converting the start object situation into the target object situation on the basis of the (partial) found in the partial step of the iterative search Event sequences and their concatenations, d) output means for outputting a control signal for driving (S04) an actuator based on the event sequence determined by the controller.
  • the system includes a means for detecting known event sequences and/or known object situations and/or assignments between them.
  • the system comprises a means for storing at least one success indicator and/or at least one duration indicator and/or an effort indicator and/or at least one cost indicator and/or at least one relevant point in time for event sequences.
  • the system for controlling an actuator also includes a means for monitoring an ongoing or a recurring process or a (partial) event sequence.
  • a system for controlling an actuator can decide in a step of evaluating this change whether the method according to the invention, in particular the control method, is run through again in order to determine a new or adapted event sequence , which is suitable for converting the changed start object situation into the desired target object situation.
  • the invention comprises a computer program product which comprises instructions which, when the program is executed by a computer, cause it to Determining an event sequence to convert a start object situation into a target object situation.
  • the computer program product can perform an iterative search and/or select an event sequence and/or combine a (partial) event sequence to form concatenations.
  • a computer program product advantageously enables these steps to be implemented quickly, preferably in the range from milliseconds to seconds.
  • the computer program product can advantageously be quickly adapted to different circumstances (different start/destination object situations).
  • the computer program product is preferably stored on a computer-readable medium, which is also preferably either comprised by a computer and/or can be exchanged between computers.
  • the invention further relates to an adaptive controller comprising a computer as described above.
  • a computer program product includes instructions which, when the program is executed by a computer, cause the computer to display the results of a computer program in human-readable form, or to convert the results into another (data) format which can be displayed in human-readable form by another computer program product and/or to cause the computer program product according to one of the four preceding claims to implement the method.
  • the invention relates to at least one industrial robot system, which includes a control system as defined above, a sensor for determining a starting object situation and an actuator for converting a starting object situation into a target object situation.
  • the invention relates to a vehicle guidance system which is preferably adapted to a motor vehicle, in particular a driver assistance system or system for partially automated or autonomous driving, comprising a control system as described above, a sensor for determining a starting object situation and an actuator for converting a starting object situation into a target-object situation.
  • the invention also includes a traffic control system which is suitable for implementing the control method according to the invention, the traffic control system comprising: a large number of motor vehicles, and for each motor vehicle: o a first communication interface, in particular wireless interface, which is set up to communicate with other motor vehicles in a first immediate vicinity of the motor vehicle, o a second communication interface, in particular wireless interface, in particular by means of a mobile radio connection, in particular 5G, for all vehicles to communicate with a server.
  • a traffic control system comprising: a large number of motor vehicles, and for each motor vehicle: o a first communication interface, in particular wireless interface, which is set up to communicate with other motor vehicles in a first immediate vicinity of the motor vehicle, o a second communication interface, in particular wireless interface, in particular by means of a mobile radio connection, in particular 5G, for all vehicles to communicate with a server.
  • the invention also includes a device for robot-controlled process optimization, comprising: a human-machine interface, preferably a desktop environment, preferably a desktop environment of a workstation PC comprising a mouse and/or keyboard, a sensor or a sensor system set up for this purpose is to record an object situation of the man-machine interface, a comparison unit which is set up to compare at least two object situations, a memory and a CPU which are set up to execute the control method according to the invention, the memory in particular also being in a cloud can be provided and comprises a database set up for the methods mentioned, wherein a robot can communicate with the cloud via a data interface, in particular wireless data interface, in particular by means of a mobile radio connection, in particular 5G. Communication via a mobile radio connection or a radio standard such as WLAN, Bluetooth advantageously allows data, in particular event sequences, to be transmitted without a cable connection being necessary.
  • a human-machine interface preferably a desktop environment, preferably a desktop environment of a workstation PC comprising a mouse and
  • the invention also relates to a method for robot-controlled process optimization, which includes the control method described above and a system described above, wherein in particular the start and target object situations can designate virtual situations, a system being provided, at least comprising a man-machine interface, in particular a desktop environment, in particular a desktop environment of a workstation PC comprising a mouse and/or keyboard, a sensor system that is set up to record an object situation from the human-machine interface, a memory and a CPU for processing, and the method also includes at least one step of comparing, in which two necessary object situations are compared with one another. wherein the method further comprises at least one step of a comparison, in which two necessary object situations are compared with one another.
  • the invention also relates to a method for normalizing object types to support the control method defined above and a system defined above, in particular by collecting and/or using declarative object knowledge, further comprising the following steps:
  • the invention relates to a method for normalizing object situations
  • Determination (D02) of a purpose of the spatial consideration in the form of at least one statement of the purpose of the spatial consideration
  • the task is also solved specifically by the method for the adaptive control of a process or a control system, also referred to herein as a control method.
  • a control method for the adaptive control of a process, a system or a control system, in particular for controlling an actuator for transferring the actuator from a start object situation to a target object situation by means of a control, preferably an adaptive control or for automatically finding the solution a problem or a task, in particular by collecting and/or using procedural event knowledge, including:
  • SOI Service Definition
  • Reading (S02) of a database possibly on a server (of the company and/or a service provider) to search for a suitable solution in the form of an event sequence that is suitable for solving the task, with the database being suitable for assigning at least the following variables to each other : ⁇ an identifier of a possible start object situation,
  • Event sequences comprising the following steps:
  • the first event sequence is suitable for converting the possible starting object situation into a first intermediate object situation
  • the k-th event sequence is suitable for converting a (k-l)-th intermediate object situation into a k-th intermediate object situation
  • the nth event sequence is suitable for converting an (n-l)th intermediate object situation into the possible target object situation
  • the abstraction provided allows the invention to be used in all industrial application areas, for example in industrial robots, the autonomous or semi-autonomous control of vehicles, or robot-controlled process automation. What all areas of application of the method according to the invention have in common, however, is that at least one means is included which can be brought to implement at least one event from an event chain.
  • a high level of abstraction is also provided on the part of the event sequences. These can be in any programming or description language. This again increases and supports the provided compatibility and the integration of the invention into already existing systems. For example, partial sequences can be available in completely different descriptions, including any programming and description languages, but must always be uniform for the respective application in a technical facility.
  • a start object situation herein describes the state (e.g. location/position) of an object or subject at a start time in a space or space section.
  • the gripper arm of a robot can be in a certain position at the start time.
  • the target-object situation describes a state of an object or subject at an end point in time. For example, a robot's gripper arm moves from the start object situation until the target object situation is reached.
  • the expert understands a sensor to be a technical component that has certain physical or chemical properties (physically, e.g. heat quantity, temperature, humidity, pressure, sound field sizes, brightness, acceleration or chemically, e.g. pH value, ionic strength, electrochemical potential) and/or the material quality of its surroundings qualitatively or can be recorded quantitatively as a measured variable. These variables are recorded using physical, chemical or biological effects and converted into an electrical signal (data) that can be further processed.
  • physical or chemical properties physically, e.g. heat quantity, temperature, humidity, pressure, sound field sizes, brightness, acceleration or chemically, e.g. pH value, ionic strength, electrochemical potential
  • An iteration (lat. repetition) is generally understood as the multiple execution of one or more instructions.
  • the iteration is realized by loops.
  • the loop is terminated by a termination condition.
  • an iteration describes a process of gradually approaching the solution of an equation using a repetitive calculation process.
  • An iterative search works like depth-first search, but avoids the disadvantages of completeness by limiting the search depth.
  • a bounded depth-first search is performed iteratively, increasing the level to which the bounded depth-first search explores the graph by one with each iteration.
  • An input means is a means of transmitting data, which data may come directly from a sensor, a communications interface, a computer, or from memory.
  • An input means can include a current-carrying element (e.g. an electrical line), a wireless interface establishing a radio connection (e.g. LTE, WLAN, Bluetooth, LoRaWAN), an optoelectronic transmission (e.g. laser), or another means which is suitable for data transmit and/or receive.
  • a computing device preferably comprises an electronic computing device (e.g. a computer) which is set up to carry out a calculation using a command sequence.
  • a computing device serves in particular to either determine an event sequence or to generate a (partial) event sequence and concatenations from (partial) event sequences.
  • a cloud or cloud computing is understood here as the Internet-based provision of storage space, computing power or application software as a service. These infrastructures are used primarily via programs (computer program products) on the accessing devices (clients) and via the web browser.
  • a server includes a program that waits for a client to make contact in order to fulfill a specific information technology service (service) for the client.
  • the server's service is specific to the server, so there is a separate server for each service.
  • the data exchange between client and server is defined by a service-specific protocol.
  • the object is also achieved by the method, in particular the control method for selecting and linking procedures to form a more complex procedure (event sequence). Accordingly, a method, in particular a control method, for selecting and concatenating procedures or (partial) event sequences to form a more complex procedure is provided, comprising at least the following steps:
  • BOI Defining
  • the database is suitable for assigning at least the following variables to each other: 0 a first identifier of a possible first object situation,
  • the event sequence being particularly suitable for converting the possible first object situation into the possible second object situation
  • the abstraction of procedural event knowledge that is provided allows the invention to be used in all industrial application areas, for example in industrial robots, the autonomous or semi-autonomous control of vehicles, or robot-controlled process automation.
  • a high level of abstraction is also provided on the part of the event sequences. These can be in any programming or description language. This again increases and supports the provided compatibility and the possible integration of the invention into already existing systems. For example, partial sequences can have completely different descriptions, including completely different programming languages, but they must be uniform.
  • an industrial robot system which is set up to execute the method according to the invention, in particular the control method and/or the method for selecting and linking procedures to form a more complex procedure
  • the industrial robot system also comprising: at least one industrial robot, in particular an industrial robot suitable for online programming, in particular an industrial robot suitable for teach-in and/or master-slave and/or playback, a robot controller for controlling the industrial robot, in particular an adaptive controller for controlling the industrial robot, a memory and a CPU, which are set up to provide the method according to the invention, in particular the control method and/or the method for selecting and concatenating procedures for forming a more complex procedure for the industrial robot, wherein the memory can also be provided in particular in a cloud and a comprises a database set up for the methods mentioned, the database comprising event sequences of such high complexity, in particular after a run-in period, that only less than two complex event sequences per tenth of a second are required for full-load operation of the industrial robot
  • the adaptive control is relieved so much, which protects it and saves time and energy.
  • the overall system becomes more efficient as increasingly complex event sequences are used as procedures for all participants.
  • Part of the solution is also to generate and store all previously possible concatenations of procedural event sequences while the device is in the idle or sleeping state. This constantly adds meaningful value to the list of complex procedural event sequences.
  • a system for a vehicle in particular a motor vehicle, in particular a driver assistance system or a system for partially automated or autonomous driving, is provided, which is set up to implement the method according to the invention, in particular the control method and/or the method for selecting and linking procedures to form a more complex to perform and/or benefit from such a procedure, for example in a cloud, the system further comprising: a classic control of the vehicle, in particular a manual and/or adaptive control of the vehicle or a combination of such, a memory and a CPU which are set up to implement the method according to the invention, in particular the control method and/or the method for selecting and linking of procedures for forming a more complex procedure for the motor vehicle, the memory being able to be provided in particular in a cloud and comprising a database set up for the methods mentioned, the motor vehicle having a data interface, in particular a wireless data interface, in particular by means of a mobile radio connection, in particular 5G or other new standards that can communicate with
  • the vehicle's control is relieved, which protects it and saves energy and time.
  • the overall system becomes more efficient as increasingly complex event sequences are used as procedures.
  • Outsourcing to the cloud (“connected cars") provides fast communication and high computing power or distributed computing.
  • information about dangers in traffic can be taken into account and vehicles can be coordinated.
  • a traffic control system comprising a large number of motor vehicles, and for each motor vehicle:
  • a first communication interface in particular a wireless interface, which is set up to communicate with other motor vehicles in a first immediate vicinity of the motor vehicle
  • a second communication interface in particular wireless interface, in particular by means of a mobile radio connection, in particular 5G, for communication with a cloud
  • the traffic control system is set up to provide the method according to the invention, in particular the control method and/or the method for selecting and linking procedures to form a more complex procedure for at least one of the motor vehicles, in particular for two or more motor vehicles in a coordinated manner between the motor vehicles involved Way.
  • the load on the vehicle controls is relieved, which protects them and saves time and energy.
  • the overall system becomes more efficient as increasingly complex event sequences are used as procedures.
  • the outsourcing to the cloud (“connected cars") provides fast communication and high computing power or distributed computing.
  • indications of dangers in traffic can be taken into account and it can be coordinated between vehicles. A direct, even faster coordination can be between the vehicles take place directly, which again promotes and ensures the smooth and safe overall dynamics of the control and flow of traffic.
  • a device for robot-controlled process optimization comprising a human-machine interface, in particular a desktop environment, in particular a desktop environment of a workstation PC comprising a mouse and/or keyboard
  • a sensor system which is set up to detect an object situation of the human being -machine interface
  • a comparison unit which is set up to compare at least two object situations
  • a memory and a CPU which are set up to implement the method according to the invention, in particular the control method and/or the method for selecting and chaining procedures for Forming a more complex procedure to be carried out
  • the memory can in particular also be provided in a cloud and comprises a database set up for the methods mentioned
  • the motor vehicle has a data interface, in particular a wireless data interface, in particular by means of a mobile radio connection, especially 5G, can communicate with the cloud.
  • customer service requests are automatically answered. With ITSF, this becomes even faster, more precise and more accurate. Due to the increasing complexity, the "virtual customer service representative" improves continuously and in a structured way during his "lifetime”.
  • the task is also solved by the method for robot-controlled process optimization.
  • a method for robot-controlled process optimization comprising a method according to the invention, in particular a control method according to the invention and/or the method for selecting and linking procedures to form a more complex procedure, in which case the starting and target object situations can designate virtual situations, in which a system is provided, at least comprising a human-machine interface, in particular a desktop environment, in particular a desktop environment of a workstation PC comprising a mouse and/or keyboard, a sensor system which is set up to detect an object situation from the human machine interface, a memory and a CPU for the processing, and the method further comprises at least one step of a comparison, in which the existing actual and the necessary target object situation are compared with each other.
  • a method for normalizing object types to support adaptive control of a process, a system or a control system (each as defined herein), in particular by collecting and/or using declarative object knowledge, is provided, further comprising the following steps:
  • Detection (C03) of at least one specific object in a section of space Assigning (C04) a specific object to an object type, in particular a more general object type, depending on at least one purpose of the spatial consideration,
  • a method for normalizing object situations to support adaptive control of a process, a system or a control system (each as defined herein) and/or using a method for normalizing object types as defined herein, in particular with collection and/or use is declarative Object knowledge, provided, further comprising the following steps:
  • Determination (D02) of a purpose of the spatial consideration in the form of at least one statement of the purpose of the spatial consideration
  • Detection (D03) of at least one specific object in a section of space assignment (D04) of the specific object to an object type to which the specific object belongs, in particular assignment by reading out the object type from a database, detection (DOS) of initial information about a location/ Position, in particular relative location/position, of at least one specific object in space,
  • the method according to the invention further comprises a step of carrying out a complete or partial handover (S03c-l) of control over the process and/or the system to a control system, in particular a conventional adaptive control system, when a suitable new event -Sequence could not be formed (S03b).
  • S03c-l complete or partial handover
  • ITSF just complements the adaptive control and there is no undue hesitation in cases where the classic/adaptive control is able to solve the problem but unfortunately ITSF is not (yet).
  • the method according to the invention also includes a step of supplementing (S03c-2) the database with one or more entries which are suitable for assigning at least the following variables to one another: an identifier for the possible starting object situation,
  • Identifier of the object types involved information on an event sequence, the event sequence being particularly suitable for converting the possible start object situation into the possible target object situation, and the information comprising an identifier which allows the event sequence to be identified and/or or one or more information based on an observation of the events of a control by the control system, in particular the conventional adaptive control system.
  • ITSF learns. ITSF not only learns from new, more complex event sequences that it has formed itself, but also learns directly from the adaptive and/or classic control. The procedures learned in this way are stored in the database, and ITSF can later independently form more complex event sequences by considering and using the newly recorded sequence as a building block for this.
  • an event sequence is selected from a set of suitable event sequences in step S03b1 on the basis of at least one quantitative feature or suitability criterion, in particular as a suitability criterion that is dynamically calculated and/or stored in the database.
  • quantitative features are, as set out hereinafter, a success indicator, a duration indicator, an effort indicator and/or a cost indicator, a point in time indicator and/or a timestamp (also referred to herein as a timestamp).
  • the database is therefore also suitable for also including the following variables and/or assigning them to the other variables in the database in particular: a success indicator (also referred to herein as success rating) which quantifies a degree of successful execution of an event sequence, in particular Degree of success in previously attempted and/or completed execution of the sequence of events.
  • a success indicator also referred to herein as success rating
  • Success is a key deciding factor for or against an event sequence. This is especially the case when there are multiple possible ways to solve a problem. In this way, the probability of success and, as a result, the efficiency with ITSF can be maximized.
  • the database is also suitable for also including the following variables and/or for assigning them in particular to the other variables in the database: a duration indicator (also referred to herein as duration), which indicates a duration and/or a variable corresponding to a duration, a Execution of an event sequence, in particular a successful execution of an event sequence, quantifies, in particular a degree of success in the previously attempted and/or executed execution of the event sequence.
  • a duration indicator also referred to herein as duration
  • An example of a time indicator is classification based on the shortest route and the least number of partial event sequences (process steps).
  • the database is also suitable for also including the following variables and/or for allocating them to the other variables in the database in particular: an effort indicator and/or cost indicator which shows an effort, in particular energy expenditure or total effort, for carrying out an event sequence, in particular a successful implementation, quantifies, in particular a calculated variable from one or more of energy expenditure, computing effort, organizational effort, time expenditure, costs, coordination effort, risk costs.
  • a specified effort in particular but not necessarily an energy effort or cost effort, is another important decision factor for or against an event sequence. This is especially the case when there are multiple possible ways to solve a problem. For example, the total costs or the total energy required can be minimized and, as a result, the efficiency can be maximized by ITSF. Therefore, an effort and/or cost indicator is preferably used as a quantitative feature.
  • the database is also suitable for also including the following variables and/or for assigning them in particular to the other variables in the database: a point in time indicator and a time stamp/timestamp, which indicates a point in time when a sequence was recorded, in particular a point in time when a first recording was made Sequence, and/or a point in time of a first successful implementation/reproduction of the sequence of events.
  • the database is also suitable for using the energy expenditure (herein also referred to as effort) as a quantitative feature.
  • the database is also suitable for also including the following variables and/or for allocating them in particular to the other variables in the database:
  • a correlator of at least two, but especially three or more, event sequences in particular a correlator which quantifies a correlation for one or more of: probability of success and/or success indicator, time expenditure, energy expenditure, in particular a success correlator and/or an energy expenditure correlator.
  • the method according to the invention comprises the comparison of the determined event sequences with and/or the database also includes a success correlation table and/or event sequences/sub-procedure synergy table , which is suitable for recording and/or managing correlators, in particular those which quantify a correlation for one or more of: probability of success and/or success indicator, time expenditure, energy expenditure, in particular success correlators and/or an energy expenditure correlator of event sequences/sub-procedures .
  • a success correlation table and/or event sequences/sub-procedure synergy table which is suitable for recording and/or managing correlators, in particular those which quantify a correlation for one or more of: probability of success and/or success indicator, time expenditure, energy expenditure, in particular success correlators and/or an energy expenditure correlator of event sequences/sub-procedures .
  • the method also includes a step of prematurely terminating (S03c) a search (S03b-01) for matching event sequences, which is carried out if at least a predetermined safety time period has elapsed since the start of the search (S03b-01) and up to now no suitable result was found, in particular no result which also meets a predetermined suitability criterion, was found, in particular the predetermined safety time period depends on the purpose of the application and/or the type of system to be controlled and/or the adaptive control, the safety time period In particular, it is also suitable for quantifying a period of time up to which an action is required for a smooth running of a process and/or the event sequence.
  • the method according to the invention in particular the control method, particularly preferably within step (c) of the control method also includes a step of comparing an effort indicator and/or cost indicator, in particular one Energy expenditure, the sequence of events with an energy reserve of a technical facility, in particular with an energy reserve allocated to the process, the system or the control system and/or present in the system or the control system.
  • the method also includes a step of carrying out a complete or partial handover (S03c-l) of control over the process and/or the system to a control system, in particular a conventional adaptive control system, which is carried out after the step of premature termination has been carried out becomes.
  • a complete or partial handover S03c-l
  • ITSF is given a one-time demonstration of how to solve the problem, which means that ITSF continues to learn.
  • the method also includes the following steps: a step of recording the processes (event sequences) of the classic control system, in particular the conventional adaptive control system, which transfer the system from a start object situation to a target object situation, and/or a step of a Filing at least one new entry in the database for the recorded processes, specifying at least one indicator of the start object situation and one indicator of the target object situation.
  • ITSF saves the problem solution that has already been practiced and saves it in the database ready to be called up.
  • ITSF will be able to use this sequence of events in the future as a solution to a problem or as a solution to a sub-problem.
  • ITSF can solve the problem in the future, which will relieve the adaptive control in the future.
  • ITSF can use problem solving as a building block for solving even more complex problems.
  • the method also includes a step of comparing an effort indicator and/or cost indicator, in particular the energy expenditure, of the event sequence with an energy reserve of a technical device, in particular with a Energy reserve allocated to the process, the system or the control system and/or present in the system or the control system.
  • the memory of the industrial robot also includes instructions for filling, in particular initial filling, of the database by using the classic control, in particular an adaptive control, with the industrial robot being set up in particular after initial filling so that only fewer than two event sequences per Tenths of a second are needed for full-load operation of the industrial robot, more particularly less than one event sequence per tenth of a second, more particularly less than three event sequences per second, and/or the classic control, in particular the adaptive control, is relieved.
  • the ITSF is already activated by the initial filling and the industrial robot is put into a state in which it already works extremely efficiently with the ITSF and can hand over a large part of the control to the ITSF.
  • Initial training for example at the customer's site, is no longer required and a direct, efficient and fully functional start is ensured.
  • FIG. 1a is a schematic diagram for purposes of illustration of the present invention, showing schematically a system suitable for use with the present invention.
  • Fig. 1b is a schematic diagram for purposes of illustration of the present invention, showing schematically another system suitable for use with the present invention.
  • 2 shows a schematic representation of a table (list of object types) for the purpose of illustrating the present invention within the scope of an exemplary embodiment which uses an entity relationship model,
  • FIG. 3 shows a schematic representation of a table (list of object situations) for the purpose of illustrating the present invention within the framework of an exemplary embodiment which uses an entity relationship model
  • FIG. 4 shows a schematic representation of a table (list of procedural event sequences) for the purpose of illustrating the present invention within the framework of an exemplary embodiment which uses an entity-relationship model
  • FIG. 5 shows a schematic representation of a database entry for the purpose of illustrating the present invention
  • FIG. 6 shows a schematic representation of a database entry for the purpose of illustrating the present invention
  • FIG. 7 shows a schematic representation of a database entry for the purpose of illustrating the present invention
  • FIG. 8 shows a schematic representation of a database entry for the purpose of illustrating the present invention
  • FIG. 10 shows a schematic representation of a database entry for the purpose of illustrating the present invention
  • FIG. 11 shows a schematic representation of a knowledge process flow for the purpose of illustrating the present invention.
  • Figure 1a shows a schematic diagram for purposes of illustration of the present invention, showing schematically a system suitable for use with the present invention.
  • a computer 100 with a memory 101 for a database is in principle suitable for using the method of the invention.
  • Figure 1b shows another schematic diagram for purposes of illustration of the present invention, showing schematically another system suitable for use with the present invention.
  • the database is in a cloud or a distributed system, such as a distributed computer network. Calculation steps of the methods can also be carried out in this distributed system.
  • a computer program according to the invention can also be transmitted wired or wirelessly via such a computer network.
  • FIG. 2 shows a schematic representation of a table (list of object types) for the purpose of illustrating the present invention within the framework of an exemplary embodiment which uses an entity relationship model.
  • a list of object types for example in the form of a database table, is used.
  • an object type 110 is assigned to a content 111 of the object type, and an identifier 112 is also assigned.
  • the identifiers 112 are assigned consecutively numerically, but this does not have to be the case.
  • FIG. 3 shows a schematic representation of a table (list of object situations) for the purpose of illustrating the present invention within the framework of an exemplary embodiment which uses an entity-relationship model.
  • a list of the object situations for example in the form of a database table, is used.
  • the IDs 113 of the object types of the objects that are contained in the respective object situation 114 and/or were recognized are assigned to the object situations 114 .
  • a content 115 of the object situation can also be assigned.
  • identifiers 112 can be assigned. In this example, the identifiers 112 are assigned consecutively numerically, but this does not have to be the case.
  • such a database table facilitates the handling and administration of relevant procedural event knowledge.
  • a further profitable level of abstraction is created by the object types compared to the concrete objects. This further increases the reusability of procedural event knowledge. For example, such an existing procedure can be applied to another concrete object, but of the same object type.
  • FIG. 4 shows a schematic representation of a table (list of procedural event sequences) for the purpose of illustrating the present invention within the framework of an exemplary embodiment which uses an entity relationship model.
  • a list of procedural event sequences for example in the form of a database table, is used.
  • an event sequence 119 is assigned an ID 118, information about a start object situation, for example a corresponding ID 117, and information about a target object situation, for example a corresponding ID 124, and corresponding content 120.
  • the event sequence can use its content 120 to transfer the start object situation (ID 117) to the target object situation (ID 124).
  • the content includes instructions in a programming and/or description language.
  • the content contains further references and references to other content.
  • Additional sizes and identifiers can be assigned. For example, a success indicator 121, a duration indicator 122 and an effort indicator 123 are assigned in this way.
  • FIG. 5 shows a schematic representation of a database entry for the purpose of illustrating the present invention.
  • (Target OS ID a Start OS ID z).
  • FIG. 6 shows a schematic representation of a database entry for the purpose of illustrating the present invention.
  • FIG. 7 shows a schematic representation of a further database entry for the purpose of illustrating the present invention.
  • FIG. 8 shows yet another schematic representation of a database entry for the purpose of illustrating the present invention.
  • FIG. 9 again shows a further schematic representation of a database entry for the purpose of illustrating the present invention.
  • target OS ID a start OS ID xl
  • target OS ID xl start OS ID xn
  • target OS ID xn start OS ID z.
  • FIG. 10 shows a schematic representation of a database entry for the purpose of illustrating the present invention.
  • Target OS ID a Start OS ID xl
  • Target OS ID xl Start OS ID xn
  • Target OS ID xn Start OS ID z
  • the concatenation creates a new sequence of events, which is suitable for converting the object situation "5" into the object situation "32".
  • the sequences of FIGS. 6-9 are concatenated according to the invention.
  • Such an event sequence can also be stored in the list (cf. FIG. 4).
  • FIG. 11 shows a schematic representation of a knowledge process flow for the purpose of illustrating the present invention.
  • the top five steps or units 1001-1005 relate to the starting object situation.
  • the three steps or units 1006-1008 relate to the target object situation.
  • the steps or units 1010 - 1015 relate to the event sequences, i.e. the procedural event knowledge.
  • New procedures are added here as required, and new concatenations are generated and saved for further direct use.
  • FIG. 12 shows an example of a concatenation of event sequences.
  • the sequences a, xl, xn and z are stored in a database.
  • Each event sequence comprises an identifying feature (Start OS ID) of a starting object situation and an identifying feature of a target object situation (Target OSID).
  • the sequences are each represented by a puzzle piece, the left and right sides of which represent different shapes, each representing a specific starting and target object situation.
  • the event sequence xl has a target object situation with an ID of 24, while the event sequence has a start object situation with an ID of 24. Therefore, these two object situations can follow one another.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Electromagnetism (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Feedback Control In General (AREA)
  • Medicines Containing Material From Animals Or Micro-Organisms (AREA)

Abstract

Automatisiertes Auffinden der Lösung eines Problems unter Erhebung oder Nutzung von prozeduralem Ereigniswissen, umfassend: Definieren einer Aufgabenstellung, darin bestehend, eine Start-Objektsituation mithilfe einer Ereignissequenz in eine Ziel-Objektsituation zu überführen, Suchen einer Datenbank für eine passende Lösung in Form einer Ereignissequenz, nach einer Zuordnung mindestens folgender Größen zueinander: Bezeichner möglicher Start- und Ziel-Objektsituation und der beteiligten Objektarten, eine Information zu einer Ereignissequenz, wobei die Ereignis-Sequenz dazu geeignet ist, die mögliche Start-Objektsituation in die mögliche Ziel-Objektsituation zu überführen, Auswählen einer passenden prozeduralen Ereignissequenz in der Datenbank oder Bilden einer neuen Ereignissequenz, als n-Konkatenation aus den vorhandenen Ereignissequenzen.

Description

Verfahren und System zum Überführen einer Start-Objektsituation in eine Ziel-Objektsituation (Intuitive Tacit Solution Finding)
Technisches Gebiet
Die vorliegende Erfindung betrifft ein Steuerverfahren zum Ansteuern eines Aktors, um eine Start- Objektsituation in eine Ziel-Objektsituation zu überführen, wobei dieser Prozess durch erzeugbare Ereignissequenzen abbildbar ist, die aus einer Datenbank abrufbar sind, um diesen zu optimieren. Weiterhin betrifft die Erfindung ein Steuerungssystem, umfassend ein Computerprogrammprodukt, zum Ansteuern eines Aktors, um das Steuerverfahren zu implementieren, ein das Steuerungssystem umfassendes Industrierobotersystem, ein das Steuerungssystem umfassendes Fahrzeugführungssystem, ein Verkehrssteuerungssystem, eine Vorrichtung und ein Verfahren zur robotergesteuerten Prozessoptimierung, ein Verfahren zur Normalisierung von Objektarten sowie ein Verfahren zur Normalisierung von Objektsituationen, wobei alle der aufgeführten Systeme oder Vorrichtungen das erfindungsgemäße Steuerverfahren implementieren.
Stand der Technik
Aus dem Stand der Technik sind Steuerungssysteme, insbesondere auch sogenannte adaptive Steuerungssysteme, bekannt. Diese werden umgangssprachlich auch als Steuerungen bezeichnet. Im Folgenden wird der Begriff Steuerungssystem aus Gründen der Lesbarkeit durch „Steuerung" ersetzt. Steuerungen und Regelungen können Prozesse verschiedenster Art überwachen und, wenn erforderlich, anpassen.
So ist eine adaptive Steuerung bekannt, welche dazu eingerichtet ist, gewisse operative Parameter ständig an sich verändernde Bedingungen anzupassen, um eine beste Leistung des Prozesses zu erzielen. Für diese Anpassung ist eine endliche Kette von Handlungen in einem Zeitabschnitt notwendig, die aus den erhaltenen Sensordaten der analysierten IST-Objektsituation in einem bestimmten Raumabschnitt die gewünschte bzw. geforderte SOLL-Objektsituation mit Hilfe der zu steuernden Größen der adaptiven Steuerung herstellt.
Jede n-te Handlung überführt den n-ten Start-Objektzustand Sn in den n-ten Ziel-Objektzustand Zn. Durch eine Aneinanderreihung (Konkatenation) von m Handlungen wird der erste Start-Objektzustand Si in den m-ten Zielobjektzustand Zm überführt. Da die Ziel-Objektsituation nicht notwendigerweise ausschließlich über die Steuerung verändert wird, also nicht notwendigerweise ein Handeln vorausgesetzt ist, wird im Folgenden der Begriff Ereignis statt des Begriffs der Handlung genutzt. Also überführt ein n-tes Ereignis den n-ten Start-Objektzustand Sn in den n-ten Ziel-Objektzustand Zn.
Für die Anpassung wird eine Zielgröße kontinuierlich gemessen, also der aktuelle Objektzustand (die IST- Objektsituation) erhoben, während der Steuerung ein Zielzustand (SOLL-Objektsituation) vorgegeben ist. So beobachtet die Steuerung die durch eine Änderung der Eingangssignale erfolgenden Änderungen der Zielgröße und passt in der Folge das eigene Verhalten entsprechend an.
Solche Steuerungen verbrauchen jedoch häufig viel Energie, arbeiten nicht maximal effizient und wertvolle Prozesszeit wird nicht maximal ausgeschöpft bzw. für umfangreiche und komplexe Berechnungen vergeudet.
Dies ist insbesondere dann der Fall, wenn mitunter sehr komplexe, nicht lineare, Systeme gesteuert werden, so dass im Falle einer Instabilität des komplexen Systems bereits kleinste Veränderungen der Eingangsparameter mit erheblichen Veränderungen in der Zielgröße einhergehen können. Zudem weisen komplexe Systeme mitunter statt erreichbaren Fixpunkten sogenannte Grenzzyklen, Bifurkationen oder ein chaotisches Verhalten auf.
Daher verfügen einige adaptive Steuerungen über Referenzmodelle des von der adaptiven Steuerung gesteuerten Systems, anhand derer sie Vorhersagen über das gesteuerte System treffen. Entsprechend fallen diesen Steuerungen entsprechende Reaktionen auf Zustände außerhalb des Referenzmodells schwer. Des Weiteren werden während einer Optimierung in der Folge häufig nur lokale Minima gefunden. Dabei ist zu beachten, dass es verschiedene Arten von Steuerungen gibt. Insbesondere für komplexe Systeme werden zunehmend adaptive Steuerungen, gestützt durch Machine Learning (engl. Maschinelles Lernen, ML) oder statistische Methoden, entwickelt. Diese Methoden der Steuerung werden auch als „intelligent control", (engl.: intelligente Steuerung) bezeichnet.
Adaptive Steuerungen auf Basis statistischer Methoden, wie Bayes'schen Wahrscheinlichkeiten benötigen wenig Hintergrundinformationen über das gesteuerte System, sind aber ineffizient, was bedeutet, dass sie nicht zwingend optimale Lösungen finden und dabei viel Zeit und Energie benötigen.
Adaptive Steuerungen, welche durch ML gestützt werden, sind in der Ausführung dagegen schnell und auch effizient. Am Beispiel eines neuronalen Netzes lässt sich dies gut illustrieren: Ein neuronales Netz verwendet eine Zahl an Input-Parametern (Eingabe) und einen oder mehrere Zielparameter (Ausgabe). Zwischen der Eingabe- und der Ausgabeschicht befinden sich miteinander verbundene Schichten von „Neuronen". Diese stellen eine nichtlineare Funktion da, in der die Eingabewerte auf den vorhergehenden Schichten verarbeitet und zu einem Ausgabewert kombiniert werden. Das System wird dann mit einer Vielzahl von möglichen Eingabedaten trainiert, die korrekte Ausgabe zu erzeugen. Dies erfordert eine entsprechende Menge an initialen Trainingsdaten, die zum einen ausreichen müssen, um den relevanten Teil des Phasenraums (n-dimensionaler Raum aller möglichen Zustände des Systems, wobei n der Zahl der gemessenen Parameter entspricht) abzudecken und zudem möglichst keine statistische Verzerrung aufweisen dürfen. Während des Online- oder Offline-Trainings werden die sogenannten Gewichtungen, also die Stärken der Verbindungen zwischen den einzelnen Neuronen variiert, bis das neuronale Netz die erwarteten Ergebnisse liefert. Das „Wissen" zur Domäne, in der das neuronale Netz angewendet wird, liegt somit implizit in der Struktur des neuronalen Netzes vor.
Während das Training sehr rechenintensiv ist und somit neben einer großen Menge an Trainingsdaten sehr viel Energie und Zeit sowie leistungsfähige Hardware benötigt, ist die Anwendung des erzeugten neuronalen Netzes für die Zuordnung einer Menge von Eingabewerten zur einer Zahl an Ausgabewerten vergleichsweise wenig rechenintensiv und kann somit auch auf weniger leistungsfähiger Hardware mit einem überschaubaren Aufwand von Energie und Zeit erfolgen.
In beiden letztgenannten Fällen fehlt es den bekannten adaptiven Steuerungen an der Anpassungsfähigkeit, wenn sich Randbedingungen des kontrollierten Systems ändern, sodass sich auch der Phasenraum bzw. die Stabilitäten im System ändern.
Beiden Möglichkeiten ist außerdem gemein, dass nach es nach dem initialen Aufsetzen des Systems nur unter großem Aufwand möglich ist, eine Veränderung an der Steuerung vorzunehmen, insbesondere wenn sich diese im laufenden Betrieb befindet.
Bei einer adaptiven Steuerung (adaptive control) ist bekannt, dass Kenngrößen an den Prozess angepasst werden können. Die Komplexität der Struktur wächst jedoch nicht. Nachteilig ist, dass neue komplexere Probleme deshalb häufig nicht bzw. nicht optimal oder nur unzureichend gelöst werden können. Auch nach längeren Wartezeiten (z.B. Berechnungs- und Suchzeiten) mit hohem Zeitaufwand und Energieverbrauch gibt es in vielen Fällen keine ausreichende neue und optimale Problemlösung.
Häufig wiederkehrende Probleme werden - ohne Rücksicht auf eventuelle Komplexität - lediglich unter dem bisher bekannten konstantem Aufwand und Energieverbrauch ständig wiederholt. Nachteilig im Stand der Technik ist, dass die Steuerungen eine mangelnde Lernfähigkeit aufweisen. Klassische Steuerungen, beispielsweise adaptive Steuerungen, sind sehr verbreitet. Ein vollständiger
Ersatz dieser ist in vielen Fällen sehr kostspielig. Zudem sind klassische Steuerungen in ihrer konkreten Ausgestaltung häufig nur ihrem jeweiligen Einsatzzweck angepasst.
Aufgabe
Die Erfindung hat es sich zur Aufgabe gemacht, ein optimiertes, also effizienteres, energiesparsameres, schnelleres und/oder besser strukturiertes Steuerverfahren bereitzustellen und dieses so zu gestalten, dass das Steuerverfahren auch auf vorhandenen Steuerungssystemen „nachgerüstet" bzw. „aufgesetzt" werden kann.
Insbesondere erkennt die Erfindung die Notwendigkeit eines hohen Abstraktionsgrades, sodass die erfindungsgemäßen Verfahren und Vorrichtungen für sämtliche Einsatzzwecke, insbesondere für ein Zusammenspiel mit sämtlichen klassischen Steuerungen, d.h. einsatzzweckunabhängig, geeignet sind.
Lösung
Gelöst wird die Aufgabe im Wesentlichen dadurch, dass einem Steuerverfahren ein Knowledge Management System hinzugefügt wird, welches Ereignissequenzen umfasst, um eine Start- Objektsituation in eine Ziel-Objektsituation zu überführen.
Die vorliegende Aufgabe wird insbesondere gelöst durch ein Steuerverfahren zum Ansteuern eines Aktors zum Überführen, insbesondere zum Überführen des Aktors von einer Start-Objektsituation in eine Ziel-Objektsituation (d.h. Erreichen einer Ziel-Objektsituation ausgehend von einer Start- Objektsituation) mittels einer Steuerung, bevorzugt einer adaptiven Steuerung, umfassend a) Ermitteln (SOI) einer Start-Objektsituation mittels eines Sensors, b) Definieren (S02) einer Ziel-Objektsituation, c) Ermitteln (S03) einer Ereignissequenz, die geeignet ist, um die Start-Objektsituation in die Ziel-Objektsituation aus einer Menge von bekannten (Teil-)Ereignissequenzen, insbesondere Teilereignissequenzen (d.h. Teilprozeduren; einzelnen Prozessschritten), zu überführen, durch
Iteratives Suchen (S03a) von bekannten (Teil-)Ereignissequenzen, insbesondere
Teil-Ereignissequenzen, umfassend die Start- und/oder Ziel-Objektsituation und/oder Objektsituationen aus Teil-Ereignissequenzen vorhergehender Iterationsschritte,
Auswählen (S03bl) mindestens einer Ereignissequenz zum Erreichen der Ziel- Objektsituation ausgehend von der Start-Objektsituation oder Bilden (S03b2) einer neuen Ereignissequenz zum Überführen einer Start-Objektsituation in eine Ziel-Objektsituation auf Basis der iterativen Suche des Verfahrens gefundenen Teil-Ereignissequenzen und deren Konkatenationen, d) Ansteuern (S04) des Aktors basierend auf der ermittelten Ereignissequenz durch die Steuerung.
Es erschließt sich für den Fachmann hierin, dass zum Definieren (SOI) einer Aufgabenstellung, welche darin besteht, eine konkrete Start-Objektsituation mithilfe einer Ereignissequenz in eine konkrete Ziel- Objektsituation zu überführen voraussetzt, dass zunächst eine Start-Objektsituation mittels eines Sensors ermittelt wird und anschließend eine (gewünschte) Ziel-Objektsituation vorgeben wird und basierend auf diesen eine Aufgabenstellung zur Überführung des Objektes von der konkreten Start- Objektsituation in die konkrete Ziel-Objektsituation abgeleitet wird.
Erfindungsgemäß erfolgt anschließend das Ermitteln aus einer Menge von bekannten (Teil- JEreignissequenzen einer Ereignissequenz, die geeignet ist, um die Ziel-Objektsituation ausgehend von der Start-Objektsituation zu erreichen. Hierzu wird bevorzugt auf eine Datenbank zurückgegriffen, welche zwecks Suche einer passenden Lösung in Form einer Ereignissequenz, welche geeignet ist, die Aufgabenstellung zu lösen, gelesen wird. Vorzugsweise ist die Datenbank hierbei dazu geeignet, mindestens folgende Größen einander zuzuordnen, insbesondere auch auf eine gewichtete Kombination dieser Größen einzugehen: einen Bezeichner einer möglichen Start-Objektsituation,
Bezeichner der beteiligten Objektarten,
Bezeichner einer möglichen Ziel-Objektsituation,
Bezeichner der beteiligten Objektarten, eine Information zu einer Ereignissequenz, wobei die Ereignis-Sequenz dazu geeignet ist, die mögliche Start-Objektsituation in die mögliche Ziel-Objektsituation zu überführen.
Das Auswählen (S03bl) der mindestens einen Ereignissequenz zum Erreichen der Ziel-Objektsituation ausgehend von der Start-Objektsituation ist dabei bevorzugt eine zur Aufgabenstellung passende Lösung. Hierbei werden vorzugsweise die in einer Datenbank hinterlegten Lösungen in Form einer Ereignissequenz bzgl. der vorgenannten Größen quantifiziert und eine zur Aufgabenstellung passende Lösung in der Datenbank ausgewählt, wenn entsprechend eine zur Aufgabenstellung passende Lösung gelesen (S02) wurde.
Alternativ erfolgt das Bilden (S03b2) einer neuen Ereignissequenz, insbesondere einer Verkettung von Prozeduren zum Bilden einer komplexeren Prozedur zum Erreichen einer Ziel-Objektsituation ausgehend von einer Start-Objektsituation auf Basis der in Schritt S03a gefundenen Teil-Ereignissequenzen und deren Konkatenationen. Hierzu erfolgt das Bilden (S03b) einer neuen Ereignissequenz, wenn eine zur Aufgabenstellung passende Lösung nicht gelesen (S02) wurde, als n-Konkatenation aus den vorhandenen Ereignissequenzen, umfassend vorzugsweise die folgenden Schritte:
Lesen (S03b-01) der Datenbank zwecks Suche mindestens einer ersten und einer n-ten Ereignissequenz, insbesondere Suche von Ereignissequenzen von einer ersten bis zu einer n-ten Ereignissequenz, wobei n eine natürliche Zahl bezeichnet und die erste Ereignissequenz dazu geeignet ist, die mögliche Start-Objektsituation in eine erste Intermediär-Objektsituation zu überführen und für alle natürlichen Zahlen, für die gilt 1 < k < n, die k-te Ereignis-Sequenz dazu geeignet ist, eine (k-l)-te Intermediär-Objektsituation in eine k-te Intermediär- Objektsituation zu überführen, und die n-te Ereignis-Sequenz dazu geeignet ist, eine (n-l)-te Intermediär- Objektsituation in die mögliche Ziel-Objektsituation zu überführen
Erfindungsgemäß kann ein Schritt des Iterierens (B02a) über mögliche Intermediär-Objektsituationen sowie Verkettungen von Intermediär-Objektsituationen, insbesondere ein Schritt des rekursiven Iterierens vorgesehen sein, wobei diese Intermediär-Objektsituationen vorzugsweise in einer Datenbank gespeichert sind, sodass zum Auffinden ein Schritt des Lesens (B02b) einer Datenbank zwecks Suche passender Ereignisprozeduren vorgesehen ist.
Dabei ist eine Zahl n für jede mögliche Verkettung der Intermediär-Objektsituationen die Länge der jeweiligen Verkettung der Prozeduren bezeichnet und durch eine natürliche Zahl größer oder gleich 2 gegeben. Beim Schritt des Auswählens und Verkettens von Prozeduren zum Bilden einer komplexeren Prozedur ist vorzugsweise eine jede Ereignisprozedur geeignet, entweder, die mögliche Start-Objektsituation in die erste Intermediär-Objektsituation zu überführen, oder für ein k mit 1 < k < n, die (k-l)-te Intermediär-Objektsituation in die k-te Intermediär- Objektsituation zu überführen, oder
(n-l)-te Intermediär-Objektsituation in die mögliche Ziel-Objektsituation zu überführen
Hierzu erfolgt vorzugsweise zunächst in einem ersten Schritt das Errechnen (B03) mindestens eines quantitativen Eignungskriteriums der Verkettung der Prozeduren ((Teil-) Ereignissequenzen) für eine jede durch die Iteration hervorgerufene Verkettung von Prozeduren. Sodass das der Schritt des Auswählens von einer oder mehreren Verkettungen auf Basis mindestens eines quantitativen Eignungskriteriums/Merkmals erfolgt.
Analog hierzu kann vorgesehen sein, dass der Schritt des Auswählens einer Ereignissequenz aus einer Menge an geeigneten Ereignissequenzen in Schritt S03bl auf Basis mindestens eines quantitativen Eignungskriteriums/Merkmals (wie hierin definiert) erfolgt.
Es versteht sich, dass die Ereignissequenzen zwischen zwei Objektsituationen bspw. innerhalb einer Datenbank dabei in jeder beliebigen Programmier- oder Beschreibungssprache initial erhoben und gespeichert werden können, insbesondere in einer beliebigen, aber einheitlichen Programmier- oder Beschreibungssprache.
Vorzugsweise kann das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren ferner einen Schritt zum Speichern (SOS) der ermittelten Ereignissequenz umfassen. Handelt es sich bei der ermittelten Ereignissequenz um eine neu entstandene Ereignissequenz, so kann diese ggfs. als n- Konkatenation in einer Datenbank abgelegt werden, wobei diese neu konkatenierte Ereignissequenz dazu geeignet ist, die mögliche Start-Objektsituation in die mögliche Ziel-Objektsituation zu überführen. Dies hat den Vorteil, dass bei der Durchführung einer späteren Ereignissequenz, die identisch oder zumindest ähnlich ist, auf diese in Schritt (c) des erfindungsgemäßen Verfahrens, nämlich dem Ermitteln (S03) einer Ereignissequenz zurückgegriffen werden kann.
Gemäß einer Weiterbildung umfasst das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren einen ersten Teilschritt zum Ermitteln einer Ereignissequenz aus einer Menge von bekannten (Teil-)Ereignissequenzen in einem ersten Speicher, in dem Erfolge hinterlegt sind, d.h. Ereignissequenzen, die dazu geeignet sind, die Start-Objektsituation in die Ziel-Objektsituation zu überführen, wobei durch iteratives Suchen von bekannten (Teil-)Ereignissequenzen und Auswählen einer bekannten Ereignissequenz oder Bilden einer neuen Ereignissequenz, insbesondere Bilden einer neuen Ereignissequenz, eine (grundsätzlich) geeignete Ereignissequenz ermittelt wird, und einen zweiten Teilschritt zum Ermitteln einer Ereignissequenz aus einer Menge von bekannten (Teil-)Ereignissequenzen in einem zweiten Speicher, in dem Misserfolge hinterlegt sind, d.h. Ereignissequenzen, die nicht oder nur ungenügend geeignet sind, um die Start-Objektsituation in die Ziel-Objektsituation zu überführen, durch das Suchen/Ermitteln der im ersten Teilschritt ermittelten Ereignissequenz in dem zweiten Speicher oder durch das Abgleichen der im ersten Teilschritt ermittelten Ereignissequenzen mit den im zweiten Teilschritt ermittelten Ereignissequenzen, wobei die in dem zweiten Teilschritt ermittelten (Teil-)Ereignissequenzen verworfen werden (Gegenprüfen).
Dadurch, dass Misserfolge nicht verworfen werden, können diese zusätzlich zu den hierin definierten Größen, insbesondere quantitativen Eignungskriterien zum Auffinden einer geeigneten Ereignissequenz herangezogen werden. Das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren bzw. das System zum Ansteuern eines Aktors ist somit zumindest quasi lernfähig, vorzugsweise lernfähig, ausgebildet, sodass zumindest in einem ersten vorgelagerten Schritt, ganz besonders bevorzugt völlig auf einen Abgleich der (gesamten) ermittelten Menge an potentiell geeigneten Ereignissequenzen auf Basis mindestens einer Größe bzw. eines quantitativen Eignungskriteriums (wie hierin definiert) verzichtet werden kann. Dies spart Zeit und reduziert den Energiebedarf bei der Ermittlung einer geeigneten (Teil-) Ereignissequenz.
Ein erster Speicher, in dem Erfolge hinterlegt sind, ist bspw. eine sogenannte Erfolgsdatenbank, d.h. ein Speicher bzw. eine Datenbank, in dem/der (Teil-)Ereignissequenzen gespeichert sind, die bei derselben oder ähnlichen Kombination von Start-Objektsituation und Ziel-Objektsituation zum Erfolg geführt haben. Ein zweiter Speicher, in dem Misserfolge gespeichert sind, ist bspw. eine sog.
Misserfolgsdatenbank, d.h. ein Speicher bzw. eine Datenbank, in dem/der (Teil-)Ereignissequenzen gespeichert sind, die bei derselben oder ähnlichen Kombination von Start-Objektsituation und Ziel- Objektsituation nicht zum Erfolg geführt haben.
Gemäß einer Weiterbildung umfasst das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren ferner einen Schritt zum Ermitteln von verbotenen oder unerlaubten Ereigniseigenschaften (Constraints) innerhalb der zu ermittelnden Ereignissequenz, die (grundsätzlich) geeignet ist, um die Start-Objektsituation in die Ziel-Objektsituation aus einer Menge von bekannten (Teil-)Ereignissequenzen zu überführen, insbesondere durch das Ansteuern eines Aktors basierend auf der ermittelten Ereignissequenz durch die Steuerung. Beispiele für solche verbotenen oder unerlaubten Ereigniseigenschaften umfassen einen unerwünschten Vorgang wie bspw. das Schwenken, Drehen oder Ruckeln eines Objektes aufgrund der Trägheit des Objektes, Luftbewegungen, oder Vibrationen. Das Ermitteln solcher verbotenen oder unerlaubten Ereigniseigenschaften kann für einzelne bzw. innerhalb einzelner (Teil-)Ereignissequenzen separat erfolgen. Somit können bereits im Vorfeld (Teil-)Ereignissequenzen ausgeschlossen werden, die zwar potenziell geeignet erscheinen, eine Start- Objektsituation in eine Ziel-Objektsituation zu überführen, die jedoch aufgrund des Vorliegens einer ermittelten verbotenen bzw. unerlaubten Ereigniseigenschaft ungeeignet sind. Vorteilhaft kann so auf einen Abgleich der ermittelten Menge an geeigneten Ereignissequenzen auf Basis mindestens eines quantitativen Eignungskriteriums (wie hierin definiert) verzichtet werden.
Gemäß einer Weiterbildung umfasst das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren ferner einen Schritt zum Überwachen eines laufenden oder eines sich wiederholenden Prozesses bzw. einer (Teil-)Ereignissequenz, insbesondere einen Schritt zum Überwachen der wiederkehrenden Start-Objektsituation. Ein Beispiel hierfür ist die Tätigkeit eines Roboters an einem Fließband, der wiederholt denselben Vorgang vornimmt). Hierdurch können trotz des (ursprünglichen) Ermittelns einer (Teil-)Ereignissequenz, die (grundsätzlich) geeignet ist/war, um eine sich wiederholende Start-Objektsituation in die Ziel-Objektsituation zu überführen, und diese (Teil-)Ereignissequenz somit (bspw. mehrfach hintereinandergeschaltet) wiederholt durchgeführt wird, spontane Änderungen innerhalb eines laufenden Prozesses, insbesondere an wiederkehrenden Start-Objektsituation ermittelt werden und somit das Steuerverfahren (selbstständig) angepasst werden. Dies hat den Vorteil, dass dem Auftreten von Fehlern, die bspw. durch eine (leicht) veränderte Start-Objektsituation hervorgerufen werden, vorgebeugt werden kann und dass auf das externe Eingreifen, bspw. durch einen Nutzer oder ein anderes Verfahren verzichtet werden kann. Wird beispielsweise eine solche spontane Änderung innerhalb eines laufenden Prozesses, insbesondere an einer wiederkehrenden Start- Objektsituation ermittelt, so kann das System zum Ansteuern eines Aktors in einem Schritt des Bewertens dieser Änderung entscheiden, ob das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren, erneut durchlaufen werden muss, um eine neue (alternative oder angepasste) Ereignissequenz zu ermitteln, die geeignet ist, um die veränderte Start-Objektsituation in die gewünschte Ziel-Objektsituation zu überführen.
Gemäß einer Weiterbildung umfasst das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren ferner zumindest einen Schritt des wiederholten Ermittelns einer Ereignissequenz oder einen Schritt des wiederholten Durchlaufens des erfindungsgemäßen Verfahrens, insbesondere des Steuerverfahrens (gemäß der hierin definierten Schritte, insbesondere unter Ausschluss der Ereignissequenz, die nicht geeignet war, um die Start-Objektsituation in die Ziel-Objektsituation zu überführen), wenn die zuvor ermittelte und/oder durchgeführte Ereignissequenz nicht geeignet war, um die Start-Objektsituation in die Ziel-Objektsituation zu überführen. Dies hat den Vorteil, dass das System, insbesondere das System zum Ansteuern eines Aktors den Vorgang des Überführens der Start- Objektsituation in die Ziel-Objektsituation nicht abbricht (und bspw. in einen Fehlermodus übergeht), sodass auf ein externes Eingreifen, bspw. durch einen Nutzer oder ein anderes Verfahren verzichtet werden kann. Beispielsweise umfasst der Schritt des wiederholten Ermittelns einer Ereignissequenz einen vorgelagerten Teilschritt, bei dem der Aktor, vor dem erneuten Durchlaufen des erfindungsgemäßen Verfahrens, insbesondere des Steuerverfahrens in seine Ausgangsposition zurückkehrt.
Gemäß einer Weiterbildung wird das Ermitteln einer Ereignissequenz gemäß Schritt (c) des erfindungsgemäßen Verfahrens, insbesondere des Steuerverfahren lediglich teilweise abgeschlossen, bevor mit dem Überführen einer Start-Objektsituation in die letztendliche Ziel-Objektsituation begonnen wird. Dies bedeutet, dass mit dem Beginn des Überführens einer Start-Objektsituation in die letztendliche Ziel-Objektsituation noch nicht die Ermittlung der gesamten Ereignissequenz abgeschlossen ist, sondern die einzelnen Teil-Ereignissequenzen sukzessive ermittelt und Schritt für Schritt zur (gesamten) Ereignissequenz aus einzelnen Teil-Ereignissequenzen (des prozeduralen Ereigniswissens, einem Speicher, einer Datenbank) konkateniert (miteinander verkettet) werden. Dies hat den Vorteil, dass nach Auswählen zumindest einer, vorzugsweise zumindest zwei, ganz besonders bevorzugt zumindest 30%, insbesondere zumindest 50% der (Teil-)Ereignissequenz(en) oder Bilden einer, vorzugsweise zumindest zwei, ganz besonders bevorzugt zumindest 30%, insbesondere zumindest 50% der neuen (Teil-)Ereignissequenz(en) bereits mit der Überführung einer Start-Objektsituation in die letztendliche Ziel-Objektsituation über Zwischen-Ziel-Objektsituationen (d.h. das Ziel-Objektsituationen, die noch nicht das Ende der gesamten erforderlichen Ereignissequenz darstellen) begonnen werden kann, was eine Zeit- und/oder Ressourcen-Einsparung (bspw. erforderliche Rechenleistung) zur Folge hat.
Darüber hinaus kann vorgesehen sein, dass nach Vollendung jeder Teil-Ereignissequenz, vorzugsweise zumindest nach Vollendung jeder zweiten Teil-Ereignissequenz, ganz besonders bevorzugt nach Vollendung von zumindest 30%, insbesondere von zumindest 50% der Teil-Ereignissequenzen der gesamten Ereignissequenz die (entsprechend) zu erwartende Zwischen-Ziel-Objektsituation mit der tatsächlichen Zwischen-Ziel-Objektsituation abgeglichen wird. Hierzu umfasst das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren vorzugsweise einen Schritt des Ermittelns einer tatsächlichen Zwischen-Ziel-Objektsituation (d.h. das einer Objektsituation, welche einen Zustand zwischen einer Start-Objektsituation und einer Ziel-Objektsituation beschreibt und die noch nicht das Ende der gesamten erforderlichen Ereignissequenz darstellt), die wiederrum als Start-Objektsituation für eine weitere oder eigenständige (Teil-)Ereignissequenz dienen kann, mittels eines Sensors und das Abgleichen dieser ermittelten tatsächlichen Zwischen-Ziel-Objektsituation mit der ermittelten zu erwarteten Zwischen-Ziel-Objektsituation einer ausgewählten (Teil-)Ereignissequenz oder neu gebildeten (Teil-)Ereignissequenz. Dies hat den Vorteil, dass bei der Konkatenation einer Vielzahl von Teil-Ereignissequenzen zum Erreichen der letztendlich (gewünschten/angestrebten) Ziel-Objektsituation Abweichungen von der angestrebten Ereignissequenz ermittelt und durch die Vornahme geeigneter Anpassungen kompensiert/ausgeglichen werden können. So kann bei der Feststellung einer entsprechenden Abweichung durch die Steuerung, der Schritt des Ermittelns einer Ereignissequenz auf Basis der festgestellten Abweichung angepasst werden (bspw. bei sukzessiver/teilweisen Ermittlung der gesamten Ereignissequenz, wie vorweg definiert) oder es erfolgt ein Abbrechen des Schritts des Ansteuerns des Aktors, der basierend auf der ursprünglich ermittelten Ereignissequenz angesteuert wird. Derartige Abweichungen der tatsächlichen Zwischen-Ziel-Objektsituation von der ermittelten zu erwarteten Zwischen-Ziel-Objektsituation basierend auf der angestrebten Ereignissequenz können bspw. durch Störfaktoren, wie Reibungsverluste, Verschleiß, äußere Umweltfaktoren, aber auch nach der Wartung/Reparatur einer Vorrichtung und einer damit bspw. verbundenen Leichtgängigkeit von Bauteilen erfolgen. Derartige Störfaktoren können im Anschluss bei dem Schritt des Ermittelns weiterer Ereignissequenzen als ein Ereigniskriterium berücksichtigt werden.
Allgemeine Vorteile
Das erfindungsgemäße Steuerverfahren ermöglicht durch den Zugriff auf in einem Speicher, insbesondere einer Datenbank hinterlegte Ereignissequenzen ein optimiertes Überführen einer Start- Objektsituation in eine Ziel-Objektsituation. Darüber hinaus werden Fehler, die durch eine im Wesentlichen manuelle Vorgabe einer Ereignissequenz auftreten können, minimiert.
Das erfindungsgemäße Steuerverfahren erlaubt es überdies, auf spontane Änderungen innerhalb eines kontinuierlichen oder sich wiederholenden Prozesses zu reagieren und eine neue (alternative bzw. abgeänderte) Ereignissequenz bereitzustellen.
Letztlich ist das erfindungsgemäße Steuerverfahren lernfähig ausgestaltet.
Weitere Vorteile sind der Beschreibung und den Ausführungsbeispielen zu entnehmen.
Beschreibung der Erfindung
ITSF (Intuitive Tacit Solution Finding) ist ein neues Verfahren zur Erhebung, strukturierten Speicherung, leichten Auffindbarkeit und Konkatenation von Bausteinen des prozeduralen Ereigniswissens. Diese Wissensart ist das meist gesuchte „Know How" für vielfältige Prozesse. Der Vorteil ist, dass die Ereignissequenz hierbei nicht expliziert werden muss. D.h. die Ereignisprozedur kann in der vorhandenen Programmier- oder Beschreibungssprache belassen werden, in der sie von einer technischen Einrichtung erhoben wird. Das erfindungsgemäße Verfahren umfasst das Folgende (a-g): a) Erhebung und Speicherung von Ereignissequenzen: Verfahren zur Erhebung und strukturierten Speicherung von prozeduralen Ereignissequenzen als die Verbindung einer Start- mit einer Ziel- Objektsituation. Jede dieser gespeicherten Ereignissequenzen ist dabei ein kleiner Baustein des prozeduralen Ereigniswissens. b) Schnelle Wiederauffindbarkeit von Ereignissequenzen: Die initial erhobenen Ereignissequenzen werden in der Liste der Ereignisprozeduren strukturiert gespeichert und können über ihre Start- und ihre Ziel-Objektsituation sehr schnell und einfach wieder aufgefunden werden. c) Normalisierung von Objektsituationen: Konkrete Objekte werden zuerst allgemeineren Objektarten zugeordnet (Normalisierung von Objektarten). Anschließend werden diese Objektarten innerhalb eines begrenzten Raumabschnitts zu einer Objektsituation zusammengefasst und mit Hilfe der Liste der Objektsituationen normalisiert. Bevorzugt erfolgt das Zuordnen der konkreten Objekte zu Objektarten auf Basis mittels Sensoren erhobener Informationen. Besonders bevorzugt erfolgt das Zuordnen der konkreten Objekte zu Objektarten auf Basis der Sensoren und der Verarbeitung der Daten in einer adaptiven Steuerung. d) Prozedurale Ereignissequenzen: Zwischen der aktuell analysierten Start-Objektsituation und der geforderten Ziel-Objektsituation liegt immer die gesuchte Ereignissequenz als Verbindung dieser beiden Objektsituationen und wird in der Liste der prozeduralen Ereignissequenzen abgespeichert. e) Konkatenation von Ereignissequenzen: Gibt es für die Anforderung einer Start- und Ziel- Objektsituation noch keinen Eintrag in der Liste der bekannten Ereignisprozeduren, wird nach einer Konkatenation von Ereignissequenzen gesucht, die an ihrem Anfang die Start- und ganz an ihrem Ende die gesuchte Ziel-Objektsituation enthält. Jedes Glied dieser Konkatenationskette wird verbunden über seine normalisierte Ziel-Objektsituation gleich der Start-Objektsituation der nächstfolgenden Sequenz, die in diese Verbindung passt. Wird diese Konkatenation innerhalb der vom Einsatzzweck der Steuerung abhängigen Sicherheitszeitspanne nicht gefunden, muss die alte adaptive Steuerung oder eine manuelle Prozedur aufgerufen werden, um die bisher unbekannte Ereignissequenz erstmalig und initial zu erheben. Wie bereits beschrieben, stellt ein Ereignis einen Übergang von einer Start-Objektsituation zu einer Ziel- Objektsituation in einem bestimmten Raumabschnitt dar. Diese Zustände lassen sich als Knoten in einem Graphen interpretieren, die Ereignisse können somit als Kanten zwischen den Zuständen interpretiert werden. Dementsprechend lassen sich alle ineinander überführbaren Zustände als ein Graph zusammenfassen. Je nachdem, ob Ereignisse reversibel sind, können diese durch gerichtete oder ungerichtete Kanten repräsentiert werden. Wird nun eine Ereignissequenz gesucht, die geeignet ist, um einen Startzustand in einen Zielzustand zu überführen, können simple Routing-Algorithmen wie A* oder Dijkstra verwendet werden. Der Graph kann regelmäßig für ein schnelleres Routing optimiert werden. Aus dem Stand der Technik sind bereits verschiedene Graphendatenbanken, die Informationen in Graphen speichern, bekannt. Diese sind nach technischen Kriterien optimiert. Weitere Optimierungen lassen sich bspw. Vornehmen, indem sogenannte Contraction Hierachies gebildet werden. Dafür wird der gesamte Graph analysiert und virtuelle Kanten, die die Informationen zu den schnellsten Wegen zwischen zwei Punkten speichern, generiert. Somit kann die Suche einer Ereignissequenz von einem Startzustand zu einem Zielzustand äußerst schnell von statten gehen. Hierin werden die Begriffe „Prozedur" und „Ereignis" äquivalent verwendet. f) Laufender ITSF-Betrieb in einer Datenbank: Intuitive Tacit Solution Finding ist eine sinnvolle Ergänzung und wirkungsvolle Entlastung bekannter adaptiver Steuerungen. Die alte Steuerung läuft im Hintergrund mit und nimmt ggfs. Feinkorrekturen von ITSF-Prozeduren vor. Ebenfalls kommt sie bei völlig unbekannten Objektsituationen und zur Erhebung von ganz neuen Ereignissequenzen zum Einsatz. g) Ständige vollautomatische Weiterentwicklung: Durch die laufende Konkatenation von Ereignissequenzen auch im Ruhe- oder Schlafzustand entstehen automatisch immer komplexere Ereignisprozeduren in der Liste der prozeduralen Ereignissequenzen. Damit wächst die Komplexität und es können immer größere, eher strategische Aufgaben übernommen werden. Die ersten Prozeduren mit ihrer feineren Granularität bleiben aber trotzdem weiterhin erhalten. Beides dient der umfangreichen Entlastung und Beschleunigung der alten adaptiven Steuerung. Im Ruhe- oder Schlafzustand von ITSF werden außerdem alle bisher in der Liste der prozeduralen Ereignissequenzen möglichen Konkatenationen generiert.
ITSF - Intuitive Tacit Solution Finding ist eine neue Methode zur Erhebung, strukturierten Speicherung und leichten Auffindbarkeit von prozeduralem Ereigniswissen. Dieses Wissen ist nicht so leicht explizit zu beschreiben, meist unbewusst (tacit) und bedarf deshalb einer besonderen Behandlung bei seiner Verarbeitung. Mit dieser neuen Art des Umgangs können die alten Probleme der Behandlung des wichtigsten Bestandteils von implizitem Wissen gründlich behoben werden. Was unterscheidet aber nun allgemein Wissen von Information oder Daten?
Daten sind zuerst einmal nur rein syntaktische Aufzeichnungen von Sachverhalten oder Ereignissen. Sie sind in der Lage, gewissermaßen an einem anderen Punkt der Verarbeitungskette neue Schalter umzulegen. Zu Information werden diese Daten mit ihren semantischen Aspekten aber erst, wenn wir sie in Beziehung zu unserem bereits vorhandenen semantischen Wissensgebäude setzen. Erst dabei bekommen Daten dann einen Sinn und werden zu richtiger Information für uns. Sie können das bereits vorhandene semantische Wissen verifizieren, falsifizieren oder auch erweitern. Zu Wissen wird diese Information jedoch erst dann, wenn wir sie anschließend richtig in unser semantisches Wissensgebäude einordnen und vielfach semantisch verknüpfen.
Die grundlegendsten beiden Kategorien der physischen Realität um uns herum sind Objekte im Raum sowie Ereignisse in der Zeit. Diese wohl bedeutendste Unterscheidung bedingt so immer auch die beiden tatsächlichen Grundarten unseres Wissens gemäß ihrer direkten Beziehung zur physischen Realität um uns herum und ist deshalb die grundlegende Untergliederung in: deklaratives Objektwissen und prozedurales Ereigniswissen.
Ausführlich beschrieben von Theo Mulder 2006 (Mulder, Theo (2006)): Das adaptive Gehirn: über Bewegung, Bewusstsein und Verhalten. Thieme, Verlag C.H. Beck). Deklaratives Objektwissen bezieht sich dabei auf lokale Objekte im Raum, die sich sehr umfangreich und eindeutig explizit mit all ihren Eigenschaften beschreiben lassen. Sie befinden sich immer in lokalen Objektsituationen mit vielfachen, mitunter sehr umfangreichen Beziehungen dieser Objekte in einem Raumabschnitt untereinander. Prozedurales Ereigniswissen bezieht sich dagegen auf sequenzielle oder parallele Ereignisse in einem Zeitabschnitt, die in ihren vielen sequenziellen oder parallelen Schritten schon wesentlich schwieriger explizit zu beschreiben sind und sehr oft unbewusst (tacit), also implizit in ihrer Art und Abfolge im Gehirn gespeichert werden. Diese Unbewusstheit bezieht sich besonders auch auf deren Zeitdauer und ihren Energieaufwand.
Die deutliche Unbewusstheit geht trotzdem oft mit einer völligen Selbstverständlichkeit dieses impliziten Wissens einher, die uns eigentlich immer erst dann voll bewusst wird, wenn ein Prozess oder ein Mitarbeiter auf einer entsprechenden Position ausfällt und dann die notwendige Tätigkeit aufgrund des fehlenden prozeduralen Wissens nicht mehr richtig ausgeübt werden kann. Grundlegende Beispiele für implizites Wissen sind solch eigentlich sehr einfachen und trotzdem schwer zu beschreibenden Tätigkeiten wie das richtige Gleichgewichthalten beim Fahrradfahren, die ganz spezielle Werkzeughandhabung im Kunsthandwerk oder aber auch ganze sequentielle Arbeitsprozesse. Insbesondere die Explikation, Gliederung und anschließende Wiederauffindbarkeit von prozeduralem Ereigniswissen ist bis heute für viele Unternehmen und technische Einrichtungen immer noch ein wirklich ernsthaftes Problem.
Um nicht nur reagieren, sondern in einer wechselnden Realität auch sinnvoll agieren zu können, benötigt jede intelligente, adaptive Steuerung heute ein gut strukturiertes Wissensmanagementsystem, mit dem sie aus Erkenntnissen und Erfahrungen der Vergangenheit lernen kann. Es geht nicht mehr nur um das Sammeln von Daten, es geht um die Analyse, Einordnung und die gute Auffindbarkeit von Wissensbausteinen. Das bedeutet, Steuerungstechnik und Wissensmanagement müssen immer enger Zusammenarbeiten. Dazu ist es notwendig, die beiden wichtigsten Arten des Wissens getrennt zu erheben, strukturiert zu speichern und somit beide einfach, schnell und korrekt wieder auffinden zu können. Die schnelle und korrekte Wiederauffindbarkeit von Wissensbausteinen des prozeduralen Ereigniswissens ist dabei das Hauptziel von Intuitive Tacit Solution Finding - ITSF.
Der Fachmann weiß beispielsweise aus „The role of tacit knowledge in Group Innovation", California Management Review, Vol. 40, Nr. 3, Seite 112 - 132, dass „das Management unterbewusster Informationen kaum erforscht ist, insbesondere wenn man es mit den Arbeiten hinsichtlich des expliziten Wissens vergleicht (siehe Fig. 13).
Oberflächlich betrachtet halten wir es eigentlich für selbstverständlich alles Wissen, das wir zu besitzen glauben, auch artikulieren zu können. Erst bei näherer Überlegung fällt uns dann auf, dass für all das Wissen und seine Artikulierung zumindest eine ganze Menge unbewusst genutztes Grundlagenwissen, gemeinsame Denkmodelle, Fähigkeiten und Fertigkeiten wie z.B. auch die des Sprechens notwendig sind, deren wir uns aber leider nur selten wirklich vollständig bewusstwerden und die wir also auch nur schwer oder gar nicht artikulieren können.
Polanyi formulierte das bereits 1966 so: „(...) dass wir mehr wissen, als wir zu sagen wissen." (Polanyi, Michael (1966): Implizites Wissen. (The tacit dimension.). Deutsch Suhrkamp 1985).
Es existiert ein sehr großer Bereich schwer artikulierbaren Wissens, der sich auf mitunter sehr komplexe Abläufe wie z.B. unsere Bewegungen oder auf hochkomplexe äußere Ereignisse bezieht. Im logischen Gegensatz zu lokalen Objekten im Raum stehen immer die sequenziellen oder parallelen Ereignisse in der Zeit. Diese Unterscheidung ist die wesentlichste Gliederung in unserer physischen Realität und aus diesem Grund auch die wesentlichste Gliederung unserer Wissensarten über diese physische Realität. Trotzdem spricht kein Mensch heute ernsthaft darüber, so selbstverständlich kommt uns dieser Sachverhalt einfach vor. Interessant wird aber erst die Untersuchung der inneren Beziehung dieser beiden grundlegenden Wissensarten zueinander und deren sinnvolle Verknüpfung.
In alle sequenziellen Ereignisse sind immer auch viele lokale Objekte eingebunden und nur in unserer rein theoretischen Erkenntnis und Erfahrung dieser Vorgänge lässt sich beides trennen. Diese Gliederung ist eine unserer größten Geistesleistungen, die aber leider heute kaum gewürdigt wird. Es bleibt jedoch in jedem Fall die Tatsache übrig, dass sich sequentielle Ereignisse in der Zeit viel schwerer beschreiben lassen, als lokale Objekte im Raum. Ereignisse sind außerdem immer mit einem bestimmten Kraft- oder Energieeinsatz in der Zeit verbunden, den wir quantitativ verbal sehr schwer beschreiben und weitervermitteln können. Alles beginnt mit der Erkennung und Beschreibung von lokalen Objekten in einem Raumabschnitt, ihrer vielfältigen Eigenschaften, ihrer Lage und vielfältigen räumlichen Beziehungen zueinander. Die konkreten Objekte werden zuerst einmal allgemeineren Objektarten zugeordnet, die vom Zweck unserer räumlichen Betrachtung abhängig sind. Ein solcher Zweck kann zum Beispiel das Autonome Fahren im Straßenverkehr sein oder im Unterschied dazu die Erkennung von Werkstücken und ihrer Lage zueinander beim Einsatz von Industrierobotern. Aus der Zuordnung erkannter Objekte zu Objektarten und der Lage dieser Objektarten in einem Raumabschnitt zueinander entstehen dann definierte Objektsituationen.
Im Straßenverkehr können z.B. Objektarten auftreten wie Fußgänger, Radfahrer, PKW, LKW, Verkehrsschilder, Straßenbegrenzungen, Mauern oder auch die eigene Lage in einem Raumabschnitt. Bei der Arbeit von Industrierobotern treten eher Objektarten auf wie Zylinder, Quader, Würfel, Rohlinge oder das fertige Produkt. Nach der Erkennung der lokalen Objekte, der Zuordnung zu Objektarten und ihrer Lage folgt die Erkennung der gesamten Objektsituation in einem Raumabschnitt. Sowohl die erkannte Objektart wie auch die erkannte Objektsituation werden mit allen bereits gespeicherten Objektarten und Objektsituationen verglichen und können diese beiden Listen verifizieren oder auch erweitern. Treten bekannte Objektarten oder Objektsituationen auf, werden diese einfach den bereits bekannten Einträgen beider Listen zugeordnet. Für bisher unbekannte Objektarten oder Objektsituationen werden neue Einträge in den beiden Listen angelegt (Normalisierung von Objektwissen). Dieses wird bereits seit Langem mit den heute vorhandenen Technologien der Kl sehr gut erhoben, deklarativ beschrieben und gespeichert. Meist werden heute die erhobenen Daten dann in große Datalakes gepumpt, aus denen sehr mühevoll eine Analyse der unstrukturierten Daten erfolgen muss.
Viel schwieriger ist es mit der Erhebung von prozeduralem Ereigniswissen. Hier können wir eine hinreichende Beschreibung und gute Wiederauffindbarkeit nur durch die Beziehung zum deklarativen Objektwissen herstellen. In der Realität verbinden Ereignisse immer eine Ist- mit einer Soll- Objektsituation, d.h. wir speichern prozedurales Ereigniswissen als Verbindung einer Start- Objektsituation mit einer Ziel-Objektsituation als Ereignissequenz. Für das verbindende Ereignis muss die notwendige Beschreibung immer mit der notwendigen Lageänderung und der dafür notwendigen Energie und Zeit festgehalten werden. Dies ist uns quantitativ meist unbewusst (tacit). Zusätzlich zur erkannten Ist-Objektsituation muss der Steuerung immer auch eine geforderte Soll-Objektsituation vorliegen. Diese besteht beim Autonomen Fahren z.B. aus solchen Parametern wie den geforderten Mindestabständen zu anderen Objektarten oder einer Soll-Geschwindigkeit, Richtung und Fahrtziels auf der Straße.
Die wichtigsten beiden Kategorien der physischen Realität sind in Figur 14 dargestellt.
Beim Einsatz von Industrierobotern besteht die Soll-Objektsituation z.B. aus der richtigen Lage eines Werkstücks, das vorher einer Objektart und einer Ist-Objektsituation in einem bestimmten Raumabschnitt zugeordnet wurde. Vereinfachungen lassen sich hier z.B. erzielen, wenn jede Objektart vorher eine bestimmte Farbe erhält. Aus der erkannten Ist-Objektsituation stellt dann der Industrieroboter die geforderte Soll-Objektsituation her. Dies kann durch Umsortierung sowie durch die richtige Bearbeitung erfolgen. Zwischen der Ist-Objektsituation und der Soll-Objektsituation liegt immer eine bestimmte prozedurale Ereignissequenz mit einer bestimmten Zeitdauer und einem bestimmten Energieaufwand. Nach der Speicherung der Objektsituationen können dann diese Ereignissequenzen durch einmaliges Vorexerzieren und Abspeichern erstmalig erhoben werden. Am Anfang muss also immer die Liste sequenzieller Ereignisprozeduren initial befüllt werden. Die Start-ID ist die erkannte Ist- Objektsituation und die Ziel-ID die geforderte Soll-Objektsituation. Über beide wird dann die prozedurale Ereignissequenz korrekt und einwandfrei strukturiert in der neuen Liste von prozeduralen Ereignissen als Content aufgezeichnet und so auch wieder auffindbar. Dieser Content kann in einer beliebigen Programmier- oder Beschreibungssprache vorliegen. Zu den Ereignissequenzen lassen sich aber auch noch eine Menge weiterer nützlicher Informationen erheben und abspeichern.
Neben der Start- und Ziel-ID von Objektsituationen muss für die Liste prozeduraler Ereignisse auch der Content der Ereignissequenz und die notwenige Energie des Antriebs eines Autos oder des Zugriffs der Werkzeuge eines Industrieroboters gespeichert werden. Neben diesen Grunddaten eines prozeduralen Ereignisses interessiert uns natürlich unbedingt auch die Zeitdauer und ganz besonders der Grad des Erfolgs einer Prozedur zum Erreichen einer Soll-Objektsituation. Der Grad des Erfolgs sollte immer in Stufen der Bewertung gegliedert sein und sowohl den Erfolg wie auch den Misserfolg eindeutig widerspiegeln. So kann für künftige Anwendungen dieser Ereignisprozedur zur Erreichung einer Soll- Objektsituation diese Sequenz ganz besonders präferiert oder aber auch grundsätzlich vermieden werden. Die Verbindung von prozeduralem Ereignis- und deklarativem Objektwissen ist in der Figur 15 dargestellt.
So strukturiert wie das prozedurale Ereigniswissen hier aufgezeichnet wird, kann es auch leicht, blitzschnell und korrekt wiederaufgefunden werden. Es sind keine unstrukturierten Datalakes und keine Big-Data-Scientisten für die Auswertung notwendig, die es ja beim Autonomen Fahren oder beim Einsatz von Industrierobotern im Produktionsprozess vor Ort ohnehin nicht gibt. Im einfachsten Fall existiert bereits ein Eintrag in der Liste prozeduraler Ereignissequenzen, der die korrekte Ist- und Soll-ID der Objektsituationen mit einer hohen Bewertung der Erfolgswahrscheinlichkeit sowie der notwendigen Zeitdauer und Energie enthält. Diese wird dann anhand des Vergleichs dieser Parameter ausgewählt und durchgeführt. Ist das nicht der Fall, muss eine Verkettung mehrerer Ereignisprozeduren in der Ereignisliste gesucht werden. Dabei wird die erkannte Ist-ID(a) einer Objektsituation a zum Startpunkt und es werden solange xl bis xn weitere Prozeduren mit Ziel-I D(a bis xn) = Start-ID(xl bis z) verknüpft, bis die gewünschte Soll-I D(z) der erforderlichen Soll-Objektsituation z erreicht ist. Für die Auswahl der Ereignissequenzen werden neben dem wichtigen Rating des Erfolgs die kürzeste Zeitdauer und der geringste Energieaufwand als weitere Kriterien herangezogen. Dies geschieht natürlich nur so lange, bis irgendwann eine spezifische, für die jeweilige Anwendung ganz wichtige Sicherheitszeitspanne überschritten wird. Diese ist vom Zweck der Anwendung abhängig.
Die verfügbare Sicherheitszeitspanne kann natürlich beim Autonomen Fahren ganz anders aussehen als bei der Arbeit von Industrierobotern. Wird innerhalb dieser Zeitspanne eine geeignete Verkettung gefunden, die an ihrem Anfang die Ist-ID(a) einer erkannten Start-Objektsituation und ganz an ihrem Ende die Soll-I D(z) der Soll- oder Ziel-Objektsituation enthält, wird diese verkettete Ereignisprozedur ausgewählt und durchgeführt. Bei allen Teil-Prozeduren davon sollte natürlich eine möglichst hohe Erfolgswahrscheinlichkeit vorliegen. Außerdem wird in die Bewertung und Auswahl von ähnlichen passenden Prozeduren natürlich immer der Vergleich der gespeicherten Zeitdauer und ihr Energieaufwand einbezogen. Wird eine solche verkettete Prozedur gefunden, wird diese durchgeführt und dann ein neuer Eintrag für diese Prozedur in der Liste der Ereignissequenzen erstellt. Durch die Verkettung entsteht im Laufe der Zeit eine immer höhere Komplexität und Weiterentwicklung von neuen Ereignisprozeduren, während die feine Granularität der ersten Prozeduren erhalten bleibt.
Wird keine solche verkettete Ereignisprozedur gefunden, muss eine neue Prozedur erhoben werden. Diese muss natürlich erst noch manuell oder durch die alte adaptive Steuerung vorexerziert werden, d.h. sowohl beim Autonomen Fahren wie auch beim Einsatz von Industrierobotern muss kurzzeitig die manuelle oder die alte maschinelle Steuerung übernommen werden. Diese ergänzt dann sinnvoll die Liste der vorhandenen Ereignisprozeduren. Die feine Granularität der alten Prozeduren bleibt erhalten, aber die Komplexität neuer konkatenierter Prozeduren steigt dagegen ständig vollautomatisch weiter. Das schnelle und korrekte Wiederauffinden von prozeduralem Ereigniswissen möchte ich für künftige Anwendungen sehr gern als „Intuitive Tacit Solution Finding - ITSF" bezeichnen. Intuitiv deshalb, weil die Lösungsfindung nicht durch Berechnung, sondern intuitiv durch die Suche im Speicher vorhandener sequenzieller Ereignisprozeduren erfolgt und Tacit deshalb, weil uns diese Suche unbewusst ist. Es geht hier nicht mehr nur um das auf die Eigenschaften von Objekten, Objektarten und Objektsituationen bezogene deklarative Objektwissen als das „Know That". Es geht um das schwer zu explizierende, meist völlig unbewusste prozedurale Ereigniswissen als das oft gesuchte „Know How" für ganz viele Arten technischer und organisatorischer Anwendungen.
Mit dieser Art der Verarbeitung von prozeduralem Ereigniswissen wird es uns möglich, intuitiv und unbewusst (tacit) prozedurale Ereignisse zu erheben, wieder aufzufinden und in der Verarbeitung einer Steuerung einzusetzen, ohne dass wir diese Ereignisse kompliziert explizit beschreiben müssen. Durch den Aufruf einer erkannten Ist-Objektsituation und einer geforderten Soll-Objektsituation können wir aus der Einrichtung ein definiertes prozedurales Ereignis bestimmter Granularität zurückerhalten, das in der Vergangenheit bereits als Verbindung dieser beiden Objektsituationen möglichst erfolgreich und in der geforderten Zeit durchgeführt wurde. Innerhalb der bekannten Welt dieser Steuerungseinrichtung werden somit auch Voraussagen über den Erfolg, die Zeitdauer und den Energieaufwand einer einzusetzenden Prozedur in der Zukunft möglich.
Diese können mit der verfügbaren Sicherheitszeitspanne, bis eine Aktion notwendig ist und dem verfügbaren Energievorrat einer technischen Einrichtung verglichen werden. Genau das fehlt im Detail bisher noch allen heute bekannten adaptiven Steuerungseinrichtungen. Ebenso kann natürlich auch ein Einsatz in ganz neuen Knowledge Management Systemen eines Unternehmens erfolgen, bei denen es z.B. um die korrekte Speicherung und Wiederauffindung von organisationalem prozeduralen Ereigniswissen als „Know How" geht. Der Vorteil liegt eindeutig in der nicht mehr notwendigen Explikation von prozeduralem Ereigniswissen (tacit) und der extrem kurzen Reaktionszeit durch die neue intuitive Wiederauffindung, die langwierige Berechnungen einer neuen Prozedur unnötig macht. Statt der Ereignissequenzen können natürlich auch vielfältige Algorithmen für die Weiterverarbeitung in modernen Computereinrichtungen erhoben, gespeichert und konkateniert werden. Der Vorteil liegt weiterhin eindeutig darin, dass jede beliebige verschiedene Programmier- oder Beschreibungssprache für die Prozeduren oder für die Algorithmen als Content der Ereignisprozedurliste verwendet werden kann. Sie muss natürlich in jeder separaten Einrichtung einheitlich sein.
Intuitiv Tacit Solution Finding (ITSF, siehe Fig. 16) ist somit eine neue Entwicklung, die bisher bekannte Steuerungen z.B. beim Autonomen Fahren in der Autoindustrie oder beim Einsatz von Industrierobotern in ganz vielen Industriezweigen sinnvoll ergänzt. Sie kann direkt auf bekannte Steuerungsprozesse aufgesetzt werden und erweitert diese im Laufe der Zeit besonders bei eher strategischen Entscheidungsfindungsprozessen, ohne dass der Mensch hier eingreifen muss. Durch die richtige Verbindung von lokalem Objektwissen und prozeduralem Ereigniswissen ermöglichen wir uns eine sehr flüssige Verarbeitung der wichtigsten beiden Wissensarten zur besseren Steuerung vielfältiger technischer Einrichtungen. Außerdem bedingt die intuitive und nichtexplizite Behandlung von prozeduralem Ereigniswissen einen hohen Geschwindigkeitsvorteil gegenüber all den bestehenden Verarbeitungen, wie bisherigen Berechnungen, Kalkulationen und den alten geradezu verzweifelten Explikationsversuchen dieser Wissensart.
Prozedurales Ereigniswissen ist die wichtigste für Steuerungen genutzte Wissensart, die bisher aber nicht ausreichend korrekt behandelt werden konnte. Durch ihre sinnvolle und richtige Verbindung mit dem bereits bekannten deklarativen Objektwissen erhalten wir erstmalig die Möglichkeit, beide korrekt zu erheben, zu verarbeiten und wieder aufzufinden. Insbesondere die neuentwickelte Verkettung von vielen bereits bekannten Ereignisprozeduren lässt uns hier auch ganz neue und strategische Lösungen für plötzlich auftretende Anforderungen oder blitzschnell zu lösende Probleme finden, die es bisher so noch nicht gab. Diese Verarbeitung kann deshalb auch zurecht als kreativ bei der Generierung neuer Lösungswege bezeichnet werden. Intuitives Wiederauffinden bedingt außerdem immer einen wesentlich geringeren Zeitaufwand als das komplizierte, ausführliche Berechnen und Kalkulieren einer erforderlichen Lösung. Die für uns verborgene (tacit) Behandlung von prozeduralem Ereigniswissen erspart außerdem dessen komplizierte Explikation. Mit dieser wesentlichen Ergänzung durch ITSF werden adaptive Steuerungseinrichtungen entscheidend intelligenter, schneller und effizienter.
Für die Verarbeitung von prozeduralem Ereigniswissen müssen mindestens die folgenden Informationen als Wissensbausteine aufgezeichnet, gespeichert und verknüpft werden. Erst dann wird eine vollautomatisierte Behandlung der beiden wichtigsten Wissensarten und ein schnelles Wiederauffinden möglich.
Liste prozeduraler Ereignissequenzen in einem Zeitabschnitt
Liste normalisierter lokaler Objektsituationen in einem Raumabschnitt
Liste der bisher zugeordneten Objektarten (Normalisierung von Objektarten)
Die Suche nach den beteiligten Objektarten erfolgt über den Object Kind Content. Die Verknüpfung der beteiligten Objektarten mit den Objektsituationen erfolgt durch die Object Kind IDs. Die Suche nach der richtigen Objektsituation erfolgt zuerst über die beteiligten Object Kind IDs und dann über den Object Situation Content. Von dort aus wird die richtige Event Sequence mit Hilfe der Start und der Target Object Situation IDs aufgerufen. Die bisher eingesetzte alte adaptive Steuerung läuft im Hintergrund mit und nimmt ggfs. Feinkorrekturen vor. Während die alte Steuerung im Takt von 1 - 12 Millisekunden Lösungen generiert, genügt es für die eher strategischen oder ganz neuen Entscheidungen von ITSF, einmal pro Zehntelsekunde eine Entscheidung für eine oder mehrere Ereignissequenzen zu treffen, die dann mit einer bestimmten Dauer laufen. Diese aufgerufenen bekannten Ereignissequenzen entlasten damit wiederum die alte adaptive Steuerung wesentlich. Die dabei verfügbare Sicherheitsspanne zur Lösungsfindung ist hier ein Beispiel und immer abhängig vom Zweck des Einsatzes von ITSF. Im Ruheoder Schlafzustand von ITSF werden alle möglichen noch fehlenden Konkatenationen von prozeduralen Ereignissequenzen erzeugt und in der Liste prozeduraler Ereignissequenzen nachgetragen.
Einsatzmöglichkeiten ergeben sich auf allen Feldern, wo bereits adaptive Steuerungen im Einsatz sind wie Industrieroboter, Autonomes Fahren oder Robotic Process Automation für Computereinrichtungen. Der Fachmann erkennt hieraus zudem, dass zumindest ein Mittel vorgesehen ist, das dazu eingerichtet ist, zumindest ein Ereignis der ermittelten Ereignissequenz auszuführen.
Im Folgenden soll ein Industrieroboter als mögliches Anwendungsbeispiel beschrieben werden. Definiert sind Industrieroboter „als universell einsetzbare (flexible) Bewegungsautomaten mit mehreren Achsen, deren Bewegungen hinsichtlich Bewegungsfolge und Wegen bzw. Winkeln frei programmierbar sind.“ Bei älteren Industrierobotern wird eine fixe Programmierung ohne jede Sensorik eingesetzt. Für adaptive Steuerungen ist es dagegen wichtig, dass neben dem programmierbaren Manipulator auch eine gute Sensorik und lernfähige Steuerung zur Ermittlung der aktuellen Ist-Objektsituation(a) und der Überprüfung des Handlungsergebnisses in einer neuen Soll-Objektsituation(z) zum Einsatz kommt.
Bisher wurde diese Lernfähigkeit nur auf der Ebene der erhobenen Positionsdaten hergestellt. Immer komplexere Aufgaben im Produktionsprozess erfordern heute, dass hier auf einer höheren Ebene der Abstraktion und Verarbeitung statt den einfachen Positions- und Bewegungsdaten ganz neue prozedurale Wissensbausteine erhoben, verarbeitet und dann auch praktisch eingesetzt werden. Der wichtigste Unterschied liegt in der Semantik der Prozeduren, die nicht mehr expliziert werden müssen sowie in der Komplexität der Verarbeitung von ITSF.
Bei der Programmierung von Industrierobotern unterscheiden wir die Online- und die Offline- Programmierung. Während die Offline-Programmierung unabhängig vom realen Roboter in einer passenden Entwicklungsumgebung stattfindet, ist die Online-Programmierung direkt mit der realen Roboterumgebung verbunden. ITSF, insbesondere eine ITSF-Ereignissequenzliste, lässt sich ganz besonders gut bei der Online-Programmierung einer adaptiven Robotereinrichtung einsetzen. Dabei gibt es die 3 Varianten bei der Online-Programmierung: Teach-In, Master-Slave und Play-Back. Allen 3 Varianten ist gemeinsam, dass die Programmierung durch Vorexerzieren der gewünschten Bewegungen und Manipulationen erfolgt. Damit kann parallel zur adaptiven Steuerung mit einer passenden Sensorik auch die Ereignisprozedurliste von ITSF initial befüllt werden. Diese erweitert sich dann im Laufe des Einsatzes dieses lernfähigen Industrieroboters völlig selbständig. Außerdem steigt die Komplexität neuer Ereignissequenzen in dieser Liste durch die Konkatenation vorhandener Ereignisprozeduren mit der zeit vollautomatisch. In einer bevorzugten Ausgestaltung der Erfindung wird. Wird diese nicht lokal, sondern in der Cloud gespeichert, stehen allen den beteiligten Automaten extrem umfangreiche Informationen des gesamten in ITSF eingebundenen Systems zur Verfügung. Je nach Standardisierungsgrad können dann alle Steuerungen eines Typs, eines Herstellers oder einer Branche auf diese Datenbank des prozeduralen Ereigniswissens zugreifen. Es entsteht so eine Suchmaschine des prozeduralen Ereigniswissens.
Intuitive Tacit Solution Finding lässt sich als zusätzliche Funktion in jede adaptive Steuerung von bspw. Industrierobotern integrieren und nachträglich implementieren. Es übernimmt durch die ständig laufende Konkatenation bereits vorhandener Ereignissequenzen dabei im Laufe der zeit immer komplexere, später eher strategische oder auch ganz neue kreative Funktionen bei der Lösungsfindung für aktuelle und mitunter völlig neue Aufgaben. Während die alte adaptive Steuerung im Bereich von 1 - 12 Millisekunden läuft, genügt es für ITSF ca. einmal pro zehntel Sekunde eine Entscheidung zu treffen. Der gewählte Prozess läuft dann erst einmal für die gesamte bekannte Dauer der betreffenden Ereignissequenz. ITSF entlastet somit ganz besonders die alte adaptive Steuerungseinrichtung mit der Zeit immer stärker. Die adaptive Steuerung läuft natürlich immer noch weiter im Hintergrund mit und wird für völlig neue und unbekannte Abläufe zum einmaligen Vorexerzieren ganz neuer Prozeduren oder ggfs. auch für wichtige Feinkorrekturen während der gesamten Arbeit und Laufzeit von ITSF- Ereignisprozeduren genutzt.
Als ein weiteres Anwendungsbeispiel soll autonomes Fahren beschrieben werden. Autonomes Fahren im Straßenverkehr untergliedert sich nach den Vorgaben von SAE (Society of Automotive Engineers) und denen des Marktführers Bosch in 5 verschiedene Level der Automatisierung dieses Autonomen Fahrprozesses: SAE-Ll Fahrerassistenzsysteme, SAE-L2 Teilautomatisiertes Fahren, SAE-L3 Bedingt automatisiertes Fahren, SAE-L4 Hochautomatisiertes Fahren, SAE-L5 Vollautomatisiertes Fahren. All diese 5 Level benötigen neben dem Einsatz einer umfangreichen Sensorik im Fahrprozess (z.B. Multifunktionskameras und Radar), eine sehr schnelle adaptive Steuerung, welche die notwendige richtige Ereignissequenz als Verbindung der aktuellen Objektsituation(a) mit der erforderlichen Ziel- Objektsituation (z) ermittelt. Der Unterschied liegt im Umfang der Ereignisprozeduren, die zwischen den beiden neuen Objektsituationen liegen. Für den reibungslosen automatischen Ablauf dieser adaptiven Steuerung benötigt es deshalb die drei Handlungskomponenten Sense, Think, Act. „Die heutigen Assistenz- und teilautomatisierten Systeme unterstützen den Fahrer, aber sie ersetzen ihn nicht. Dazu gehören beispielsweise der Stop&Go Pilot oder der Aktive Spurwechsel-Assistent. Autonome Systeme gehen dagegen in zukünftigen Autos einen Schritt weiter: Der Fahrer wird künftig zum reinen Passagier. Der Unterschied zwischen automatisiertem und Autonomem Fahren ist auch juristisch von Bedeutung." Durch einen Einsatz von ITSF Prozeduren in der Cloud und ihrer Nutzung für alle Verkehrsteilnehmer kann hier ein riesiges neues Feld erschlossen werden.
Beim Autonomen Fahren findet eine Online-Programmierung von ITSF, bzw. die Erhebung der ITSF- Ereignissequenzliste, durch die manuelle oder durch die adaptive Steuerung des Fahrzeugs statt, d.h. es werden Ereignissequenzen erhoben, verarbeitet und gespeichert, die in der Vergangenheit bereits schon erfolgreich im Autonomen Fahrprozess eingesetzt wurden. Diese können auf allen 5 Leveln des Autonomen Fahrens zu immer komplexeren Ereignissequenzen konkateniert werden und entwickeln sich so vollautomatisch weiter. Daraus entsteht dann ein höheres Level des Autonomen Fahrens. Über die Cloud stehen diese Informationen allen Verkehrsteilnehmern vollumfänglich zur Verfügung und es findet eine riesige Sammlung von wichtigen Wissensbausteinen über alle Verkehrsteilnehmer statt.
Im Gegensatz zur Berechnung und Kalkulation der notwendigen Ereignisprozeduren durch die adaptive Steuerung ermittelt ITSF die nächste Ereignissequenz durch intuitive Suche in der aus der vergangenen Arbeit der alten Steuerung entstandenen prozeduralen Ereignisliste. Neben der ständig steigenden Entlastung der adaptiven Steuerung werden hier immer komplexere Ereignissequenzen angelegt und ermöglichen durch ihre Konkatenation im Laufe der Zeit eher strategische oder auch ganz neue und kreative Lösungen für plötzlich auftretende Probleme. Eventuelle Redundanzen müssen eliminiert werden. Die Komplexität steigt ständig und muss von Anfang an unbedingt mit geodätischen Daten zum Autonomen Fahren verknüpft werden. Am Schluss genügt es, den Start- und den Ziel-Punkt einer bereits bekannten Fahrt einzugeben und es wird eine weitestgehende Autonome Fahrt zur Ziel-Objektsituation vorgenommen. Durch die Cloud ergeben sich hier riesige Möglichkeiten für alle Verkehrsteilnehmer. Als ein weiteres Anwendungsbeispiel soll hier die Robotic Process Automation beschrieben werden. Von der Übernahme monotoner Dateneingaben bis hin zur automatisierten Beantwortung von Kundendienstanfragen wird Robotic Process Automation (RPA) es den Mitarbeitern z.B. im Finanzbereich ermöglichen, viel Zeit für sich wiederholende, arbeitsintensive Aufgaben einzusparen und die Wertsteigerung innerhalb der Banken im industriellen Maßstab zu ermöglichen. RPA hat den Bankensektor revolutioniert, indem es den Banken ermöglicht hat, Back-End-Aufgaben genauer, schneller und effizienter zu erledigen, ohne die bestehenden Betriebssysteme und Prozesse vollständig zu überholen. Auch hier können alle RPA-Teilnehmer durch die Cloud verbunden werden.
Im einfachsten Fall ist die Objektsituation(a) der nach dem Start verfügbare Schreibtisch eines Desktop- PC's. Die Ereignissequenzen werden durch die Mensch-Maschine-Schnittstellen mit Maus und Tastatur erzeugt. RPA zeichnet diese auf und prüft die entstandene Objektsituation durch Vergleich mit der bekannten Soll-Objektsituation(z) am Ende der RPA-Prozedur. Mit ITSF können diese dann in einer ITSF- Ereignissequenzliste konkateniert und somit größeren Automatisierungsprozeduren zugeführt werden. ITSF lässt sich dabei einfach und unaufdringlich auf der gleichen PC-Umgebung installieren, ohne dass alte Anwendungen ausgetauscht werden müssten. ITSF lernt aus den gespeicherten Abläufen von RPA und bildet ständig neue größere Prozessketten. Am Ende genügt der Aufruf einer Ziel- oder Soll- Objektsituation, um eine Prozesskette vollautomatisch ablaufen zu lassen. Die Sensorik liegt hier in der Prüfung des Erreichungsgrades der Ziel- oder Soll-Objektsituation. Ohne diese Prüfung ist RPA blind und muss manuell kontrolliert werden. Diese Prozessketten können in der Cloud für alle Teilnehmer eines Unternehmens gespeichert werden.
Die ITSF kann für die Robotiv Process Automation genutzt werden. Im Gegensatz zu anderen herkömmlichen IT-Lösungen können Unternehmen mit RPA zu einem Bruchteil der zuvor anfallenden Kosten und Zeit automatisieren. RPA ist auch nicht aufdringlich und nutzt die vorhandene Infrastruktur, ohne die zugrunde liegenden Systeme zu stören, deren Austausch schwierig und kostspielig wäre. Mit RPA sind Kosteneffizienz und Compliance keine Betriebskosten mehr, sondern ein Nebenprodukt der Automatisierung."
Wird RPA um ITSF ergänzt, können aus einer Vielzahl von RPA-Prozeduren neue und immer komplexere Lösungen vollautomatisch geschaffen werden. ITSF benötigt hierbei keine andere Umgebung, sondern kann problemlos zusätzlich auf der PC-Umgebung ablaufen. Neben dem PC-Einsatz sind hier künftig auch Einsätze in der Cloud, auf Smartphones und Tabletts vorgesehen. RPA automatisiert Abläufe am PC. ITSF ermöglicht immer komplexer werdende Prozessabläufe auf allen Endgeräten für alle Nutzer eines Unternehmens. Die aktuelle Start- oder Ist-Objektsituation(a) wird automatisch analysiert. Es muss innerhalb der bekannten Welt der Steuerung nur noch die gewünschte Ziel- oder Soll-Objektsituation(z) angefordert werden. Als Ergebnis wird die verbindente und mitunter sehr komplexe ITSF- Ereignisprozedur aufgerufen und durchgeführt. Am Schluss erfolgt ein Vergleich der erreichten Soll- Objektsituation mit dem gewünschten Ergebnis und die Speicherung von Erfolgsgrad, Zeitdauer und Energieaufwand für den nächsten Aufruf dieser Ereignisprozedur am besten in einer unternehmenseigenen Cloud. Durch die Konkatenation von Prozeduren steigt der Automatisierungsgrad ständig und vollautomatisch immer weiter.
Gemäß einer Weiterbildung umfasst ein Schritt des erfindungsgemäßen Verfahrens, insbesondere des Steuerverfahrens das Auswählen einer Ereignissequenz aus einer Menge an geeigneten Ereignissequenzen auf Basis mindestens eines quantitativen Eignungskriteriums. Dabei kann in einem zusätzlichen Teilschritt eine (Teil-)Ereignissequenz vorteilhaft mit einem quantitativen Eignungskriterium verknüpft werden, während eine weitere (Teil-)Ereignissequenz mit demselben oder einem weiteren quantitativen Eignungskriterium verknüpft werden kann. Besonders bevorzugt sind (Teil-)Ereignissequenzen, die in der Vergangenheit bereits geeignet waren, um eine identische oder zumindest ähnliche Start-Objektsituation in eine Ziel-Objektsituation zu überführen, in einem Speicher, insbesondere einem ersten Speicher, bspw. in einer (Erfolgs-)Datenbank hinterlegt. Somit kann bei der Konkatenation an (Teil-)Ereignissequenzen zum Ermitteln einer geeigneten Ereignissequenz vorteilhaft auf (Teil-)Ereignissequenzen, insbesondere auf Teilereignissequenzen zurückgegriffen werden, die bereits geeignet waren, um eine identische oder ähnliche Start-Objektsituation in eine identische oder ähnliche Ziel-Objektsituation zu überführen. Dabei können die quantitativen Eignungskriterien unterschiedlich gewichtet sein. Vorteilhaft können hierdurch - in Abhängigkeit des gewünschten zu optimierenden Eignungskriteriums - optimierte, insbesondere zeit-, energie-, aufwands- und/oder erfolgsoptimierte (Teil-)Ereignissequenzen ausgewählt werden.
In einer Weiterbildung wird als quantitatives Eignungskriterium ein Aufwands- und/oder Kostenindikator verwendet. Vorteilhaft kann hierdurch ein Prozess bzw. eine (Teil-)Ereignissequenz hinsichtlich des einzusetzenden Aufwands optimiert werden.
In einer weiteren Ausführungsform wird als quantitatives Eignungskriterium der Energieaufwand genutzt. Somit kann das Steuerverfahren bzw. die Steuerung vorteilhaft dahingehend optimiert werden, so dass diese möglichst energieeffizient durchgeführt werden kann. Dies ist insbesondere für Prozesse relevant, die sich durch das Auftreten einer sog. Peakleistung (eine innerhalb eines Prozesses maximal benötigte Leistung) gekennzeichnet sind, da somit eine (Teil-)Ereignissequenz ermittelt werden kann, bei der die Peakleistung reduziert ist und/oder eine gleichmäßige Verteilung der Leistung eingestellt werden kann.
In einer Weiterbildung wird ein Erfolgsindikator als ein quantitatives Eignungskriterium genutzt.
In einer bevorzugten Ausführungsform werden die ermittelten Sensordaten vor deren Nutzung zum Ermitteln der Start-Objektsituation normalisiert. Ein wesentliches Ziel der Normalisierung ist die Beseitigung von redundanten Informationen. So existieren nach der Normalisierung vorteilhaft keine Datendopplungen mehr und jede Information ist nur an einer Stelle der Datenbank abgelegt. Durch die Beseitigung der Doppelungen erhöht sich die Konsistenz der Datenbank.
In einer weiteren Ausführungsform umfasst das Verfahren einen Schritt zum Speichern der ermittelten Ereignissequenz. Dadurch können ermittelte Ereignissequenzen in einer Datenbank gepoolt werden. Je mehr ermittelte Ereignissequenzen in dem Pool sind, umso einfacher ist es für die Überführung einer (neuen) Start-Objektsituation in eine (neue) Ziel-Objektsituation, da bereits eine geeignete Ereignissequenz gefunden werden kann, die entweder identisch ist oder ähnlich einer optimalen neuen (Teil-)Ereignissequenz ist. Hierdurch kann der Rechenaufwand minimiert werden, wodurch das Verfahren effizienter ablaufen kann.
In einer bevorzugten Ausführungsform umfasst das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren einen Schritt zum Abbrechen der Ermittlung einer Ereignissequenz, wenn keine passende Ereignissequenz zum Erreichen des Ziels/ zum Erreichen der Ziel-Objektsituation ermittelt werden kann und/oder wenn die Steuerung den Schritt zum Ermitteln einer Ereignissequenz nicht durchführen kann. Die Steuerung kann den Schritt zum Ermitteln einer Ereignissequenz bspw. dann nicht durchführen, wenn keine identische oder ähnliche (Teil-)Ereignissequenz vorliegt oder zumindest zwei (Teil-)Ereignissequenzen hinsichtlich der Berücksichtigung und Gewichtung mindestens eines quantitativen Eignungskriteriums vorliegen, der die geeignet sind, eine Objektsituation in eine (Zwischen-)Ziel-Objektsituation zu überführen. Dies hat bspw. den Vorteil, dass das Verfahren nicht im Schritt des iterativen Suchens „gefangen" bleibt und/oder ein Schritt des Signalgebens einem Nutzer oder einem anderen Verfahren bzw. System zum Steuern anzeigt, dass es eines externen Eingriffes bedarf. ln einer Weiterbildung wird der Schritt des Abbrechens nach einem Verstreichen einer vordefinierten Zeitspanne, die vom Fachmann frei gewählt werden kann, automatisch abgebrochen. Vorteilhaft wird so verhindert, dass die Stillstands- oder Leerlaufzeit nicht zu lang ist. Um dennoch eine Start- Objektsituation in eine Ziel-Objektsituation zu überführen, kann mit dem Abbruch eine Ereignissequenz gewählt werden, die zumindest ähnlich zu einer gesuchten optimalen Ereignissequenz ist. Somit kann vorteilhaft erreicht werden, dass keine zu lange Stillstands- oder Leerlaufzeit eintritt.
Eine Weiterbildung umfasst einen Schritt des Hinzufügens einer durch die Steuerung neu ermittelten (Teil-)Ereignissequenz zur Menge der bekannten (Teil-)Ereignissequenzen, insbesondere in einem Speicher. Hierdurch wird der oben genannte Speicher (Pool) an verfügbaren (Teil-)Ereignissequenzen, insbesondere in einer Erfolgsdatenbank erweitert, wodurch vorteilhaft eine höhere Wahrscheinlichkeit gegeben ist, dass eine passende (Teil-)Ereignissequenz gefunden wird, die eine Start-Objektsituation in eine Ziel-Objektsituation überführt.
In einer Weiterbildung umfasst das Verfahren ferner einen Schritt des automatischen Ergänzens der bekannten Ereignissequenzen um mögliche weitere Ereignissequenzen, während das Verfahren nicht zum Erreichen einer Ziel-Objektsituation genutzt wird.
Weiterhin umfasst die Erfindung ein System zum Ansteuern eines Aktors zum Überführen einer Start- Objektsituation in eine Ziel-Objektsituation mittels einer Steuerung, insbesondere zum Überführen des Aktors von einer Start-Objektsituation in eine Ziel-Objektsituation mittels einer Steuerung, bevorzugt einer adaptiven Steuerung, umfassend: a) Eingangsmittel zum Empfangen (SOI) einer Start-Objektsituation von einem Sensor, b) Eingangsmittel zum Empfangen (S02) einer Ziel-Objektsituation, c) Rechenmittel zum Ermitteln (S03) einer Ereignissequenz, die geeignet ist, um die Start- Objektsituation in die Ziel-Objektsituation aus einer Menge von bekannten (Teil-)Ereignissequenzen zu überführen, durch
Iteratives Suchen (S03a), vorzugsweise in einer Datenbank, von bekannten (Teil-)Ereignissequenzen umfassend die Start- und/oder Ziel-Objektsituation und/oder Objektsituationen aus Teil-Ereignissequenzen vorhergehender Iterationsschritte, Auswählen (S03bl) mindestens einer Ereignissequenz zum Überführen der Start- Objektsituation in die Ziel-Objektsituation oder Bilden (S03b2) einer optimierten Ereignissequenz zum Überführen der Start-Objektsituation in die Ziel-Objektsituation auf Basis der im Teilschritt der iterativen Suche gefundenen (Teil-)Ereignissequenzen und deren Konkatenationen, d) Ausgabemittel zum Ausgeben eines Steuersignals zum Ansteuern (S04) eines Aktors basierend auf der ermittelten Ereignissequenz durch die Steuerung.
In einer Weiterbildung umfasst das System ein Mittel zum Erfassen bekannter Ereignissequenzen und/oder bekannter Objektsituationen und/oder Zuordnungen zwischen diesen.
In einer alternativen Ausführungsform umfasst das System ein Mittel zum Speichern mindestens eines Erfolgsindikators und/oder mindestens eines Zeitdauerindikators und/oder eines Aufwandsindikators und/oder mindestens eines Kostenindikators und/oder mindestens eines relevanten Zeitpunkts für Ereignissequenzen.
Gemäß einer Weiterbildung umfasst das System zum Ansteuern eines Aktors ferner ein Mittel zum Überwachen eines laufenden oder eines sich wiederholenden Prozesses bzw. einer (Teil-)Ereignissequenz. Hierdurch können trotz des (ursprünglich) erfolgreichen Ermittelns einer (Teil-)Ereignissequenzen, die (grundsätzlich) geeignet ist/war, um eine sich wiederholende Start- Objektsituation in die Ziel-Objektsituation zu überführen, und diese (Teil-)Ereignissequenz somit (bspw. mehrfach hintereinandergeschaltet) wiederholt durchgeführt wird, spontane Änderungen innerhalb eines laufenden Prozesses ermittelt werden und somit das Steuerverfahren angepasst werden kann. Dies hat den Vorteil, dass das Auftreten von Fehlern, die durch eine (leicht) veränderte Start- Objektsituation auftreten können, vorgebeugt werden kann und auf das externe Eingreifen, bspw. durch einen Nutzer oder ein anderes Verfahren verzichtet werden kann. Wird beispielsweise eine solche spontane Änderungen innerhalb eines laufenden Prozesses ermittelt, so kann ein System zum Ansteuern eines Aktors in einem Schritt des Bewertens dieser Änderung entscheiden, ob das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren erneut durchlaufen wird, um eine neue bzw. angepasste Ereignissequenz zu ermitteln, die geeignet ist, um die veränderte Start-Objektsituation in die gewünschte Ziel-Objektsituation zu überführen.
In einer bevorzugten Ausführungsform umfasst die Erfindung ein Computerprogrammprodukt, welches Befehle umfasst, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das Ermitteln einer Ereignissequenz zum Überführen einer Start-Objektsituation in eine Ziel-Objektsituation umzusetzen. Dabei kann das Computerprogrammprodukt eine iterative Suche durchführen und/oder eine Ereignissequenz auswählen und/oder eine (Teil-)Ereignissequenz zu Konkatenationen zusammenfügen. Ein Computerprogrammprodukt ermöglicht vorteilhaft eine schnelle Realisierung dieser Schritte, vorzugsweise im Bereich von Millisekunden bis Sekunden. Weiterhin vorteilhaft kann das Computerprogrammprodukt schnell an unterschiedliche Gegebenheiten (unterschiedliche Start-/ Ziel- Objektsituationen) angepasst werden. Bevorzugt wird das Computerprogrammprodukt auf einem computerlesbaren Medium gespeichert, welches weiterhin bevorzugt entweder von einem Computer umfasst ist und/oder zwischen Computern ausgetauscht werden kann.
Die Erfindung betrifft weiterhin eine adaptive Steuerung, welche einen oben beschriebenen Computer umfasst.
In einer Weiterbildung umfasst ein Computerprogrammprodukt Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, Ergebnisse eines Computerprogramms menschenlesbar darzustellen, bzw. die Ergebnisse in ein anderes (Daten-)Format zu überführen, das von einem weiteren Computerprogrammprodukt menschenlesbar dargestellt werden kann und/oder das Computerprogrammprodukt entsprechend einem der vier vorhergehenden Ansprüche zur Umsetzung des Verfahrens zu veranlassen.
Weiterhin betrifft die Erfindung zumindest ein Industrierobotersystem, welches ein oben definiertes Steuerungssystem, einen Sensor zum Ermitteln einer Start-Objektsituation und einen Aktor zum Überführen einer Start-Objektsituation in eine Ziel-Objektsituation umfasst.
Zudem betrifft die Erfindung ein Fahrzeugführungssystem, welches bevorzugt an ein Kraftfahrzeug angepasst ist, insbesondere ein Fahrerassistenzsystem oder System zum teilautomatisierten oder autonomen Fahren, umfassend ein oben beschriebenes Steuerungssystem, einen Sensor zum Ermitteln einer Start-Objektsituation und einen Aktor zum Überführen einer Start-Objektsituation in eine Ziel- Objektsituation.
Weiterhin ist von der Erfindung ein Verkehrssteuerungssystem umfasst, welches dazu geeignet ist das erfindungsgemäße Steuerverfahren umzusetzen, wobei das Verkehrssteuerungssystem umfasst: eine Vielzahl an Kraftfahrzeugen, sowie je Kraftfahrzeug: o eine erste Kommunikationsschnittstelle, insbesondere Drahtlosschnittstelle, welche dazu eingerichtet ist, mit anderen Kraftfahrzeugen in einer ersten unmittelbaren Umgebung des Kraftfahrzeugs zu kommunizieren, o eine zweite Kommunikationsschnittstelle, insbesondere Drahtlosschnittstelle, insbesondere mittels einer Mobilfunkverbindung, insbesondere 5G, zur Kommunikation aller Fahrzeuge mit einem Server.
Weiterhin umfasst die Erfindung eine Vorrichtung zur robotergesteuerten Prozessoptimierung, umfassend: eine Mensch-Maschine-Schnittstelle, bevorzugt eine Desktop-Umgebung, bevorzugt eine Desktop-Umgebung eines Arbeitsplatz-PCs umfassend Maus und/oder Tastatur, einen Sensor oder eine Sensorik, welche dazu eingerichtet ist, eine Objektsituation der Mensch- Maschine-Schnittstelle aufzunehmen, eine Vergleichseinheit, welche dazu eingerichtet ist, mindestens zwei Objektsituationen zu vergleichen, einen Speicher und eine CPU, welche dazu eingerichtet sind, das erfindungsgemäße Steuerverfahren auszuführen, wobei der Speicher insbesondere auch in einer Cloud bereitgestellt werden kann und eine für die genannten Verfahren eingerichtete Datenbank umfasst, wobei ein Roboter über eine Datenschnittstelle, insbesondere drahtlose Datenschnittstelle, insbesondere mittels einer Mobilfunkverbindung, insbesondere 5G, mit der Cloud kommunizieren kann. Die Kommunikation über eine Mobilfunkverbindung, bzw. einen Funkstandard wie bspw. WLAN, Bluetooth erlaubt vorteilhaft ein Übertragen von Daten, insbesondere Ereignissequenzen, ohne dass eine Kabelverbindung notwendig ist.
Zudem betrifft die Erfindung auch ein Verfahren zur robotergesteuerten Prozessoptimierung, welches das oben beschriebene Steuerverfahren sowie ein oben beschriebenes System umfasst, wobei insbesondere die Start- und Ziel-Objektsituationen virtuelle Situationen bezeichnen können, wobei ein System bereitgestellt ist, mindestens umfassend eine Mensch-Maschine-Schnittstelle, insbesondere eine Desktop-Umgebung, insbesondere eine Desktop-Umgebung eines Arbeitsplatz-PCs umfassend Maus und/oder Tastatur, eine Sensorik, welche dazu eingerichtet ist, eine Objektsituation aus der Mensch-Maschine- Schnittstelle aufzunehmen, einen Speicher und eine CPU für die Verarbeitung, und wobei das Verfahren ferner mindestens einen Schritt eines Vergleichens umfasst, bei dem zwei notwendige Objektsituationen miteinander verglichen werden. wobei das Verfahren ferner mindestens einen Schritt eines Vergleichens umfasst, bei dem zwei notwendige Objektsituationen miteinander verglichen werden.
Weiter betrifft die Erfindung ein Verfahren zur Normalisierung von Objektarten zur Unterstützung des oben definierten Steuerverfahrens sowie eines oben definierten Systems, insbesondere unter Erhebung und/oder Nutzung deklarativen Objektwissens, ferner umfassend die folgenden Schritte:
Einleiten einer räumlichen Betrachtung,
Feststellen eines Zwecks der räumlichen Betrachtung in Form mindestens einer Zweckangabe der räumlichen Betrachtung,
Erfassen mindestens eines konkreten Objektes in einem Raumabschnitt,
Zuordnen eines konkreten Objektes zu einer Objektart, insbesondere einer allgemeineren Objektart, in Abhängigkeit von mindestens einer Zweckangabe der räumlichen Betrachtung, und
Speichern der Zuordnung des konkreten Objektes und der Objektart unter Nutzung einer Datenbank.
Weiterhin betrifft die Erfindung ein Verfahren zur Normalisierung von Objektsituationen zur
Unterstützung des oben definierten Steuerverfahrens, eines oben definierten Systems und/oder unter Nutzung eines Verfahrens zur Normalisierung von Objektarten, insbesondere unter Erhebung und/oder Nutzung deklarativen Objektwissens, ferner umfassend die folgenden Schritte:
Einleiten (D01) einer räumlichen Betrachtung,
Feststellen (D02) eines Zwecks der räumlichen Betrachtung in Form mindestens einer Zweckangabe der räumlichen Betrachtung,
Erfassen (D03) mindestens eines konkreten Objektes in einem Raumabschnitt,
Zuordnen (D04) des konkreten Objektes zu einer Objektart, welcher das konkrete Objekt angehört, insbesondere Zuordnen durch Auslesen der Objektart aus einer Datenbank,
Erfassen (D05) einer ersten Information über eine Lage/Position, insbesondere relative Lage/Position, des mindestens eines konkreten Objektes im Raum, und
Ermitteln (D06) einer normalisierten Objektsituation für den Raumabschnitt unter Verwendung der Objektarten und der ersten Information.
Die Aufgabe wird im Spezifischen auch gelöst durch das Verfahren zur lernfähigen Steuerung eines Prozesses oder eines Steuerungssystems, hierin auch als Steuerverfahren bezeichnet. Demgemäß ist ein Verfahren zur lernfähigen Steuerung eines Prozesses, eines Systems oder eines Steuerungssystems, insbesondere zum Ansteuern eines Aktors zum Überführen des Aktors von einer Start-Objektsituation in eine Ziel-Objektsituation mittels einer Steuerung, bevorzugt einer adaptiven Steuerung bzw. zum automatisierten Auffinden der Lösung eines Problems oder einer Aufgabenstellung, insbesondere unter Erhebung und/oder Nutzung von prozeduralem Ereigniswissen, vorgesehen, umfassend:
Definieren (SOI) einer Aufgabenstellung, welche darin besteht, eine konkrete Start- Objektsituation mithilfe einer Ereignissequenz in eine konkrete geforderte Ziel- Objektsituation zu überführen (Da die Start-Objektsituation vorgegeben ist, entspricht dies der Definition der gewünschten Ziel-Objektsituation),
Lesen (S02) einer Datenbank ggfs. auf einem Server (des Unternehmens und/oder eines Dienstleisters) zwecks Suche einer passenden Lösung in Form einer Ereignissequenz, welche geeignet ist, die Aufgabenstellung zu lösen, wobei die Datenbank geeignet ist, mindestens folgende Größen einander zuzuordnen: ■ einen Bezeichner einer möglichen Start-Objektsituation,
■ Bezeichner der beteiligten Objektarten,
■ Bezeichner einer möglichen Ziel-Objektsituation,
■ Bezeichner der beteiligten Objektarten,
■ eine Information zu einer Ereignissequenz, wobei die Ereignissequenz dazu geeignet ist, die mögliche Start-Objektsituation in die mögliche Ziel- Objektsituation zu überführen,
Auswählen (S03a) einer Ereignissequenz als eine zur Aufgabenstellung passenden
Lösung in der Datenbank, wenn eine zur Aufgabenstellung passende Lösung gelesen
(S02) wurde, oder
Bilden (S03b) einer neuen Ereignissequenz, wenn eine zur Aufgabenstellung passende Lösung nicht gelesen wurde, als n-Konkatenation aus den vorhandenen
Ereignissequenzen, umfassend die folgenden Schritte:
■ Lesen (S03b-01) der Datenbank zwecks Suche mindestens einer ersten und einer n-ten Ereignissequenz, insbesondere Suche von Ereignissequenzen von einer ersten bis zu einer n-ten Ereignissequenz, wobei n eine natürliche Zahl bezeichnet und
* die erste Ereignissequenz dazu geeignet ist, die mögliche Start- Objektsituation in eine erste Intermediär-Objektsituation zu überführen, und
* für alle natürlichen Zahlen, für die gilt 1 < k < n, die k-te Ereignis- Sequenz dazu geeignet ist, eine (k-l)-te Intermediär-Objektsituation in eine k-te Intermediär-Objektsituation zu überführen, und
* die n-te Ereignis-Sequenz dazu geeignet ist, eine (n-l)-te Intermediär- Objektsituation in die mögliche Ziel-Objektsituation zu überführen,
■ ggfs. Ablegen einer neu entstandenen Ereignissequenz als n-Konkatenation in der Datenbank, wobei die neue konkatenierte Ereignissequenz dazu geeignet ist, die mögliche Start-Objektsituation in die mögliche Ziel-Objektsituation zu überführen, wobei die Ereignissequenzen zwischen zwei Objektsituationen dabei in jeder beliebigen Programmier- oder Beschreibungssprache initial erhoben und gespeichert werden können, insbesondere in einer beliebigen, aber immer einheitlichen Programmier- oder Beschreibungssprache.
Die Vorteile der erfindungsgemäßen Lösung ergeben sich aus obigen Ausführungen. Insbesondere wird ein Verfahren bereitgestellt, welches in dynamischer Weise aus einfacheren Bausteinen komplexe Prozeduren zur Lösung hochkomplexer Probleme bereitstellen kann. Durch die erfindungsgemäße Nutzung und Pflege der Datenbank ggfs. in der Cloud wird das prozedurale Ereigniswissen dabei immer umfangreicher. Die Steuerung lernt und wird mit zunehmender Komplexität immer effizienter.
Durch die bereitgestellte Abstraktion lässt sich die Erfindung in sämtlichen industriellen Anwendungsbereichen verwenden, beispielsweise bei Industrierobotern, dem autonomen oder teilautonomen Steuern von Fahrzeugen oder der robotergesteuerten Prozessautomatisierung. Allen Anwendungsgebieten des erfindungsgemäßen Verfahrens gemein ist aber, dass mindestens ein Mittel umfasst ist, das mindestens zur Umsetzung mindestens eines Ereignisses aus einer Ereigniskette gebracht werden kann.
Eine hohe Abstraktion wird auch seitens der Ereignissequenzen bereitgestellt. Diese können in beliebiger Programmier- oder Beschreibungssprache vorliegen. Hierdurch werden die bereitgestellte Kompatibilität und die Integration der Erfindung in bereits existierende Systeme abermals erhöht und unterstützt. Teilsequenzen können so bspw. in völlig unterschiedlichen Beschreibungen, u.a. auch beliebigen Programmier- und Beschreibungssprachen vorliegen, müssen aber beim jeweiligen Einsatzzweck in einer technischen Einrichtung immer einheitlich sein.
Es versteht sich, dass eine Start-Objektsituation hierin den Zustand (z.B. Lage/Position) eines Objektes oder Subjektes zu einem Start-Zeitpunkt in einem Raum oder Raumabschnitt beschreibt. Beispielsweise kann der Greifarm eines Roboters zum Start-Zeitpunkt eine bestimmte Position innehaben. Dahingegen beschreibt die Ziel-Objektsituation einen Zustand eines Objektes oder Subjektes zu einem End- Zeitpunkt. Beispielsweise führt ein Greifarm eines Roboters von der Start-Objektsituation ausgehend eine Bewegung aus, bis die Ziel-Objektsituation erreicht ist.
Der Fachmann versteht unter einem Sensor ein technisches Bauteil, das bestimmte physikalische oder chemische Eigenschaften (physikalisch z. B. Wärmemenge, Temperatur, Feuchtigkeit, Druck, Schallfeldgrößen, Helligkeit, Beschleunigung oder chemisch z. B. pH-Wert, lonenstärke, elektrochemisches Potential) und/oder die stoffliche Beschaffenheit seiner Umgebung qualitativ oder als Messgröße quantitativ erfassen kann. Diese Größen werden mittels physikalischer, chemischer oder biologischer Effekte erfasst und in ein weiterverarbeitbares elektrisches Signal (Daten) umgeformt.
Unter einer Iteration (lat. Wiederholung) versteht man allgemein die mehrfache Ausführung einer oder mehrerer Anweisungen. Die Iteration realisiert man durch Schleifen. Mittels einer Abbruchbedingung wird die Schleife beendet. Im mathematischen Sinn beschreibt eine Iteration ein Verfahren zur schrittweisen Annäherung an die Lösung einer Gleichung unter Anwendung eines sich wiederholenden Rechengangs. Eine iterative Suche funktioniert wie die Tiefensuche, vermeidet jedoch durch Begrenzung der Suchtiefe deren Nachteile bezüglich Vollständigkeit. Bei der iterativen Suche wird iterativ eine beschränkte Tiefensuche durchgeführt, und dabei das Level, bis zu welchem die beschränkte Tiefensuche den Graphen erkundet, bei jeder Iteration um eins erhöht.
Bei einem Eingangsmittel handelt es sich um ein Mittel zur Übertragung von Daten, wobei diese Daten direkt von einem Sensor, einer Datenübertragungsschnittstelle, einem Computer, oder aus einem Speicher stammen können. Ein Eingangsmittel kann ein stromführendes Element (bspw. eine elektrische Leitung), eine Funkverbindung etablierende Drahtlosschnittstelle (bspw. LTE, WLAN, Bluetooth, LoRaWAN), eine optoelektronische Übertragung (bspw. Laser), oder ein anderes Mittel umfassen, welches dazu geeignet ist Daten zu übertragen und/oder zu empfangen.
Ein erfindungsgemäßes Rechenmittel umfasst bevorzugt ein elektronisches Rechenhilfsmittel (z.B. einen Computer), welches dazu eingerichtet ist anhand einer Befehlsfolge eine Berechnung zu tätigen. Ein Rechenmittel dient erfindungsgemäß insbesondere dazu, eine Ereignissequenz entweder zu ermitteln oder eine (Teil-)Ereignissequenz sowie Konkatenationen aus (Teil-)Ereignissequenzen zu erzeugen.
Unter einer Cloud oder Cloud Computing wird hierin die internetbasierte Bereitstellung von Speicherplatz, Rechenleistung oder Anwendungssoftware als Dienstleistung verstanden. Die Nutzung dieser Infrastrukturen erfolgt vorwiegend über Programme (Computerprogrammprodukte) auf den zugreifenden Geräten (Clients) sowie über den Webbrowser.
Ein Server umfasst ein Programm, das auf die Kontaktaufnahme eines Clients wartet, um eine bestimmte informationstechnische Dienstleistung (Dienst) für den Client zu erfüllen. Die Dienstleistung des Servers ist spezifisch für den Server, so dass für jede Dienstleistung ein eigener Server existiert. Der Datenaustausch zwischen Client und Server ist durch ein dienstspezifisches Protokoll festgelegt. Die Aufgabe wird zudem gelöst durch das Verfahren, insbesondere Steuerverfahren zum Auswählen und Verketten von Prozeduren zum Bilden einer komplexeren Prozedur (Ereignissequenz). Demgemäß ist ein Verfahren, insbesondere Steuerverfahren zum Auswählen und Verketten von Prozeduren bzw. (Teil-) Ereignissequenzen zum Bilden einer komplexeren Prozedur vorgesehen, mindestens umfassend die folgenden Schritte:
Definieren (BOI) einer Aufgabenstellung, welche darin besteht, eine konkrete Start- Objektsituation in eine konkrete Ziel-Objektsituation zu überführen,
Iterieren (B02a) über mögliche Intermediär-Objektsituationen sowie Verkettungen von Intermediär-Objektsituationen, insbesondere rekursives Iterieren, sowie Lesen (B02b) einer Datenbank zwecks Suche passender Ereignisprozeduren, wobei eine Zahl n für jede mögliche Verkettung der Intermediär-Objektsituationen die Länge der jeweiligen Verkettung der Prozeduren bezeichnet und durch eine natürliche Zahl größer oder gleich 2 gegeben ist und die erste Ereignissequenz dazu geeignet ist, die mögliche Start-Objektsituation in eine erste Intermediär-Objektsituation zu überführen und für alle natürlichen Zahlen, für die gilt 1 < k < n, die k-te Ereignissequenz dazu geeignet ist, eine (k-l)-te Intermediär-Objektsituation in eine k-te Intermediär-Objektsituation zu überführen, und die n-te Ereignissequenz dazu geeignet ist, eine (n-l)-te Intermediär-Objektsituation in die mögliche Ziel-Objektsituation zu überführen, wobei eine jede Ereignisprozedur geeignet ist, entweder
0 die mögliche Start-Objektsituation in die erste Intermediär-Objektsituation zu überführen, oder
0 für ein k mit 1 < k < n, die (k-l)-te Intermediär-Objektsituation in die k-te Intermediär-Objektsituation zu überführen, oder
0 die (n-l)-te Intermediär-Objektsituation in die mögliche Ziel-Objektsituation zu überführen und wobei die Verkettung der Ereignisprozeduren im Ergebnis geeignet ist, die
Aufgabenstellung zu lösen, wobei die Datenbank geeignet ist, mindestens folgende Größen einander zuzuordnen: 0 einen ersten Bezeichner einer möglichen ersten Objektsituation,
0 einen zweiten Bezeichner einer möglichen zweiten Objektsituation,
0 eine Information zu einer Ereignissequenz, wobei die Ereignissequenz insbesondere dazu geeignet ist, die mögliche ersten Objektsituation in die mögliche zweiten Objektsituation zu überführen,
Errechnen (B03) mindestens eines quantitativen Eignungskriteriums der Verkettung der Prozeduren für eine jede durch die Iteration hervorgerufene Verkettung, Auswählen (B04) von einer oder mehreren Verkettungen auf Basis mindestens eines quantitativen Eignungskriteriums.
Die Vorteile der erfindungsgemäßen Lösung ergeben sich aus obigen Ausführungen. Insbesondere wird ein Verfahren bereitgestellt, welches in dynamischer Weise aus einfacheren Bausteinen komplexe Prozeduren zur Lösung komplexer Probleme ggfs. In der Cloud für mehrere Teilnehmer bereitstellen kann. Durch die erfindungsgemäße Nutzung, Aktualisierung und Pflege der Datenbank wird das prozedurale Ereigniswissen dabei immer umfangreicher. Die Steuerung lernt und wird zunehmend effizienter.
Durch die bereitgestellte Abstraktion prozeduralen Ereigniswissens lässt sich die Erfindung in sämtlichen industriellen Anwendungsbereichen verwenden, beispielsweise bei Industrierobotern, dem autonomen oder teilautonomen Steuern von Fahrzeugen oder der robotergesteuerten Prozessautomatisierung.
Eine hohe Abstraktion wird auch seitens der Ereignissequenzen bereitgestellt. Diese können in beliebiger Programmier- oder Beschreibungssprache vorliegen. Hierdurch werden die bereitgestellte Kompatibilität und die mögliche Integration der Erfindung in bereits existierende Systeme abermals erhöht und unterstützt. Teilsequenzen können so bspw. in völlig unterschiedlichen Beschreibungen, u.a. auch völlig unterschiedlichen Programmiersprachen vorliegen, müssen aber einheitlich sein.
Die Aufgabe wird zudem gelöst durch das Industrierobotersystem. Demgemäß ist ein Industrierobotersystem vorgesehen, welches dazu eingerichtet ist, das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren und/oder das Verfahren zum Auswählen und Verketten von Prozeduren zum Bilden einer komplexeren Prozedur auszuführen, wobei das Industrierobotersystem ferner umfasst: mindestens einen Industrieroboter, insbesondere zur Online-Programmierung geeigneten Industrieroboter, insbesondere zu Teach-In und/oder Master-Slave und/oder Play-Back geeigneten Industrieroboter, eine Robotersteuerung zur Steuerung des Industrieroboters, insbesondere adaptive Steuerung zur Steuerung des Industrieroboters, einen Speicher und eine CPU, welche dazu eingerichtet sind, dass das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren und/oder das Verfahren zum Auswählen und Verketten von Prozeduren zum Bilden einer komplexeren Prozedur für den Industrieroboter bereitzustellen, wobei der Speicher insbesondere auch in einer Cloud bereitgestellt werden kann und eine für die genannten Verfahren eingerichtete Datenbank umfasst, wobei insbesondere nach einer Einlaufzeit die Datenbank Ereignissequenzen von derart hoher Komplexität umfasst, dass lediglich weniger als zwei komplexe Ereignissequenzen pro Zehntelsekunde für den Volllastbetrieb des Industrieroboters benötigt werden, weiterhin insbesondere weniger als die Entscheidung für eine Ereignissequenz pro Zehntelsekunde, weiterhin insbesondere weniger als drei Ereignissequenzen pro Sekunde. Die Cloud könnte damit Informationen mehrerer Einrichtungen sammeln. Der Fachmann weiß, dass die Ereignissequenzen pro Zeiteinheit vom Einsatzgebiet abhängt und variabel ist.
Die adaptive Steuerung wird so stark entlastet, was diese schont sowie Zeit und Energie spart. Das Gesamtsystem wird effizienter, da zunehmend komplexere Ereignissequenzen als Prozeduren für alle Teilnehmer zum Einsatz kommen. Teil der Lösung ist außerdem im Ruhe- oder Schlafzustand der Einrichtung alle bisher möglichen Konkatenationen von prozeduralen Ereignissequenzen zu erzeugen und zu speichern. Dies ergänzt die Liste komplexer prozeduraler Ereignissequenzen ständig sinnvoll.
Die Aufgabe wird zudem gelöst durch das System für ein Fahrzeug. Demgemäß ist ein System für ein Fahrzeug, insbesondere Kraftfahrzeug, insbesondere Fahrerassistenzsystem oder System zum teilautomatisierten oder autonomen Fahren, vorgesehen, welches dazu eingerichtet ist, das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren und/oder das Verfahren zum Auswählen und Verketten von Prozeduren zum Bilden einer komplexeren Prozedur auszuführen und/oder von einer solchen Ausführung, beispielsweise in einer Cloud, zu profitieren, wobei das System ferner umfasst: eine klassische Steuerung des Fahrzeugs, insbesondere eine manuelle und/oder adaptive Steuerung des Fahrzeugs oder eine Kombination aus solchen, einen Speicher und eine CPU, welche dazu eingerichtet sind, das das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren und/oder das Verfahren zum Auswählen und Verketten von Prozeduren zum Bilden einer komplexeren Prozedur für das Kraftfahrzeug bereitzustellen, wobei der Speicher insbesondere auch in einer Cloud bereitgestellt werden kann und eine für die genannten Verfahren eingerichtete Datenbank umfasst, wobei das Kraftfahrzeug über eine Datenschnittstelle, insbesondere drahtlose Datenschnittstelle, insbesondere mittels einer Mobilfunkverbindung, insbesondere 5G oder weitere neue Standards, mit der Cloud kommunizieren kann, wobei insbesondere nach einer initialen Einlaufzeit die Datenbank Ereignissequenzen von derart hoher Komplexität umfasst, dass lediglich weniger als zwei Ereignissequenzen pro Zehntelsekunde für den Verkehrsbetrieb des Kraftfahrzeugs benötigt werden, weiterhin insbesondere weniger als eine Ereignissequenz pro Zehntelsekunde, weiterhin insbesondere weniger als zehn Ereignissequenzen pro Sekunde.
Die Steuerung des Fahrzeugs wird so entlastet, was diese schont sowie Energie und Zeit spart. Das Gesamtsystem wird so effizienter, da zunehmend komplexere Ereignissequenzen als Prozeduren zum Einsatz kommen. Durch die Auslagerung in die Cloud („connected cars") wird schnelle Kommunikation und hohe Rechenleistung bzw. verteiltes Rechnen bereitgestellt. Außerdem können Hinweise auf Gefahren im Verkehr berücksichtigt werden und es kann zwischen Fahrzeugen koordiniert werden.
Die Aufgabe wird zudem gelöst durch das Verkehrssteuerungssystem. Demgemäß ist ein Verkehrssteuerungssystem vorgesehen, umfassend eine Vielzahl an Kraftfahrzeugen, sowie je Kraftfahrzeug:
0 eine erste Kommunikationsschnittstelle, insbesondere Drahtlosschnittstelle, welche dazu eingerichtet ist, mit anderen Kraftfahrzeugen in einer ersten unmittelbaren Umgebung des Kraftfahrzeugs zu kommunizieren,
0 eine zweite Kommunikationsschnittstelle, insbesondere Drahtlosschnittstelle, insbesondere mittels einer Mobilfunkverbindung, insbesondere 5G, zur Kommunikation mit einer Cloud, wobei das Verkehrssteuerungssystem dazu eingerichtet ist, das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren und/oder das Verfahren zum Auswählen und Verketten von Prozeduren zum Bilden einer komplexeren Prozedur für mindestens eines der Kraftfahrzeuge bereitzustellen, insbesondere für zwei oder mehrere Kraftfahrzeuge in einer zwischen den beteiligten Kraftfahrzeugen koordinierten Weise.
Die Steuerung der Fahrzeuge wird so entlastet, was diese schont sowie Zeit und Energie spart. Das Gesamtsystem wird effizienter, da zunehmend komplexere Ereignissequenzen als Prozeduren zum Einsatz kommen. Die Auslagerung in die Cloud („connected cars") wird schnelle Kommunikation und hohe Rechenleistung bzw. verteiltes Rechnen bereitgestellt. Außerdem können Hinweise auf Gefahren im Verkehr berücksichtigt werden und es kann zwischen Fahrzeugen koordiniert werden. Eine direkte, noch schnellere Koordination kann zwischen den Fahrzeugen direkt stattfinden, was abermals die reibungslose und sichere Gesamtdynamik der Steuerung und des Ablaufs des Verkehrs fördert und sicherstellt.
Die Aufgabe wird zudem gelöst durch die Vorrichtung zur robotergesteuerten Prozessoptimierung. Demgemäß ist eine Vorrichtung zur robotergesteuerten Prozessoptimierung, umfassend eine Mensch-Maschine-Schnittstelle, insbesondere eine Desktop-Umgebung, insbesondere eine Desktop-Umgebung eines Arbeitsplatz-PCs umfassend Maus und/oder Tastatur, eine Sensorik, welche dazu eingerichtet ist, eine Objektsituation der Mensch-Maschine- Schnittstelle aufzunehmen, eine Vergleichseinheit, welche dazu eingerichtet ist, mindestens zwei Objektsituationen zu vergleichen, einen Speicher und eine CPU, welche dazu eingerichtet sind, das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren und/oder das Verfahren zum Auswählen und Verketten von Prozeduren zum Bilden einer komplexeren Prozedur auszuführen, wobei der Speicher insbesondere auch in einer Cloud bereitgestellt werden kann und eine für die genannten Verfahren eingerichtete Datenbank umfasst, wobei das Kraftfahrzeug über eine Datenschnittstelle, insbesondere drahtlose Datenschnittstelle, insbesondere mittels einer Mobilfunkverbindung, insbesondere 5G, mit der Cloud kommunizieren kann.
Hierdurch wird RPA noch automatisierter und effizienter. Durch die zunehmend komplexeren Prozeduren wird Energie und Zeit eingespart sowie Effizienz und Verlässlichkeit werden weiter erhöht. ITSF kann insbesondere auf einer handelsüblichen PC- oder Prozessorlösung ablaufen.
In einem weiteren Beispiel werden Kundendienstanfragen automatisch beantwortet. Dies wird mit ITSF noch schneller, präziser und genauer. Durch die zunehmend höhere Komplexität verbessert sich der „virtuelle Kundendienstbetreuer" in seiner „Lebenszeit" kontinuierlich und auf strukturierte Weise.
Die Aufgabe wird zudem gelöst durch das Verfahren zur robotergesteuerten Prozessoptimierung.
Demgemäß ist ein Verfahren zur robotergesteuerten Prozessoptimierung, umfassend ein erfindungsgemäßes Verfahren, insbesondere ein erfindungsgemäßes Steuerverfahren und/oder das Verfahren nach zum Auswählen und Verketten von Prozeduren zum Bilden einer komplexeren Prozedur, wobei insbesondere die Start- und Ziel-Objektsituationen virtuelle Situationen bezeichnen können, wobei ein System bereitgestellt ist, mindestens umfassend eine Mensch-Maschine-Schnittstelle, insbesondere eine Desktop-Umgebung, insbesondere eine Desktop-Umgebung eines Arbeitsplatz-PCs umfassend Maus und/oder Tastatur, eine Sensorik, welche dazu eingerichtet ist, eine Objektsituation aus der Mensch-Maschine- Schnittstelle aufzunehmen, einen Speicher und eine CPU für die Verarbeitung, und das Verfahren ferner mindestens einen Schritt eines Vergleichens umfasst, bei dem die vorhandene Ist- und die notwendige Ziel-Objektsituation miteinander verglichen werden.
Hierdurch wird RPA noch automatisierter und effizienter. Durch die zunehmend komplexeren Prozeduren wird Zeit und Energie eingespart und Effizienz und Verlässlichkeit werden weiter erhöht.
Die Aufgabe wird zudem gelöst durch das Verfahren zur Normalisierung von Objektarten. Demgemäß ist ein Verfahren zur Normalisierung von Objektarten zur Unterstützung einer lernfähigen Steuerung eines Prozesses, eines Systems oder eines Steuerungssystems (jeweils wie hierin definiert), insbesondere unter Erhebung und/oder Nutzung deklarativen Objektwissens, vorgesehen, ferner umfassend die folgenden Schritte:
Einleiten (C01) einer räumlichen Betrachtung,
Feststellen (C02) eines Zwecks der räumlichen Betrachtung in Form mindestens einer Zweckangabe der räumlichen Betrachtung,
Erfassen (C03) mindestens eines konkreten Objektes in einem Raumabschnitt, Zuordnen (C04) eines konkreten Objektes zu einer Objektart, insbesondere einer allgemeineren Objektart, in Abhängigkeit von mindestens einer Zweckangabe der räumlichen Betrachtung,
Speichern (C05) der Zuordnung des konkreten Objektes und der Objektart unter Nutzung einer Datenbank.
Durch die Normalisierung der Objektarten wird zusätzliches prozedurales Ereigniswissen für eine bestimmte Problemlösung verfügbar gemacht. Hierdurch kann, insbesondere durch die zusätzlich durch die Normalisierung gewonnene Abstraktion, eine Problemlösung für ansonsten unlösbare oder nur ineffizient und umständlich lösbare Probleme geschaffen werden.
Die Aufgabe wird zudem gelöst durch das Verfahren zur Normalisierung von Objektsituationen. Demgemäß ist ein Verfahren zur Normalisierung von Objektsituationen zur Unterstützung einer lernfähigen Steuerung eines Prozesses, eines Systems oder eines Steuerungssystems (jeweils wie hierin definiert) und/oder unter Nutzung eines Verfahrens zur Normalisierung von Objektarten wie hierin definiert, insbesondere unter Erhebung und/oder Nutzung deklarativen Objektwissens, vorgesehen, ferner umfassend die folgenden Schritte:
Einleiten (D01) einer räumlichen Betrachtung,
Feststellen (D02) eines Zwecks der räumlichen Betrachtung in Form mindestens einer Zweckangabe der räumlichen Betrachtung,
Erfassen (D03) mindestens eines konkreten Objektes in einem Raumabschnitt, Zuordnen (D04) des konkreten Objektes zu einer Objektart, welcher das konkrete Objekt angehört, insbesondere Zuordnen durch Auslesen der Objektart aus einer Datenbank, Erfassen (DOS) einer ersten Information über eine Lage/Position, insbesondere relative Lage/Position, des mindestens eines konkreten Objektes im Raum,
Ermitteln (D06) einer normalisierten Objektsituation für den Raumabschnitt unter Verwendung der Objektarten und der ersten Information.
Durch die Normalisierung der Objektsituationen wird zusätzliches prozedurales Ereigniswissen für eine bestimmte Problemlösung, bezogen auf komplexere Situationen, in der Regel umfassend mehrere Objekte und/oder Objektarten, verfügbar gemacht. Hierdurch kann, insbesondere durch die zusätzlich durch die Normalisierung gewonnene Abstraktion, eine Problemlösung für ansonsten unlösbare oder nur ineffizient und umständlich lösbare Probleme geschaffen werden. Gemäß einer Weiterentwicklung umfasst das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren ferner einen Schritt eines Durchführens einer vollständigen oder teilweisen Übergabe (S03c-l) der Kontrolle über den Prozess und/oder das System an ein Steuerungssystem, insbesondere konventionelles adaptives Steuerungssystem, wenn eine passende neue Ereignis-Sequenz nicht gebildet (S03b) werden konnte.
So ergänzt ITSF lediglich die adaptive Steuerung, und es gibt kein unnötiges Zögern bei Fällen, in denen die klassische/adaptive Steuerung zur Problemlösung in der Lage ist, ITSF aber leider (noch) nicht.
Gemäß einer Weiterbildung umfasst das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren ferner einen Schritt eines Ergänzens (S03c-2) der Datenbank um einen oder mehrere Einträge, welche geeignet sind, mindestens folgende Größen einander zuzuordnen: einen Bezeichner der möglichen Start-Objektsituation,
Bezeichner der beteiligten Objektarten, einen Bezeichner der möglichen Ziel-Objektsituation,
Bezeichner der beteiligten Objektarten, eine Information zu einer Ereignissequenz, wobei die Ereignissequenz insbesondere dazu geeignet ist, die mögliche Start-Objektsituation in die mögliche Ziel-Objektsituation zu überführen, und wobei die Information einen Bezeichner umfasst, welcher erlaubt, die Ereignissequenz zu identifizieren und/oder eine oder mehrere Informationen, die auf einer Observation der Ereignisse einer Steuerung durch das Steuerungssystem, insbesondere das konventionelle adaptives Steuerungssystem, beruhen.
So lernt ITSF dazu. ITSF lernt also nicht nur durch neue, komplexere Ereignissequenzen dazu, die es selbst gebildet hat, sondern lernt auch direkt von der adaptiven und/oder klassischen Steuerung. Die so gelernten Prozeduren werden in der Datenbank abgelegt, und ITSF kann später eigenständig komplexere Ereignissequenzen bilden, indem es die neu aufgezeichnete Sequenz als Baustein hierfür betrachtet und nutzt.
ITSF ermöglicht also parallel neue Grundbausteine von Ereignissequenzen zu erhalten als auch diese durch fortlaufende Konkatenation weiter zu komplexieren. Nach einer bevorzugten Ausgestaltung erfolgt das Auswählen einer Ereignissequenz aus einer Menge an geeigneten Ereignissequenzen in Schritt S03bl auf Basis mindestens eines quantitativen Merkmals bzw. Eignungskriteriums, insbesondere als dynamisch errechnetes und/oder in der Datenbank abgelegtes Eignungskriterium. Beispiele für derartige quantitativen Merkmale sind wie hierin nachstehend aufgeführt ein Erfolgsindikator, ein Zeitdauerindikator, ein Aufwandsindikator und/oder ein Kostenindikator, ein Zeitpunktindikator und/oder ein Zeitstempel (hierin auch als Timestamp bezeichnet).
Gemäß einer Weiterbildung ist die Datenbank daher ferner geeignet, auch folgende Größen zu umfassen und/oder in der Datenbank insbesondere den anderen Größen zuzuordnen: einen Erfolgsindikator (hierin auch als Success Rating bezeichnet), welcher einen Grad der erfolgreichen Durchführung einer Ereignissequenz quantifiziert, insbesondere einen Grad des Erfolgs, bei der bisherigen versuchten und/oder bereits erfolgten Durchführung der Ereignissequenz.
Der Erfolg ist ein wesentlicher Entscheidungsfaktor für oder gegen eine Ereignissequenz. Insbesondere ist dies der Fall, wenn es mehrere mögliche Wege gibt, ein Problem zu lösen. So kann die Erfolgswahrscheinlichkeit und im Ergebnis die Effizienz mit ITSF maximiert werden.
Gemäß einer Weiterbildung ist die Datenbank ferner geeignet, auch folgende Größen zu umfassen und/oder in der Datenbank insbesondere den anderen Größen zuzuordnen: einen Zeitdauerindikator (hierin auch als Duration bezeichnet), welche eine Zeitdauer, und/oder eine einer Zeitdauer entsprechende Größe, einer Durchführung einer Ereignissequenz, insbesondere einer erfolgreichen Durchführung einer Ereignissequenz, quantifiziert, insbesondere einen Grad des Erfolgs bei der bisherigen versuchten und/oder ausgeführten Durchführung der Ereignissequenz. Ein Beispiel für einen Zeitindikator ist die Klassifizierung nach der kürzesten Wegstrecke und wenigste Anzahl an Teilereignissequenzen (Prozesschritten).
Die Zeitdauer/Ausführungsgeschwindigkeit ist ein weiterer wesentlicher Entscheidungsfaktor für oder gegen eine Ereignissequenz. Insbesondere ist dies der Fall, wenn es mehrere mögliche Wege gibt, ein Problem zu lösen. So kann die Gesamtzeitdauer und im Ergebnis die Effizienz mit ITSF maximiert werden. Gemäß einer Weiterbildung ist die Datenbank ferner geeignet, auch folgende Größen zu umfassen und/oder in der Datenbank insbesondere den anderen Größen zuzuordnen: einen Aufwandsindikator und/oder Kostenindikator, welcher einen Aufwand, insbesondere Energieaufwand oder Gesamtaufwand einer Durchführung, einer Durchführung einer Ereignissequenz, insbesondere einer erfolgreichen Durchführung, quantifiziert, insbesondere eine berechnete Größe aus einem oder mehreren aus Energieaufwand, Rechenaufwand, organisatorischem Aufwand, Zeitaufwand, Kosten, Koordinationsaufwand, Risikokosten.
Ein spezifizierter Aufwand, insbesondere aber nicht notwendigerweise ein Energieaufwand oder Kostenaufwand, ist ein weiterer wesentlicher Entscheidungsfaktor für oder gegen eine Ereignissequenz. Insbesondere ist dies der Fall, wenn es mehrere mögliche Wege gibt ein Problem zu lösen. So können bspw. die Gesamtkosten bzw. die benötigte Gesamtenergie minimiert und im Ergebnis die Effizienz durch ITSF maximiert werden. Daher wird vorzugsweise ein Aufwands- und/oder Kostenindikator als ein quantitatives Merkmal genutzt.
Gemäß einer Weiterbildung ist die Datenbank ferner geeignet, auch folgende Größen zu umfassen und/oder in der Datenbank insbesondere den anderen Größen zuzuordnen: einen Zeitpunktindikator und einen Zeitstempel/Timestamp, welcher einen Zeitpunkt einer Aufzeichnung einer Sequenz indiziert, insbesondere einen Zeitpunkt einer ersten Aufzeichnung einer Sequenz, und/oder einen Zeitpunkt einer ersten erfolgreichen Durchführung/Reproduktion der Ereignissequenz.
Hierdurch kann insbesondere beurteilt werden, wie solide und/oder langfristig etabliert eine Prozedur bereits ist. Durch die Referenz auf die erste erfolgreiche Durchführung/Reproduktion wird zudem sichergestellt, dass erfolglose Versuche das Ergebnis nicht verfälschen.
Gemäß einer Weiterbildung ist die Datenbank ferner geeignet, auch den Energieaufwand (hierin auch als Effort bezeichnet) als ein quantitatives Merkmal zu nutzen.
Gemäß einer Weiterbildung ist die Datenbank ferner geeignet, auch folgende Größen zu umfassen und/oder in der Datenbank insbesondere den anderen Größen zuzuordnen:
Einen Korrelator von mindestens zwei, insbesondere jedoch drei oder mehr, Ereignissequenzen, insbesondere einen Korrelator, welcher eine Korrelation quantifiziert für einen oder mehrere aus: Erfolgswahrscheinlichkeit und/oder Erfolgsindikator, Zeitaufwand, Energieaufwand, insbesondere einen Erfolgskorrelator und/oder einen Energieaufwandskorrelator.
Gemäß einer Weiterbildung umfasst das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren, besonders bevorzugt innerhalb von Schritt (c) des Steuerverfahrens das Abgleichen der ermittelten Ereignissequenzen mit und/oder die Datenbank ferner eine(r) Erfolgskorrelationstabelle und/oder Ereignissequenzen-/Teilprozeduren-Synergie-Tabelle, welche geeignet ist zur Aufnahme und/oder Verwaltung von Korrelatoren, insbesondere von solchen, welcher eine Korrelation quantifizieren für einen oder mehrere aus: Erfolgswahrscheinlichkeit und/oder Erfolgsindikator, Zeitaufwand, Energieaufwand, insbesondere Erfolgskorrelatoren und/oder einen Energieaufwandskorrelatoren von Ereignis-Sequenzen/Teilprozeduren.
Gemäß einer Weiterbildung umfasst das Verfahren ferner einen Schritt eines vorzeitigen Abbrechens (S03c) einer Suche (S03b-01) nach passenden Ereignis-Sequenzen, welcher ausgeführt wird, wenn mindestens eine vorbestimmte Sicherheitszeitspanne seit Beginn der Suche (S03b-01) verstrichen ist und bisher kein passendes Ergebnis gefunden wurde, insbesondere kein Ergebnis, welches zudem ein vorbestimmtes Eignungskriterium erfüllt, gefunden wurde, wobei insbesondere die vorbestimmte Sicherheitszeitspanne von dem Zweck der Anwendung und/oder der Art des zu steuernden Systems und/oder der adaptiven Steuerung abhängt, wobei die Sicherheitszeitspanne insbesondere ferner dazu geeignet ist, einen Zeitraum zu quantifizieren, bis zu dem eine Aktion für einen reibungslosen Ablauf eines Prozesses und/oder der Ereignis-Sequenz erforderlich ist.
Hierdurch wird ein in dynamischen Systemen unter Umständen schadhaftes Zögern vermieden (beispielsweise in einem Automotive-Verkehrssteuerungssystem). Durch die gewünschte Wahl als anwendungsspezifische Sicherheitszeitspanne kann auf die besonderen Bedürfnisse der jeweiligen Anwendung gezielt eingegangen werden (s. hierzu insbesondere auch bei den jeweiligen spezifischen Anwendungen).
Gemäß einer Weiterbildung umfasst das erfindungsgemäße Verfahren, insbesondere das Steuerverfahren, besonders bevorzugt innerhalb von Schritt (c) des Steuerverfahrens ferner einen Schritt eines Vergleichens eines Aufwandsindikators und/oder Kostenindikators, insbesondere eines Energieaufwands, der Ereignissequenz mit einem Energievorrat einer technischen Einrichtung, insbesondere mit einem dem Prozess, dem System oder dem Steuerungssystem zugeteilten und/oder in dem System oder dem Steuerungssystem vorhandenen Energievorrat.
Gemäß einer Weiterbildung umfasst das Verfahren ferner einen Schritt eines Durchführens einer vollständigen oder teilweisen Übergabe (S03c-l) der Kontrolle über den Prozess und/oder das System an ein Steuerungssystem, insbesondere konventionelles adaptives Steuerungssystem, welcher nach dem Ausführen des Schrittes eines vorzeitigen Abbrechens ausgeführt wird.
Hierdurch wird die Problemlösung durchgeführt und sichergestellt, dass nicht schadhaft gezögert wird. Außerdem wird ITSF die Problemlösung einmalig vorexerziert, wodurch ITSF weiter lernt.
Gemäß einer Weiterbildung umfasst das Verfahren ferner folgende Schritte: einen Schritt eines Aufzeichnens der Vorgänge (Ereignissequenzen) des klassischen Steuerungssystems, insbesondere des konventionellen adaptiven Steuerungssystems, welche das System von einer Start-Objektsituation in eine Ziel-Objektsituation überführen, und/oder einen Schritt eines Ablegens mindestens einer neuen Eintragung in der Datenbank zu den aufgezeichneten Vorgängen, unter Angabe mindestens eines Indikators der Start- Objektsituation sowie eines Indikators der Ziel-Objektsituation.
Hierdurch sichert ITSF die vorexerzierte Problemlösung und sichert diese aufrufbereit in der Datenbank. Durch die Ablage in der Datenbank steht ITSF diese Ereignissequenz in Zukunft als Problemlösung oder als Lösung eines Teilproblems zur Verfügung. So kann ITSF in Zukunft die Lösung des Problems übernehmen, was die adaptive Steuerung zukünftig entlasten wird. Zudem kann ITSF die Problemlösung als Baustein für die Lösung noch komplexerer Probleme benutzen.
So können durch die Ablage eines wertvollen einzelnen Bausteins unter Umständen große Bereiche neuer komplexer Prozeduren von ITSF erschlossen werden.
Gemäß einer Weiterbildung umfasst das Verfahren ferner einen Schritt eines Vergleichens eines Aufwandsindikators und/oder Kostenindikators, insbesondere des Energieaufwands, der Ereignissequenz mit einem Energievorrat einer technischen Einrichtung, insbesondere mit einem dem Prozess, dem System oder dem Steuerungssystem zugeteilten und/oder in dem System oder dem Steuerungssystem vorhandenen Energievorrat.
Hierdurch kann Effizienz optimiert werden. Insbesondere kann ganz auf Nutzerwünsche/vorhandene Ressourcen/externe Constraints und/oder eine Kombination hieraus, insbesondere auch auf eine gewichtete Kombination dieser Faktoren, eingegangen werden. So bringt ITSF das auf die konkrete Situation und die konkreten Verhältnisse optimal abgestimmte Ergebnis.
Gemäß einer Weiterbildung umfasst der Speicher des Industrieroboters ferner Anweisungen für ein Befüllen, insbesondere initiales Befüllen, der Datenbank durch Nutzung der klassischen Steuerung, insbesondere einer adaptiven Steuerung, wobei insbesondere nach einem initialen Befüllen der Industrieroboter dazu eingerichtet ist, dass lediglich weniger als zwei Ereignissequenzen pro Zehntelsekunde für den Volllastbetrieb des Industrieroboters benötigt werden, weiterhin insbesondere weniger als eine Ereignissequenz pro Zehntelsekunde, weiterhin insbesondere weniger als drei Ereignissequenzen pro Sekunde, und/oder eine Entlastung der klassischen Steuerung, insbesondere der adaptiven Steuerung, erfolgt.
Durch das initiale Befüllen wird ITSF bereits aktiviert und der Industrieroboter wird in einen Zustand versetzt, wo er bereits höchst effizient mit ITSF zusammenarbeitet und einen Großteil der Kontrolle an ITSF abgegeben kann. So ist ein anfängliches Training, beispielsweise beim Kunden vor Ort, nicht mehr erforderlich und ein direkt effizienter und voll funktionstüchtiger Start wird sichergestellt.
Ausführungsbeispiele
Die vorliegende Erfindung wird nachfolgend anhand der in den schematischen Figuren der Zeichnungen angegebenen Ausführungsbeispiele näher erläutert. Es zeigen dabei wie folgt:
Fig. 1a eine schematische Darstellung zwecks Illustration der vorliegenden Erfindung, welche schematisch ein System zeigt, das sich zum Einsatz mit der vorliegenden Erfindung eignet,
Fig. 1b eine schematische Darstellung zwecks Illustration der vorliegenden Erfindung, welche schematisch ein weiteres System zeigt, das sich zum Einsatz mit der vorliegenden Erfindung eignet, Fig. 2 eine schematische Darstellung einer Tabelle (Liste der Objektarten) zwecks Illustration der vorliegenden Erfindung im Rahmen eines Ausführungsbeispiels, welches ein Entity-Relationship-Modell zum Einsatz bringt,
Fig. 3 eine schematische Darstellung einer Tabelle (Liste der Objektsituationen) zwecks Illustration der vorliegenden Erfindung im Rahmen eines Ausführungsbeispiels, welches ein Entity-Relationship-Modell zum Einsatz bringt,
Fig. 4 eine schematische Darstellung einer Tabelle (Liste von prozeduralen Ereignissequenzen) zwecks Illustration der vorliegenden Erfindung im Rahmen eines Ausführungsbeispiels, welches ein Entity- Relationship-Modell zum Einsatz bringt,
Fig. 5 eine schematische Darstellung eines Datenbankeintrages zwecks Illustration der vorliegenden Erfindung,
Fig. 6 eine schematische Darstellung eines Datenbankeintrages zwecks Illustration der vorliegenden Erfindung,
Fig. 7 eine schematische Darstellung eines Datenbankeintrages zwecks Illustration der vorliegenden Erfindung,
Fig. 8 eine schematische Darstellung eines Datenbankeintrages zwecks Illustration der vorliegenden Erfindung,
Fig. 9 eine schematische Darstellung eines Datenbankeintrages zwecks Illustration der vorliegenden Erfindung,
Fig. 10 eine schematische Darstellung eines Datenbankeintrages zwecks Illustration der vorliegenden Erfindung,
Fig. 11 eine schematische Darstellung eines Knowledge Process Flows zwecks Illustration der vorliegenden Erfindung.
Die Figuren illustrieren lediglich Beispiele für mögliche Ausführungsformen und Aspekte der vorliegenden Erfindung.
Die Figur 1a zeigt eine schematische Darstellung zwecks Illustration der vorliegenden Erfindung, welche schematisch ein System zeigt, das sich zum Einsatz mit der vorliegenden Erfindung eignet. Ein Computer 100 mit einem Speicher 101 für eine Datenbank ist prinzipiell dazu geeignet, die Verfahren der Erfindung zum Einsatz zu bringen.
Die Figur 1b zeigt eine weitere schematische Darstellung zwecks Illustration der vorliegenden Erfindung, welche schematisch ein weiteres System zeigt, das sich zum Einsatz mit der vorliegenden Erfindung eignet. In diesem Beispiel ist die Datenbank in einer Cloud oder einem verteilten System, wie einem verteilten Computernetzwerk. Auch Berechnungsschritte der Verfahren können in diesem verteilten System durchgeführt werden.
Es kann auch ein erfindungsgemäßes Computerprogramm, drahtgebunden oder drahtlos, über ein solches Computernetzwerk übertragen werden.
Die Figur 2 zeigt eine schematische Darstellung einer Tabelle (Liste der Objektarten) zwecks Illustration der vorliegenden Erfindung im Rahmen eines Ausführungsbeispiels, welches ein Entity-Relationship- Modell zum Einsatz bringt.
In einem Beispiel wird eine Liste der Objektarten, beispielsweise in Form einer Datenbanktabelle, zum Einsatz gebracht. Zugeordnet wird so beispielsweise eine Objektart 110 zu einem Inhalt 111 der Objektart, zudem wird ein Identifier 112 vergeben. In diesem Beispiel sind die Identifier 112 fortlaufend numerisch vergeben, dies muss jedoch keineswegs so sein.
Die Figur 3 zeigt eine schematische Darstellung einer Tabelle (Liste der Objektsituationen) zwecks Illustration der vorliegenden Erfindung im Rahmen eines Ausführungsbeispiels, welches ein Entity- Relationship-Modell zum Einsatz bringt.
In einem Beispiel wird eine Liste der Objektsituationen, beispielsweise in Form einer Datenbanktabelle, zum Einsatz gebracht. Zugeordnet wird so beispielsweise zu den Objektsituationen 114, die IDs 113 der Objektarten der Objekte, welche in der jeweiligen Objektsituation 114 enthalten sind und/oder erkannt wurden. Ein Inhalt 115 der Objektsituation kann zudem zugeordnet sein. Zudem können Identifier 112 vergeben. In diesem Beispiel sind die Identifier 112 fortlaufend numerisch vergeben, dies muss jedoch keineswegs so sein.
Wie in der folgenden Diskussion weiter klar werden wird, erleichtert eine solche Datenbanktabelle das Handling und die Verwaltung von einschlägigem prozeduralem Ereigniswissen. Zudem wird durch die Objektarten gegenüber den konkreten Objekten eine weitere gewinnbringende Abstraktionsebene geschaffen. Hierdurch wird die Wiederverwendbarkeit von prozeduralem Ereigniswissen weiter erhöht. Beispielsweise kann so eine vorhandene Prozedur auf ein anderes konkretes Objekt, jedoch derselben Objektart, angewandt werden.
Die Effizienz des Gesamtsystems erhöht sich hierdurch. Ein größerer Anteil von Aufgaben kann direkt von ITSF übernommen werden und die Lernkurve, insbesondere bereits die anfängliche Lernkurve, ist steiler.
Die Figur 4 zeigt eine schematische Darstellung einer Tabelle (Liste von prozeduralen Ereignissequenzen) zwecks Illustration der vorliegenden Erfindung im Rahmen eines Ausführungsbeispiels, welches ein Entity-Relationship-Modell zum Einsatz bringt.
In einem Beispiel wird eine Liste mit prozeduralen Ereignissequenzen, beispielsweise in Form einer Datenbanktabelle, zum Einsatz gebracht. Zugeordnet wird so beispielsweise zu einer Ereignissequenz 119 eine ID 118, eine Information zu einer Start-Objektsituation, zum Beispiel eine entsprechende ID 117, und eine Information zu einer Ziel-Objektsituation, zum Beispiel eine entsprechende ID 124, sowie ein entsprechender Inhalt 120.
Dabei kann die Ereignissequenz mittels ihres Inhalts 120 die Start-Objektsituation (ID 117) in die Ziel- Objektsituation (ID 124) überführen. Beispielsweise enthält der Inhalt Anweisungen in einer Programmier- und/oder Beschreibungssprache. In diesem oder auch einem anderen Beispiel enthält der Inhalt weitere Verweise und Bezüge auf andere Inhalte.
Es können weitere Größen und Bezeichner zugeordnet werden. Beispielsweise sind so ein Erfolgsindikator 121, ein Zeitdauerindikator 122 und ein Aufwandsindikator 123 zugeordnet.
Die Figur 5 zeigt eine schematische Darstellung eines Datenbankeintrages zwecks Illustration der vorliegenden Erfindung. (Target OS ID a = Start OS ID z).
Durch die hier gezeigte Konkatenation zweier Ereignissequenzen entsteht eine neue Ereignissequenz. Gezeigt ist lediglich ein Beispiel. Es wird die Sequenz F, welche die Objektsituation „7" in die Objektsituation „6" überführt, mit der Sequenz G verbunden, welche die Objektsituation „6" in die Objektsituation „8" überführt. Hierdurch entsteht eine neue Ereignissequenz, welche geeignet ist, die Objektsituation „7" in die Objektsituation „8" zu überführen.
Eine solche Ereignissequenz kann auch in der Liste (vgl. Fig. 4) abgelegt werden. Die Figur 6 zeigt eine schematische Darstellung eines Datenbankeintrages zwecks Illustration der vorliegenden Erfindung. Die Figur 7 zeigt eine schematische Darstellung eines weiteren Datenbankeintrages zwecks Illustration der vorliegenden Erfindung. Die Figur 8 zeigt noch eine weitere schematische Darstellung eines Datenbankeintrages zwecks Illustration der vorliegenden Erfindung. Die Figur 9 zeigt abermals eine weitere schematische Darstellung eines Datenbankeintrages zwecks Illustration der vorliegenden Erfindung.
Die Sequenzen der Figuren 6 - 9 können erfindungsgemäß konkateniert werden, da Target OS ID a = Start OS ID xl, Target OS ID xl = Start OS ID xn, Target OS ID xn = Start OS ID z.
Die Figur 10 zeigt eine schematische Darstellung eines Datenbankeintrages zwecks Illustration der vorliegenden Erfindung. (Target OS ID a = Start OS ID xl, Target OS ID xl = Start OS ID xn, Target OS ID xn = Start OS ID z)
Durch die Konkatenation entsteht eine neue Ereignissequenz, welche geeignet ist, die Objektsituation „5" in die Objektsituation „32" zu überführen. Hierzu werden die Sequenzen der Figuren 6 - 9 erfindungsgemäß konkateniert.
Eine solche Ereignissequenz kann auch in der Liste (vgl. Fig. 4) abgelegt werden.
Die Figur 11 zeigt eine schematische Darstellung eines Knowledge Process Flows zwecks Illustration der vorliegenden Erfindung.
Die oberen fünf Schritte bzw. Einheiten 1001 - 1005 beziehen sich auf die Start-Objektsituation. Die drei Schritte bzw. Einheiten 1006 - 1008 beziehen sich auf die Ziel-Objektsituation. Die Schritte bzw. Einheiten 1010 - 1015 beziehen sich auf die Ereignissequenzen, d.h. das prozedurale Ereigniswissen.
Hier werden nach Bedarf neue Prozeduren aufgenommen, als auch neue Konkatenationen erzeugt und zur weiteren direkten Verwendbarkeit gesichert.
Besonders wichtig ist das Zurückschreiben der gefundenen Konkatenationen von Ereignissequenzen in die Liste der erhobenen Ereignissequenzen (1014). Über diese entwickelt sich damit vollautomatisch eine immer höhere Komplexität in der Liste von Ereignissequenzen.
Figur 12 zeigt ein Beispiel für eine Konkatenation von Ereignissequenzen. Die Sequenzen a, xl, xn und z sind in einer Datenbank gespeichert. Jede Ereignissequenz umfasst ein identifizierendes Merkmal (Start OS ID) einer Start-Objektsituation sowie ein identifizierendes Merkmal einer Ziel-Objektsituation (Target OS ID). Die Sequenzen sind jeweils durch ein Puzzle-Teil dargestellt, deren linke und rechte Seite verschiedene Formen darstellen, die jeweils eine bestimmte Start- bzw. Zielobjektsituation darstellen. Bspw. weist die Ereignissequenz xl eine Ziel-Objektsituation mit der ID 24 auf, während die Ereignissequenz eine Start-Objektsituation mit einer ID von 24 aufweist. Daher können diese beiden Objektsituationen aufeinander folgen. Zuletzt ist eine Konkatenation der Ereignissequenzen gezeigt, wodurch eine Ereignissequenz gebildet wurde, die geeignet ist, um von der Start-Objektsituation der Ereignissequenz a mit der ID 5 ausgehend die Ziel-Objektsituation mit der ID 32 zu erreichen. Darunter sind die Puzzleteile der Ereignissequenzen gezeigt, deren Start- und Ziel-Objektsituationen auf Grund der gleichen Start- und Objektsituationen zusammenpassen.
Bezugszeichenliste
100 Computersystem
101 Speicher mit Datenbank
110 Object Kind (OK, Objektart)
111 Object Kind Content
112 Object Kind ID
113 Object Kind IDs
114 Object Situation (OS, Objektsituation)
115 Object Situation Content
116 Object Situation ID
117 Start OS ID
118 Event Sequence ID
119 Event Sequence (ES, Event Sequence)
120 Event Sequence Content
121 Success Rating
122 Duration/Dauer
123 Effort/Aufwand
124 Target OS ID
1001 Object Analysis and Identification
1002 Object Kind Identification for all Objects in Space Section
1003 Analyse Object Situation in Space Section
1004 Object Situation already in List or add a new Object Situation 1005 Defined Start Object Situation in Space Section, moment of now
1006 Defined Parameters for Target Object Situation
1007 Calculated Target Object Situation for the next moment
1008 Defined Target Object Situation in space section, next moment
1010 Start Transcripting Procedural Event Sequences
1011 Storing new Procedural Event Sequence only for the first one time
1012 Calling stored Event Sequence by using Start- and Target-Object Situations
1013 Concatenation of more than one Procedural Event Sequences with Target-OSa = Start-OSz
1014 Storing a new Concatenation of more than one Procedural Event Sequences
1015 Well-defined Procedural Event Sequences from Start-OS to Target-OS

Claims

Patentansprüche
1. Steuerverfahren zum Ansteuern eines Aktors zum Überführen einer Start-Objektsituation in eine Ziel-Objektsituation mittels einer Steuerung, bevorzugt einer adaptiven Steuerung, umfassend: a) Ermitteln (SOI) einer Start-Objektsituation mittels eines Sensors, b) Definieren (S02) einer Ziel-Objektsituation, c) Ermitteln (S03) einer Ereignissequenz, die geeignet ist, um die Start-Objektsituation in die Ziel-Objektsituation aus einer Menge von bekannten (Teil-)Ereignissequenzen zu überführen, durch o Iteratives Suchen (S03a) von bekannten (Teil-)Ereignissequenzen umfassend die
Start- und/oder Ziel-Objektsituation und/oder Objektsituationen aus Teil¬
Ereignissequenzen vorhergehender Iterationsschritte, o Auswählen (S03bl) mindestens einer Ereignissequenz zum Überführen der
Start-Objektsituation in die Ziel-Objektsituation oder Bilden (S03b2) einer neuen Ereignissequenz zum Überführen der Start-Objektsituation in die Ziel-
Objektsituation auf Basis der im Teilschritt der iterativen Suche gefundenen
Teil-Ereignissequenzen und deren Konkatenationen, d ) Ansteuern (S04) des Aktors basierend auf der ermittelten Ereignissequenz durch die
Steuerung.
2. Verfahren nach Anspruch 1, wobei der Schritt des Auswählens (S03bl) der Ereignissequenz aus einer Menge an geeigneten Ereignissequenzen auf Basis mindestens eines quantitativen
Eignungskriteriums erfolgt.
3. Verfahren nach Anspruch 2, wobei ein Aufwands- und/oder Kostenindikator als ein quantitatives
Eignungskriterium genutzt wird.
4. Verfahren nach Anspruch 2 oder 3, wobei der Energieaufwand als ein quantitatives
Eignungskriterium genutzt wird.
5. Verfahren nach einem der Ansprüche 2 bis 4, wobei ein Erfolgsindikator als ein quantitatives
Eignungskriterium genutzt wird.
6. Verfahren nach einem der vorhergehenden Ansprüche, wobei die in Schritt (a) ermittelten
Sensordaten vor deren Nutzung zum Ermitteln der Start-Objektsituation normalisiert werden.
7. Verfahren nach einem der vorhergehenden Ansprüche, ferner umfassend einen Schritt zum
Speichern (S05) der ermittelten Ereignissequenz.
8. Verfahren nach einem der vorhergehenden Ansprüche, ferner umfassend einen Schritt zum
Abbrechen von Schritt (c) des Verfahrens, wenn keine passende Ereignissequenz zum Erreichen des Ziels ermittelt werden kann und/oder die Steuerung den Schritt zum Ermitteln einer
Ereignissequenz zum Erreichen der Ziel-Objektsituation nicht durchführen kann.
9. Verfahren nach Anspruch 8, wobei Schritt (c) des Verfahrens automatisch nach dem
Verstreichen einer vorherdefinierten Zeitspanne abgebrochen wird.
10. Verfahren nach Anspruch 8 oder 9, ferner umfassend einen Schritt des Hinzufügens einer durch die Steuerung neu ermittelten (Teil-)Ereignissequenz zur Menge der bekannten
(Teil-) Ereignissequenzen.
11. Verfahren nach einem der vorhergehenden Ansprüche, ferner umfassend einen Schritt des automatischen Ergänzens der bekannten Ereignissequenzen um mögliche weitere
Ereignissequenzen, während das Verfahren nicht zum Erreichen einer Ziel-Objektsituation genutzt wird.
12. System zum Ansteuern eines Aktors zum Überführen einer Start-Objektsituation in eine Ziel-
Objektsituation mittels einer Steuerung, bevorzugt einer adaptiven Steuerung, umfassend: a) Eingangsmittel zum Empfangen (SOI) einer Start-Objektsituation von einem Sensor, b) Eingangsmittel zum Empfangen (S02) einer Ziel-Objektsituation, c) Rechenmittel zum Ermitteln (S03) einer Ereignissequenz, die geeignet ist, um die Start-
Objektsituation in die Ziel-Objektsituation aus einer Menge von bekannten
(Teil-)Ereignissequenzen zu überführen, durch o Iteratives Suchen (S03a) von bekannten (Teil-)Ereignissequenzen umfassend die
Start- und/oder Ziel-Objektsituation und/oder Objektsituationen aus Teil-
Ereignissequenzen vorhergehender Iterationsschritte, o Auswählen (S03bl) mindestens einer Ereignissequenz zum Überführen der
Start-Objektsituation in die Ziel-Objektsituation oder Bilden (S03b2) einer optimierten Ereignissequenz zum Überführen der Start-Objektsituation in die
Ziel-Objektsituation auf Basis der im Teilschritt der iterativen Suche gefundenen
(Teil-)Ereignissequenzen und deren Konkatenationen, d) Ausgabemittel zum Ausgeben eines Steuersignals zum Ansteuern (S04) des Aktors basierend auf der ermittelten Ereignissequenz durch die Steuerung.
13. System nach Anspruch 12, ferner umfassend ein Mittel zum Erfassen bekannter
Ereignissequenzen und/oder bekannter Objektsituationen und/oder Zuordnungen zwischen diesen.
14. System nach Anspruch 12 oder 13, ferner umfassend ein Mittel zum Speichern mindestens eines
Erfolgsindikators und/oder mindestens eines Zeitdauerindikators und/oder eines
Aufwandsindikators und/oder mindestens eines Kostenindikators und/oder mindestens eines relevanten Zeitpunkts für Ereignissequenzen.
15. Computerprogrammprodukt, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, Schritt (c) des Verfahrens nach einem der Ansprüche 1 bis
11 umzusetzen.
16. Computerlesbares Medium, auf dem das Computerprogrammprodukt nach Anspruch 15 gespeichert ist.
17. Computer, umfassend mindestens ein computerlesbares Medium nach Anspruch 16.
18. Steuerung, bevorzugt eine adaptive Steuerung, umfassend einen Computer nach dem vorhergehenden Anspruch.
19. Computerprogrammprodukt, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, Ergebnisse eines Computerprogramms entsprechend
Anspruch 15 menschenlesbar darzustellen, bzw. die Ergebnisse in ein anderes (Daten-)Format zu überführen, das von einem weiteren Computerprogrammprodukt menschenlesbar dargestellt werden kann und/oder das Computerprogrammprodukt entsprechend einem der vier vorhergehenden Ansprüche zur Umsetzung des Verfahrens zu veranlassen.
20. Industrierobotersystem, umfassend mindestens einen Industrieroboter, mindestens ein
Steuerungssystem nach einem der Ansprüche 12 bis 14, einen Sensor zum Ermitteln einer Start-
Objektsituation und einen Aktor zum Überführen einer Start-Objektsituation in eine Ziel¬
Objektsituation.
21. Fahrzeugführungssystem, bevorzugt für ein Kraftfahrzeug, insbesondere Fahrerassistenzsystem oder System zum teilautomatisierten oder autonomen Fahren, umfassend ein Steuerungssystem nach einem der Ansprüche 12 bis 14, einen Sensor zum Ermitteln einer Start-Objektsituation und einen Aktor zum Überführen einer Start-Objektsituation in eine Ziel-Objektsituation.
22. Verkehrssteuerungssystem, geeignet zur Umsetzung des Verfahrens entsprechend einem der
Ansprüche 1 bis 11, umfassend: eine Vielzahl an Kraftfahrzeugen, sowie je Kraftfahrzeug: eine erste Kommunikationsschnittstelle, insbesondere Drahtlosschnittstelle, welche dazu eingerichtet ist, mit anderen Kraftfahrzeugen in einer ersten unmittelbaren
Umgebung des Kraftfahrzeugs zu kommunizieren, eine zweite Kommunikationsschnittstelle, insbesondere Drahtlosschnittstelle, insbesondere mittels einer Mobilfunkverbindung, insbesondere 5G, zur
Kommunikation aller Fahrzeuge mit einem Server.
23. Vorrichtung zur robotergesteuerten Prozessoptimierung, umfassend: eine Mensch-Maschine-Schnittstelle, bevorzugt eine Desktop-Umgebung, bevorzugt eine
Desktop-Umgebung eines Arbeitsplatz-PCs umfassend Maus und/oder Tastatur, einen Sensor, welcher dazu eingerichtet ist, eine Objektsituation der Mensch-Maschine-
Schnittstelle aufzunehmen, eine Vergleichseinheit, welche dazu eingerichtet ist, mindestens zwei Objektsituationen zu vergleichen, einen Speicher und eine CPU, welche dazu eingerichtet sind, das Steuerverfahren nach einem der Ansprüche 1 - 11 auszuführen, wobei der Speicher insbesondere auch in einer Cloud bereitgestellt werden kann und eine für die genannten Verfahren eingerichtete Datenbank umfasst, wobei ein Roboter über eine Datenschnittstelle, insbesondere drahtlose Datenschnittstelle, insbesondere mittels einer Mobilfunkverbindung, insbesondere 5G, mit der Cloud kommunizieren kann.
24. Verfahren zur robotergesteuerten Prozessoptimierung, umfassend ein Verfahren nach einem der Ansprüche 1 - 11 und/oder das System nach einem der Ansprüche 12 - 14, wobei insbesondere die Start- und Ziel-Objektsituationen virtuelle Situationen bezeichnen können, wobei ein System bereitgestellt ist, mindestens umfassend eine Mensch-Maschine-Schnittstelle, insbesondere eine Desktop-Umgebung, insbesondere eine Desktop-Umgebung eines Arbeitsplatz-PCs umfassend Maus und/oder Tastatur, eine Sensorik, welche dazu eingerichtet ist, eine Objektsituation aus der Mensch-Maschine-
Schnittstelle aufzunehmen, einen Speicher und eine CPU für die Verarbeitung, und wobei das Verfahren ferner mindestens einen Schritt eines Vergleichens umfasst, bei dem zwei notwendige Objektsituationen miteinander verglichen werden.
25. Verfahren zur Normalisierung von Objektarten zur Unterstützung des Steuerverfahrens nach einem der Ansprüche 1 bis 11, eines Systems nach einem der Ansprüche 12 bis 14, insbesondere unter Erhebung und/oder Nutzung deklarativen Objektwissens, ferner umfassend die folgenden
Schritte: Einleiten (C01) einer räumlichen Betrachtung,
Feststellen (C02) eines Zwecks der räumlichen Betrachtung in Form mindestens einer
Zweckangabe der räumlichen Betrachtung,
Erfassen (C03) mindestens eines konkreten Objektes in einem Raumabschnitt,
Zuordnen (C04) eines konkreten Objektes zu einer Objektart, insbesondere einer allgemeineren Objektart, in Abhängigkeit von mindestens einer Zweckangabe der räumlichen Betrachtung, und
Speichern (C05) der Zuordnung des konkreten Objektes und der Objektart unter Nutzung einer Datenbank.
26. Verfahren zur Normalisierung von Objektsituationen zur Unterstützung des Steuerverfahrens nach einem der Ansprüche 1 bis 11, eines Systems nach einem der Ansprüche 12 bis 14 und/oder unter Nutzung eines Verfahrens zur Normalisierung von Objektarten nach Anspruch
25, insbesondere unter Erhebung und/oder Nutzung deklarativen Objektwissens, ferner umfassend die folgenden Schritte:
Einleiten (D01) einer räumlichen Betrachtung,
Feststellen (D02) eines Zwecks der räumlichen Betrachtung in Form mindestens einer
Zweckangabe der räumlichen Betrachtung,
Erfassen (D03) mindestens eines konkreten Objektes in einem Raumabschnitt,
Zuordnen (D04) des konkreten Objektes zu einer Objektart, welcher das konkrete Objekt angehört, insbesondere Zuordnen durch Auslesen der Objektart aus einer Datenbank,
Erfassen (D05) einer ersten Information über eine Lage/Position, insbesondere relative
Lage/Position, des mindestens eines konkreten Objektes im Raum, und
Ermitteln (D06) einer normalisierten Objektsituation für den Raumabschnitt unter
Verwendung der Objektarten und der ersten Information.
EP21847502.8A 2020-12-24 2021-12-24 Verfahren und system zum überführen einer start-objektsituation in eine ziel-objektsituation (intuitive tacit solution finding) Pending EP4268162A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
LU102362A LU102362B1 (de) 2020-12-24 2020-12-24 Verfahren und Vorrichtungen zur intuitiv-unbewussten Lösungsfindung
PCT/EP2021/087645 WO2022136703A1 (de) 2020-12-24 2021-12-24 Verfahren und system zum überführen einer start-objektsituation in eine ziel-objektsituation (intuitive tacit solution finding)

Publications (1)

Publication Number Publication Date
EP4268162A1 true EP4268162A1 (de) 2023-11-01

Family

ID=74195039

Family Applications (1)

Application Number Title Priority Date Filing Date
EP21847502.8A Pending EP4268162A1 (de) 2020-12-24 2021-12-24 Verfahren und system zum überführen einer start-objektsituation in eine ziel-objektsituation (intuitive tacit solution finding)

Country Status (4)

Country Link
US (1) US20240053753A1 (de)
EP (1) EP4268162A1 (de)
LU (1) LU102362B1 (de)
WO (1) WO2022136703A1 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115048282B (zh) * 2022-08-15 2022-10-25 北京弘玑信息技术有限公司 重复操作的提取方法及电子设备、存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150345959A1 (en) * 2014-05-30 2015-12-03 Nissan North America, Inc. Vehicle trajectory optimization for autonomous vehicles

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017108407A1 (de) * 2015-12-21 2017-06-29 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur modifikation safety- und/oder security-relevanter steuergeräte in einem kraftfahrzeug, und eine diesbezügliche vorrichtung
US9744665B1 (en) * 2016-01-27 2017-08-29 X Development Llc Optimization of observer robot locations
CN113561171B (zh) * 2020-01-05 2023-03-24 牧今科技 具有动态运动调整机制的机器人系统及其操作方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150345959A1 (en) * 2014-05-30 2015-12-03 Nissan North America, Inc. Vehicle trajectory optimization for autonomous vehicles

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MONKBOT: "Dijkstra's algorithm", 19 December 2020 (2020-12-19), pages 1 - 13, XP093340176, Retrieved from the Internet <URL:https://en.wikipedia.org/w/index.php?title=Dijkstra's_algorithm&oldid=995080743> *
See also references of WO2022136703A1 *

Also Published As

Publication number Publication date
US20240053753A1 (en) 2024-02-15
WO2022136703A1 (de) 2022-06-30
LU102362B1 (de) 2022-06-27

Similar Documents

Publication Publication Date Title
DE112009003656B4 (de) Verfahren und System zur In-Produktionsoptimierung der Parameter eines zur Montage verwendeten Roboters
DE102019134312A1 (de) Systeme, verfahren und vorrichtungen zur verbesserung einer prozesssteuerung mit einem virtuellen assistenten
DE102017000287B4 (de) Zellensteuerung und produktionssystem zum verwalten der arbeitssituation einer vielzahl von fertigungsmaschinen in einer fertigungszelle
DE112019003185T5 (de) Automatischer dynamischer diagnoseleitfaden mit erweiterter realität
EP3180666A1 (de) Verfahren zur planung der herstellung eines produkts und produktionsmodul mit selbstbeschreibungs-informationen
WO2021104608A1 (de) Verfahren zum erzeugen eines engineering-vorschlags für eine vorrichtung oder anlage
DE102022131925A1 (de) Selbstlernendes verfahren für einen fertigungs- und/oder montageprozess
WO2021105064A1 (de) Verfahren zum verknüpfen von objekten eines steuerprogramms einer steuereinheit eines automatisierungssystems und entwicklungsumgebung
WO2022136703A1 (de) Verfahren und system zum überführen einer start-objektsituation in eine ziel-objektsituation (intuitive tacit solution finding)
DE102020211648A1 (de) Vorrichtung und Verfahren zum Steuern einer Robotervorrichtung
WO2023111184A1 (de) Zuweisen einer aufgabe an einen örtlich entfernten experten
WO2022122308A1 (de) Wartungsvorhersage für baugruppen eines mikroskops
WO2025219164A1 (de) Verfahren zur erzeugung eines steuerprogramms einer speicherprogrammierbaren steuerung und automatisierungssystem
WO2020193294A1 (de) Verfahren und vorrichtung zum kompatiblen ansteuern eines geräts mit einem neuen programmcode
DE102024202711A1 (de) System und Verfahren für kognitive neurosymbolische Schlussfolgerungssysteme
EP4673931A1 (de) Adaptive realdatenbasierte simulation eines zentralisiert koordinierten verkehrsraums
WO2024008232A1 (de) Verfahren zur dynamischen erkennung von ratcheting bei einem kollaborativen roboter mittels künstlicher intelligenz und dynamischer kompensation der trajektorien
DE19831651C1 (de) Verfahren zum Erzeugen eines regel- und anpassbaren Netzwerkes von Modellen von Verhaltensmustern einschließlich Software-Systemen
DE102022206273A1 (de) Verfahren zum Trainieren eines maschinellen Lernmodells zum Implementieren einer Steuerungsvorschrift
WO2021156241A1 (de) Vorrichtung zur steuerung und/oder zur überwachung einer technischen anlage
EP3907574A1 (de) Verfahren zur generierung von einer erklärung zu einer vorgenommenen entscheidung eines fertigungssteuerungssystems
DE102021210933A1 (de) Computerimplementiertes Verfahren und Recheneinheit zum Steuern eines Gerätes durch Spracheingabe
DE102022119202A1 (de) Verfahren und System zur Koordination kollaborativer Roboter mit Nutzlast-/Ladungs-/Prioritätsbewusstsein sowie kollaborativer Roboter
WO2008077358A1 (de) Geräteverbund mit einem automatisierungsgerät und einem bediengerät sowie verfahren zum betrieb eines solchen geräteverbunds
DE102025137737A1 (de) System und verfahren für eine bei der herstellung verwendeten kognitiven architektur

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20230724

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20251204