Code Agents: AI-drivna end-to-end-lösningar för flexibel tillverkning

Viktiga resultat som projektet gav

Det primära målet med att generera robotkod uppnåddes genom att använda två RAG-modeller som är specialiserade på Python-baserad UR-skript och RAPID-kodgenerering. Den resulterande koden validerades med hjälp av en digital tvilling av en kittningsoperation. Dessutom utvecklades ett ramverk för AI-drivna agenter, kallade Verifikations- och Valideringsagenter, för att belysa deras individuella kapaciteter och definiera deras förväntade roller.

Långsiktiga effekter som förväntas

Det långsiktiga målet med detta projekt är uppdelat i två faser. Först planeras en utökning av Retrieval-Augmented Generation (RAG), en effektiv metod för att använda språkmodeller som ChatGPT med immaterialrättsskyddad data för att säkerställa dataintegritet. Nästa fas innebär att AI används för robotkodgenerering, i takt med att RAG-modellerna förbättras. Detta ska göra det möjligt för personer med begränsad erfarenhet av robotprogrammering att utveckla lösningar för robotapplikationer.

Upplägg och genomförande

Projektet var krävande och överskred budgeten för partnerna. Arbetet fortsatte ändå tack vare det stora intresset för AI-generering av kod och validering med Digital Twin-teknologi. Mindre förseningar i vissa mjukvarulösningar hanterades snabbt. Företagsbesök och workshops hölls med olika intressenter. Kommunikationskanaler hölls öppna, med möten varannan vecka i början och månadsvisa möten senare.