Ziel des „Rob-aKademI“-Projekts ist es deshalb, die Roboterprogrammierung mithilfe von maschinellem Lernen (ML) deutlich zu vereinfachen und in großen Teilen zu automatisieren. Der Roboter erkundet autonom seine Umgebung und kann seine Verhaltensweise selbstständig ableiten und optimieren. Diese Lernprozesse finden in einer Simulationsumgebung statt, in der die reale Produktionsumgebung als digitaler Zwilling modelliert wird. Im Projekt wird eine integrierte Physiksimulation umgesetzt, die die realitätsnahe Simulation von Produktionsprozessen ermöglicht. Ein hybrides Machine Learning Framework leitet als Programmiergerüst den Roboter in der Simulation an. Es werden drei applikationsspezifische Lernmodule entwickelt, die das Expertenwissen über die Roboterprogrammierung und die auszuführende Montageoperation kapseln: Das „Perzeptionsmodul“ für Objekterkennung, das Lernmodul „Kraftgeregeltes Fügen“ für robuste Fügestrategien und das Lernmodul „Schnappverbindungen“ mit einem detaillierten Fügemodell. Mit diesen Technologien werden robuste Roboterprogramme für die Übertragung in die Realität erstellt. Die entwickelten Technologien werden anhand von zwei praxisorientierten erweiterten Anwendungsfällen validiert, beispielsweise im Bereich der Schaltschrankmontage.