Proof of Concept Künstliche Intelligenz für flexible Roboter

Professor Jan Peters hat in dem Projekt „AssemblySkills“ an dem Einsatz von Künstlicher Intelligenz für autonomes Lernen von Robotern geforscht. Für seine Forschung wurde er nun mit einem „Proof of Concept“-Grant vom Europäischen Forschungsrat in Höhe von 150.000 Euro ausgezeichnet.

Firmen zum Thema

Technische Universität Darmstadt

MIP Ges. für EDV-Beratung und Management-Training mbH

Insider Research

Heutige Roboter werden so programmiert, dass sie wenige Aufgaben viele tausende Male wiederholen. Allerdings sollen Roboter zukünftig auch flexibler und vielseitiger einsetzbar werden. Dafür müssen sie jedoch in der Lage sein, tausende komplexe, motorische Aufgaben nur wenige Male auszuführen. Dafür gestaltet sich die Programmierung eines Roboters durch einen Menschen aber noch sehr zeitaufwändig und herausfordernd und ist mit hohen Kosten verbunden. Künstliche Intelligenz kommt in der Praxis eher selten zum Einsatz. Eine manuelle Programmierung ist deshalb inzwischen zu einem Engpass beim Einsatz von Robotern geworden.

Das ERC-Proof-of-Concept-Projekt „AssemblySkills“ beschäftigt sich mit der Befähigung von Robotern mit einem künstlich-intelligenten Ansatz zum autonomen Lernen solcher komplexen Aufgaben. Mit dem Projekt soll nachgewiesen werden, dass ein autonomes intelligentes System zum Erlernen von Fertigkeiten Roboter in die Lage versetzen kann, eine Vielzahl von motorischen Fähigkeiten für spezifische Anwendungen zu erwerben und zu verbessern.

Roboter erlernen komplexe Aufgaben

Das Projekt „AssemblySkills“ baut auf den Methoden der künstlichen Intelligenz auf, die im Rahmen des ERC-Starting-Grants „SKILLS4ROBOTS – Policy Learning of Motor Skills for Humanoid Robots“ entwickelt wurden. Das Ergebnis des Projektes war eine strukturierte, modulare Steuerungsarchitektur, die das Potenzial hat, das Roboterlernen auf komplexere Aufgaben in der realen Welt zu skalieren. In dieser modularen Steuerungsarchitektur werden elementare Bausteine – Bewegungsprimitive genannt – gleichzeitig angepasst, sequenziert oder koaktiviert, um die Aufgaben des Roboters zu erfüllen.

Das Vorhaben „AssemblySkills“ hat es nun zum Ziel, diese Module zu einem kompletten Softwarepaket zusammenzufassen. Dieses soll anwendungsgesteuerten Robotern das Erlernen neuer Fähigkeiten – insbesondere bei Montageaufgaben – ermöglichen. Ziel der Forschung im Rahmen des Grants ist die Entwicklung eines kosteneffektiven, neuartigen maschinellen Lernsystems, das das Potenzial von Fertigungsrobotern freisetzen kann, indem es sie in die Lage versetzt zu lernen, parametrisierte Bausteine, wie zum Beispiel Bewegungsprimitive, auszuwählen, anzupassen und zu sequenzieren. Der Ansatz des Forschungsteams um Professor Jan Peters kann mehr als nur eine einzige gewünschte Bahn erfassen, wie dies bei konkurrierenden Ansätzen der Fall ist. Außerdem erspart er die Anpassung von Richtlinien, benötigt nur wenige Daten und kann dem Roboterbedienenden die Lösung erklären.

Dieser Artikel stammt von unserem Partnerportal Industry of Things. Verantwortliche Redakteurin: Vivien Deffner

* Silke Paradowski arbeitet in der Stabsstelle Kommunikation und Medien an der Technischen Universität Darmstadt.

(ID:46882026)