Machine Learning: Industrieroboter spielt Jenga

Industrieroboter sind für Serienproduktionen beispielsweise in der Autoindustrie zwar unverzichtbar geworden, doch ihre Einsatzmöglichkeiten waren lange Zeit auf festgelegte Tätigkeiten beschränkt. Das ändert sich vor allem durch maschinelles Lernen (Machine Learning). Industrieroboter werden flexibler und anpassungsfähiger – sie sind zunehmend in der Lage, auf individuelle Gegebenheiten zu reagieren. Wissenschaftler am Massachusetts Institute of Technology (MIT) haben einem Roboter jetzt sogar das selbstständige Spielen von Jenga beigebracht. Die Fähigkeiten, die er dafür benötigt, könnten für Produktionsschritte eingesetzt werden, bei denen es sowohl auf ein gutes Auge als auch auf einen gefühlvollen Umgang mit Kraft ankommt.

Roboter kämpfen mit sich verändernden Bedingungen in der Produktion

Der Absatz an Industrierobotern ist in den vergangenen Jahren deutlich gestiegen. Die International Federation of Robotics (IFR) hat für 2017 ein Plus von 30 % im Vergleich zum Vorjahr verzeichnet. Bis 2020 sollen weltweit sogar mehr als 3,05 Millionen Industrieroboter arbeiten. Auch Deutschland ist bei ihrem Einsatz ganz vorne mit dabei. Die hauptsächlichen Ursachen für diesen Trend sind laut IFR in der Digitalisierung zu sehen sowie in besseren Möglichkeiten zur Zusammenarbeit zwischen Robotern und Menschen. Diese Entwicklung treibt das MIT mit seinen Ergebnissen einen weiteren Schritt voran. Denn Anpassungsfähigkeit ist die wichtigste Eigenschaft, damit Industrieroboter und Fachkräfte in der Produktion direkt miteinander agieren können. Beim Jenga zeigt der Roboter, wie gut er sich auf Veränderungen einstellen kann.

Für eine Maschine ist Jenga ein schweres Spiel: Einzelne Holzstückchen müssen aus einem Turm entfernt werden, ohne dass dieser fällt. Dabei verlagern sich mit jedem Spielschritt die Gleichgewichtsverhältnisse. Menschliche Spieler testen durch sanftes Antippen oder Schieben immer wieder neu, welches Holzstück wenig Druck ausgesetzt ist. Genau dieses Verhalten haben die Forscher am MIT ihrem Industrieroboter beigebracht.

Jenga-Roboter verwertet Daten in Echtzeit

Ausgestattet haben die Forscher den Industrieroboter dafür mit einer weichen Spitze inklusive Berührungssensoren. Diese Spitze misst den Kraftaufwand, während sie vorsichtig ein Holzteil anschiebt. Außerdem besitzt der Roboter einen sensiblen Greifer und eine externe Kamera. Der Roboter kann die einzelnen Blöcke also sowohl sehen als auch fühlen. Mit seiner Spitze tippt er die Blöcke sanft an und zieht sie mit dem Greifer heraus, falls der Widerstand nicht zu groß sein sollte. Er lernt also in Echtzeit, ob er weiter drücken kann oder zu einem anderen Holzstück wechseln muss. Nach einem abgeschlossenen Spielzug, wechselt er zu einer anderen Ecke oder Seite des Turms, um das Gleichgewicht nicht zu gefährden.

Alberto Rodriguez, Assistenzprofessor am Institut für Maschinenbau am MIT, betont, dass es zwar durchaus üblich sei, dass Industrieroboter visuelle Hinweise verarbeiteten, nicht aber zusätzlich physische Interaktionen über Tastreize. „Im Gegensatz zu rein kognitiven Aufgaben oder Spielen wie zum Beispiel Schach erfordert Jenga auch die Beherrschung körperlicher Fähigkeiten wie Prüfen, Schieben, Ziehen, Platzieren und Ausrichten von Teilen, also eine interaktive Wahrnehmung und Manipulation, bei der es nötig ist, den Turm zu berühren, um herauszufinden, wie und wann die Blöcke verschoben werden können“, sagt Rodriguez. „Das ist sehr schwer zu simulieren, daher muss der Roboter in der realen Welt lernen, indem er mit dem echten Jenga-Turm interagiert. Die wichtigste Herausforderung besteht darin, aus einer relativ kleinen Anzahl von Experimenten zu lernen – als würde der gesunde Menschenverstand über die Objekte urteilen.“

Spielender Industrieroboter lernt durch selbstständiges Ausprobieren

Das Herzstück des spielenden Industrieroboters ist natürlich seine Programmierung. Dabei sind die Wissenschaftler einen ungewöhnlichen und gleichzeitig effizienten Weg gegangen. Herkömmliche Lernprogramme werden mit extrem vielen Infos gefüttert. In diesem Fall hätten die Daten alles enthalten, was möglicherweise zwischen einem Holzstück, dem Roboter und dem Turm passieren könnte. Dafür wären Messergebnisse von Tausenden, wenn nicht Zehntausenden von Versuchen nötig gewesen. Stattdessen orientierten sich die Forscher am menschlichen Verstand bei diesem Spiel: In einer Schulungsphase drückte der Roboter mit seiner Spitze gegen einen zufällig ausgewählten Block, zeichnete die Kraft auf und registrierte, ob der Versuch erfolgreich war.

Die Wissenschaftler führten dafür aber nicht Tausende Versuche durch, sondern nur etwa 300 und ließen das Programm ähnliche Messungen und Ergebnisse in Clustern gruppieren, die ein bestimmtes Verhalten des Holzstückchens repräsentierten. Für jedes Cluster entwickelte der Roboter ein einfaches Modell, um das Ergebnis vorherzusagen. Laut dem Forscherteam habe das die Lerneffizienz des Industrieroboters so extrem erhöht, dass er das Spiel schließlich selbstständig ausüben konnte.

Das Lernsystem, das die Forscher entwickelt haben, kann für verschiedene Anwendungen eingesetzt werden, die eine sorgfältige physische Interaktion erfordern. Beispielsweise könnten Industrieroboter nach diesem Verfahren Müll trennen und dabei wiederverwertbare Objekte aussortieren. Oder sie könnten in sensiblen Bereichen der Fertigung tätig werden. Als Beispiel nennt Rodriguez die Herstellung von Mobiltelefonen, wobei das Eindrehen sehr kleiner Gewindeschrauben Tastsinn mit viel Feingefühl erfordere.