Dank KI: Mehr Körpergefühl für Industrieroboter
Künstliche Intelligenz könnte Industrieroboter geschickter machen. Ein Forschungsteam des Massachusetts Institute of Technology (MIT) hat herausgefunden, wie sie Aufgaben mit einer hohen Zahl an Kontaktereignissen besser und effizienter bewältigen.
Ein Roboter dreht einen Eimer um 180 Grad: Für diese hochkomplexe Koordinationsleistung haben MIT-Forschende eine extrem effiziente KI-Lösung entwickelt.
Foto: MIT / mit Genehmigung der Forschenden
Sie montieren, schweißen, lackieren, verpacken, prüfen und transportieren: Über 3,5 Millionen Industrieroboter schrauben und werkeln heute weltweit in den Fabriken, so viele wie nie zuvor. Die weitaus meisten von ihnen sind in der Automobilindustrie „beschäftigt“. Aber auch in der Lebensmittelproduktion oder der Herstellung von Elektronik ist die Automation weit fortgeschritten. Und die Nachfrage steigt, auch in Europa: 2022 wurde knapp 72.000 neue Industrieroboter in der Europäischen Union in Betrieb genommen, sechs Prozent mehr als im Vorjahr, nach vorläufigen Zahlen der International Federation of Robotics (IFR). Mehr als ein Drittel davon wurden in Deutschland installiert, dem Roboterland Nummer Eins in der EU.
Echter Transformer: Bioinspirierter Roboter fliegt, rollt oder geht
Nicht nur beim Absatz von Industrierobotern ist derzeit viel in Bewegung, sondern auch in der Entwicklung. Zu den wichtigsten Zukunftstrends der Robotik zählt dabei der Einsatz von maschinellem Lernen und künstlicher Intelligenz. Roboter sollen kollaborativer werden und besser mit unvorhersehbaren und komplexen Anforderungen zurechtkommen. Für eine solche Anforderung haben Forschende des MIT jetzt eine neue Lösung entdeckt.
Herausforderung „kontaktreiche Manipulation“
Das Ziel des Forschungsteams: Roboter dazu zu befähigen, leicht mit Arbeiten zurecht zu kommen, die Menschen dank der Körperbeherrschung einfach bewältigen. Ein Beispiel dafür: Sie heben eine Kiste an, balancieren sie dann auf den Unterarmen und tragen sie, an die Brust gelehnt, an ihr Ziel.
Was für uns Menschen selbstverständlich scheint, ist für die Programmierung eines Roboters ein hochkomplexes Problem. Jede winzige Stelle, an der die Kiste Finger, Armen und Oberkörper berühren könnte, stellt eine von Milliarden möglichen Berührungspunkten dar, auf die der Roboter jeweils unterschiedlich reagieren muss – eine kaum zu bewältigende Herausforderung. Der Prozess ist auch als „kontaktreiche Manipulationsplanung“ bekannt.
KI vereinfacht dem Roboter die Entscheidung
Die Wissenschaftlerinnen und Wissenschaftler vom MIT haben nun einen Weg gefunden, ihn extrem zu vereinfachen: mit Hilfe Künstlicher Intelligenz (KI). Dazu nutzen sie eine KI-Methode, die Glättung (englisch: „smoothing) genannt wird. Mit ihr lässt sich die Zahl aller denkbaren Kontaktereignisse auf eine geringere Anzahl reduzieren, so dass ein einfacher Algorithmus schnell einen Handlungsplan für den Roboter ermitteln kann.
„Der gesamte Prozess der Entscheidungsfindung und der Erstellung von kontaktreichen Plänen könnte sich auf diesem Weg beschleunigen lassen“, erklärt H.J. Terry Suh, Doktorand der Elektrotechnik und Informatik am MIT und Teil des Forschungsteams. Das bedeutet neue Chancen für die Zukunft: den Einsatz kleinerer, mobiler Industrieroboter in Fabriken, die Objekte mit ihren Armen oder „Körpern“ umfassen oder souverän bewegen – statt sie nur mit den Fingerspitzen ihrer Roboterarme zu greifen. Das könnte auch zu einem geringeren Energieverbrauch beitragen.
Warum Verstärkungslernen allein nicht reicht
Die Fachleute aus dem MIT-Team prüften zunächst das Verstärkungslernen für ihr Ziel. Bei dieser Methode aus dem maschinellen Lernen trainiert man den Roboter durch Versuch und Irrtum: Er erhält eine Belohnung, wenn er seinem Ziel näher kommt. Bei weniger komplexen Manipulationsplanungen war die Technik bereits erfolgreich eingesetzt worden – für das neue Forschungsvorhaben erwies sie sich als überfordert. Das ist keine Überraschung: Wenn ein Roboter herausfinden will, wie er Finger, Hände, Arme und Körper zu einer Interaktion mit einem Gegenstand einsetzen soll, muss er über Milliarden möglicher Kontaktpunkte „nachdenken“. Das erfordert einen gigantisch hohen Aufwand an Rechenleistung und Zeit.
Doch die Forschenden fanden eine Lösung, diesen zu reduzieren. Dazu analysierten sie zunächst, was das Verstärkungslernen so wirksam macht. Sie fanden heraus, dass die KI-Technik der Glättung, ein impliziter Bestandteil des Verstärkungslernen, die gute Performance möglich macht.
Kombinierte Methode macht Industrieroboter handlungsfähig
Was dahintersteckt: Beim Verstärkungslernen werden viele Kontaktpunkte ausprobiert und ein sogenannter gewichteter Durchschnitt der Ergebnisse berechnet. Das führt dazu, dass eine große Zahl von unwichtigen Zwischenentscheidungen, die ein Roboter beim Umgang mit einem Gegenstand treffen könnte, bei der Glättung einfach gestrichen werden. Übrig bleiben wenige wichtige Entscheidungen. Dieses Erfolgsrezept aus dem Verstärkungslernen bildeten die Forschenden in einem einfachen Modell einer herkömmlichen physikalisch basierten Planungsmethode nach. Auch ihr eigenes, neues Modell konzentriert sich auf die wichtigsten Interaktionen zwischen Industrieroboter und Objekt und kann langfristiges Verhalten vorhersagen.
Für ihre anspruchsvolles Ziel reichte dies jedoch noch immer nicht. Auch die verbleibenden Möglichkeiten stellten für den Industrieroboter eine große Herausforderung dar. Deshalb kombinierte das Team die Methode mit einem Algorithmus, der schnell und effizient alle möglichen Entscheidungen durchsucht. Ihren Ansatz testeten sie in Simulationen, bei denen die Hände eines Industrieroboters eine Tür öffnen, einen Teller aufnehmen oder einen Stift in eine gewünschte Konfiguration bewegen sollte. Das Ergebnis: Sie erzielten die gleiche Leistung wie mit dem Verstärkungslernen – nur viel schneller. Die Rechenzeit auf einem gewöhnlichen Laptop sank auf nur eine Minute. In Tests, bei denen sie ihr Modell an echten Roboterarmen ausprobierten, erzielten sie ähnliche Resultate.
Neue Perspektiven für die Robotik
Bisher seien die meisten Forschenden der Meinung, dass Verstärkungslernen der einzige Ansatz für geschickte Hände geeignete Ansatz sei. Das Team habe jedoch gezeigt, dass auch herkömmliche Planungsmethoden sehr gut funktionieren könnten, wenn man das Schlüsselprinzips aus dem Verstärkungslernen übernehme, eben die Glättung.
Allerdings hat das neu entwickelte Modell Grenzen. Es basiert auf einer einfachen Annäherung an die reale Welt, die keine sehr dynamischen Bewegungen bewältigen kann. Damit liegt es noch in weiter Ferne, dass ein Industrieroboter mit dieser Methode etwa in der Lage wäre, eine Dose in einen Mülleimer zu werfen. Für die Zukunft planen die Forschenden, ihre Technik so zu verbessern, dass sie diese hochdynamischen Bewegungen bewältigen kann.
Mehr zum Thema Robotik:
Ein Beitrag von:
