Machine Learning 09.03.2020, 07:00 Uhr

Roboter imitiert bei komplexen Aufgaben das menschliche Verhalten

Mehrdeutige Situationen wie das Decken eines Tisches stellen Roboter vor Herausforderungen. Ein Algorithmus hilft ihnen bei mehrdeutigen Aufgaben, berichten MIT-Forscher. Er orientiert sich an der Arbeitsweise von Menschen.

Durch die Beobachtung von Menschen lernen Roboter, komplexe Aufgaben wie das Decken eines Tisches auszuführen.
Foto: Christine Daniloff, MIT

Durch die Beobachtung von Menschen lernen Roboter, komplexe Aufgaben wie das Decken eines Tisches auszuführen.

Foto: Christine Daniloff, MIT

Bislang entwickeln Ingenieure nicht nur Roboter, sondern implementieren Bewegungsabläufe in deren Software. „Unsere Vision ist es, die Programmierung in die Hände von Fachgebietsexperten zu legen, die Roboter auf intuitive Weise programmieren können, anstatt einem Ingenieur Befehle zu beschreiben, die er ihrem Code hinzufügen soll“, sagt Ankit Shah vom Massachusetts Institute (MIT) in Cambridge. „Fabrikarbeiter können einem Roboter beibringen, komplexe Montageaufgaben auszuführen. Und Haushaltsroboter können von Menschen lernen, wie man Schränke stapelt, die Spülmaschine belädt oder den Tisch deckt.“  

Diesem Ziel sind MIT-Forscher jetzt ein Stück nähergekommen. Sie haben ein spezielles System entwickelt, „Planning with Uncertain Specifications“ (PUnS) genannt. Es soll Robotern die menschliche Fähigkeit näherbringen, viele, eventuell mehrdeutige Möglichkeiten der Planung abzuwägen, um ein Ziel zu erreichen. PUnS arbeitet mit Wahrscheinlichkeiten, um eine Aktion aus mehreren Optionen auszuwählen.

Für Roboter schwierig: den Tisch im Labor decken

Shahs Team entwickelte dafür eine besondere Aufgabe. Acht Objekte, nämlich ein Becher, ein Glas, ein Löffel, eine Gabel, ein Messer, ein Essteller, ein kleiner Teller und eine Schüssel, sollten auf verschiedene Art und Weise am Tisch drapiert werden.

Im ersten Schritt „beobachtete“ ein Roboter zufällig ausgewählte menschliche Handlungen beim Decken des Tischs. Dann beauftragten Forscher ihre Maschine damit, den Tisch automatisch in einer bestimmten Konfiguration zu decken, und zwar in realen Experimenten und in der Simulation.

Stellenangebote im Bereich Automatisierungstechnik

Automatisierungstechnik Jobs
Technische Hochschule Deggendorf-Firmenlogo
Professor / Professorin (m/w/d) Konstruktion / Konstruktionsmethodik / Produktdatenmanagement Technische Hochschule Deggendorf
Deggendorf Zum Job 
Neenah Gessner GmbH-Firmenlogo
Techniker Maschinenbau (m/w/d) Neenah Gessner GmbH
Bruckmühl Zum Job 
VIVAVIS AG-Firmenlogo
Sales Manager Bahn (m/w/d) VIVAVIS AG
Berlin, Home-Office Zum Job 
PFISTERER Kontaktsysteme GmbH-Firmenlogo
High Voltage Testing Specialist (w/m/d) PFISTERER Kontaktsysteme GmbH
Winterbach Zum Job 
Celonic Deutschland GmbH & Co. KG-Firmenlogo
Technical Team Manager (w/m/d) Qualification & Asset Change Control Celonic Deutschland GmbH & Co. KG
Heidelberg Zum Job 
THU Technische Hochschule Ulm-Firmenlogo
W2-Professur "Elektrische Antriebe" THU Technische Hochschule Ulm
Mercer Stendal GmbH-Firmenlogo
Ingenieur / Techniker (m/w/d) Automatisierungstechnik Mercer Stendal GmbH
Arneburg Zum Job 
Mercer Stendal GmbH-Firmenlogo
Betriebstechniker (m/w/d) Prozessleittechnik Mercer Stendal GmbH
Arneburg Zum Job 
Solventum Germany GmbH-Firmenlogo
Prozessingenieur Automatisierungstechnik / Mechatronik / Maschinenbau (m/w/*) Solventum Germany GmbH
Seefeld Zum Job 
Josefs-Gesellschaft gAG-Firmenlogo
Leitung (m/w/d) Gebäudemanagement Josefs-Gesellschaft gAG
Hochheim am Main, Rüdesheim am Rhein, Oberursel Zum Job 
Desitin Arzneimittel GmbH-Firmenlogo
Projektmanager Gebäudeautomation (m/w/d) Desitin Arzneimittel GmbH
Hamburg Zum Job 
Desitin Arzneimittel GmbH-Firmenlogo
Projektmanager TGA (m/w/d) Desitin Arzneimittel GmbH
Hamburg Zum Job 
Wirtgen GmbH-Firmenlogo
Project Manager Product Lifecycle Management (m/w/d) Wirtgen GmbH
Windhagen Zum Job 
über ifp | Executive Search. Management Diagnostik.-Firmenlogo
COO (m/w/d) über ifp | Executive Search. Management Diagnostik.
Ostdeutschland Zum Job 
Berliner Stadtreinigungsbetriebe (BSR)-Firmenlogo
Projektingenieurinnen / Projektingenieure (w/m/d) Elektrotechnik Berliner Stadtreinigungsbetriebe (BSR)
NVL B.V. & Co. KG-Firmenlogo
Systemingenieur (m/w/d) für Marineschiffe - Integration von Navigationssystemen NVL B.V. & Co. KG
Bremen / Lemwerder Zum Job 
Stadtwerke Bayreuth Holding GmbH-Firmenlogo
Referent Kommunale Wärmeplanung (m/w/d) Stadtwerke Bayreuth Holding GmbH
Bayreuth Zum Job 
Helmholtz-Zentrum Berlin für Materialien und Energie-Firmenlogo
Ingenieur (m/w/d) Projektkommunikation und -koordination Rückbau BER II Helmholtz-Zentrum Berlin für Materialien und Energie
Stadtwerke Münster-Firmenlogo
Maschinenbauingenieur (m/w/d) im Bereich Energieerzeugung Stadtwerke Münster
Münster Zum Job 
ONTRAS Gastransport GmbH-Firmenlogo
Planungsingenieur (m/w/d) ONTRAS Gastransport GmbH
Leipzig Zum Job 

Um erfolgreich zu sein, musste der Roboter viele mögliche Abfolgen der Handlungen berücksichtigen. Das gelang, selbst wenn die Gegenstände absichtlich entfernt, gestapelt oder versteckt worden waren. Wie Shah berichtet, sei dies bei klassischer Programmierung kaum möglich; es komme zu hohen Fehlerraten.

Mit linearer temporaler Logik Handlungen planen

Zum Hintergrund: Bei Entscheidungsaufgaben sind Ansätze des Reinforcement Learning (des bestärkenden Lernens) bekannt. Darunter versteht man Methoden des maschinellen Lernens, bei denen ein Roboter selbstständig eine Strategie erlernt, um „Belohnungen“ zu maximieren. Er bekommt zu bestimmten Zeitpunkten Rückmeldung in Form von „Strafen“ oder „Belohnungen“. Das ist aber nur möglich, falls man klare Kriterien für den Erfolg oder den Misserfolg definieren kann – also nicht generell bei Aufgaben im Haushalt. Schließlich kann man den Tisch – bei gleicher Anordnung der Gegenstände – mit unterschiedlichen Handlungen decken.

Deshalb arbeiten die Forscher mit PUnS („Planning with Uncertain Specifications“). Es basiert auf der linearen temporalen Logik (LTL, Linear Temporal Logic). In LTL können Formeln über die Zukunft von Ereignispfaden aufgestellt werden. Ein Kriterium könnte sein, dass eine Bedingung irgendwann wahr wird oder eine Bedingung wahr bleibt, bis eine andere Bedingung erfüllt wird („der Tisch wurde gedeckt, wenn acht Gegenstände nach einem Muster darauf liegen“).

Die Beobachtungen des Roboters bei 30 menschlichen Demonstrationen mit Geschirr und Besteck ergaben 25 verschiedene LTL-Formeln. Jede Formel kodierte eine etwas andere Präferenz – oder Spezifikation – für die Aufgabe. Unterschiede gibt es im Kompromiss zwischen Flexibilität und Risiko. Darüber sollen später dann die Anwender selbst entscheiden.

Geringe Fehlerrate bei Tests im Labor  

Schließlich führten die Forscher 2.000 Simulationen und Experimente durch. Dabei machte ein Roboter, er sollte den Tisch in verschiedenen Varianten oder Abfolgen decken, nur sechs Fehler. Er zeigte ein ähnliches Verhalten wie Menschen bei dieser Aufgabe. Wenn beispielsweise ein Gegenstand anfangs nicht sichtbar war, beendete der Roboter das Decken an der Stelle, um andere Gegenstände zu greifen. Sobald er auf die Gabel stieß, sie war beispielsweise unter einem Teller, arbeitete er mit diesem Besteckteil weiter.

„Unser System zeigt eine hohe Flexibilität“, kommentiert Shah. „Sonst würde der Roboter stoppen, weil er ‚erwartet‘, ohne die Gabel den restlichen Tisch nicht eindecken zu können.“

Im nächsten Schritt wollen die Forscher ihr System so modifizieren, dass es Robotern hilft, unterschiedliche Signale zu verarbeiten. „Angenommen, eine Person führt einem Roboter vor, wie man einen Tisch an nur einer Stelle aufstellen kann. Die Person kann sagen, ‚mach das Gleiche für alle anderen Stellen‘ oder ‚leg das Messer hier stattdessen vor die Gabel’“, erklärt Shah. „Wir wollen Methoden entwickeln, mit denen sich das System auf natürliche Weise an diese verbalen Befehle anpassen kann, ohne dass zusätzliche Demonstrationen erforderlich sind.“

Lesen Sie auch:

Mehr zum Thema Robotik

Ein Beitrag von:

  • Michael van den Heuvel

    Michael van den Heuvel hat Chemie studiert. Unter anderem arbeitet er für Medscape, DocCheck, für die Universität München und für pharmazeutische Fachmagazine. Seit 2017 ist er selbstständiger Journalist und Gesellschafter von Content Qualitäten. Seine Themen: Chemie/physikalische Chemie, Energie, Umwelt, KI, Medizin/Medizintechnik.

Zu unseren Newslettern anmelden

Das Wichtigste immer im Blick: Mit unseren beiden Newslettern verpassen Sie keine News mehr aus der schönen neuen Technikwelt und erhalten Karrieretipps rund um Jobsuche & Bewerbung. Sie begeistert ein Thema mehr als das andere? Dann wählen Sie einfach Ihren kostenfreien Favoriten.