Künstliche Intelligenz: Maschinelles Lernen von Menschenhand
Robotergreifsysteme sind ein wichtiger Bestandteil moderner Automatisierungstechnologien, insbesondere in Branchen wie der industriellen Fertigung, Logistik oder Medizin. Wie ein Robotergreifsystem durch menschliche Imitation lernen sowie schnell und flexibel auf veränderte Anforderungen reagieren kann, erforschen Wissenschaftlerinnen und Wissenschaftler des Karlsruher Instituts für Technologie (KIT) sowie der Universität Stuttgart gemeinsam in einem neuen Zukunftslabor: HaptXDeep ist am Institut für Fördertechnik und Logistiksysteme (IFL) des KIT aufgebaut und wird vom InnovationsCampus Mobilität der Zukunft gefördert.
Greifsysteme, die wie Menschen lernen
„Einen Roboter einsatzbereit zu machen, darf in Zukunft nicht länger dauern, als neue Mitarbeitende einzulernen“, sagt Edgar Welte vom IFL des KIT, der dort zusammen mit Juniorprofessorin Rania Rayyes im Zukunftslabor forscht. Von Menschen sollen die Robotergreifsysteme lernen, neue Werkzeuge zu nutzen, unterschiedliche Materialien anzufassen, ganze Arbeitsschritte auszuführen und auf Veränderungen in Produktionsprozessen zu reagieren. „Wir setzen für unser System autonomes Imitation Learning und Deep Reinforcement Learning ein. So lernt der Roboter durch die Interaktion mit dem Menschen intuitiv und sofort“, erklärt Rayyes. Die Forschenden von der Universität Stuttgart entwickeln dabei Software für die Sicherheit und die Zuverlässigkeit des Roboters, die dann anschließend am IFL getestet wird.
Zukünftig soll es in HaptXDeep auch Projekte zur Sensorik, zur Gestenerkennung über Motion Tracking und zur Regelung der unterschiedlichen Finger bei Robotergreifarmen geben.
ase, 20.11.2024