Programmieren von Robotern für industrielle Tätigkeiten besteht aus Coden und anschließendem Testen. Darauf folgt das Neuschreiben. So oft, bis die Maschine einen Prozess zuverlässig ausführt. Das ist langwierig. „Einen Roboter einsatzbereit zu machen, darf in Zukunft nicht mehr länger dauern, als einen neuen Mitarbeiter einzulernen“, sagt Edgar Welte, Wissenschaftlicher Mitarbeiter am KIT. Um dieses Ziel zu erreichen, will das Team den Robotern menschliches Lernen beibringen. Ähnlich, wie Auszubildende von ihren Meisterinnen und Meistern lernen, soll ihr Robotergreifsystem dann von einem Operator lernen – etwa wie sie neue Werkzeuge nutzen, unterschiedliche Materialien anfassen, ganze Arbeitsschritte ausführen oder auf Veränderungen in Produktionsprozessen reagieren. „Wir setzen für unser System autonomes Imitation Learning und Deep Reinforcement Learning ein. Der Roboter lernt die Fähigkeiten durch die Interaktion mit dem Menschen intuitiv und sofort“, erklärt Junior-Professorin Rania Rayyes. Durch den Ansatz verkürzen sich neben dem ursprüngliche Programmierprozess auch Umrüstzeiten, so die Forschenden.
Kommunikation über die Daten
Im Zukunftslabor erfolgt die Kommunikation mit dem Roboter per Daten. Edgar Welte generiert diese durch seine Bewegungen mit dem HaptX-Glove und erklärt dem sechsachsigen Cobot damit, wie er sich drehen und Werkzeuge oder Werkstücke packen muss. Durch die 20 Stellmotoren kann die Shadow-Dextorous-Hand die menschliche Greifbewegungen fast exakt nachbilden. Die Drucksensoren in den mechanischen Fingern geben dem Operator direktes Feedback. Welte spürt durch kleine Luftpolster im Handschuh, sobald das Gewicht zunimmt oder das Werkzeug falsch in der Hand liegt. Fasst er nach, tut es ihm der Greifer gleich – in Echtzeit. Wie die Forschenden mitteilen, wird dies eine wichtige Funktion sein, wenn die Maschine später per KI selbstständig lernt.
www.icm-bw.de
