Automatisierte Roboter übernehmen oft starre Arbeitsabläufe in strukturierten und abgeschirmten Umgebungen, insbesondere in der industriellen Produktion und der Logistik. Durch die Verzahnung von Robotik mit KI-Methoden wie dem maschinellen Lernen werden Roboter lernfähig. Sie können zunehmend komplexe Aufgaben in sich verändernden Umgebungen übernehmen und in enger Kooperation mit dem Menschen agieren.
„Die möglichen Aufgaben, die Roboter in Zukunft im Alltag übernehmen können, sind vielfältig – ebenso wie die Vorlieben ihrer Benutzer, auf welche Weise sie durch einen Roboter unterstützt werden wollen. Dies macht eine reine Vorprogrammierung zukünftiger Roboter fast unmöglich. Die Fähigkeit, neue Aufgaben in Interaktion mit Menschen zu erlernen, wird daher zu einer Schlüsselkomponente für die Entwicklung intelligenter Robotersysteme“, sagt Dorothea Koert, Forscherin an der Technischen Universität Darmstadt.
Roboter könnten etwa durch Demonstrationen lernen, indem ein Mensch ihnen ihre Aufgabe vorführt, oder sie verbessern bereits Erlerntes durch menschliches Feedback. Mittels generativer KI lassen sich Roboter auch durch natürliche Sprache statt durch Code bedienen.
Doch auf dem Weg in die Praxis müssen lernfähige Robotiksysteme noch viele Herausforderungen meistern. „Roboter haben in den letzten zehn Jahren beispiellose Leistungssprünge erzielt. Beim Roboterlernen existieren jedoch immer noch scheinbar unlösbare Hürden, wie zum Beispiel die Tatsache, dass maschinelles Lernen nicht in der Lage ist, das Verständnis unserer physikalischen Realität zu nutzen“, sagt Sami Haddadin, Executive Director des Munich Institute of Robotics and Machine Intelligence an der Technischen Universität München.
In einem Webspecial bietet die Plattform Lernende Systeme Einblicke in die Potenziale aber auch die Grenzen lernfähiger Robotik. Unter anderem beleuchten Expertinnen und Experten der Plattform Chancen und Hürden. Das neue Webangebot ist hier aufrufbar.
