Das IFL am Karlsruher Institut für Technologie und der IAS an der Universität Stuttgart entwickeln gemeinsam einen anpassungsfähigen Roboter mit Greifsystem, der menschliche Fähigkeiten durch Nachahmung erlernt. Dafür haben sie mit dem ICM-Zukunftslabor HaptXDeep eine Forschungsinfrastruktur aufgebaut, finanziert aus Mitteln des InnovationsCampus Mobilität der Zukunft. Das Labor mit dem Komplettsystem der Firma Shadow Robot befindet sich in Karlsruhe.
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. „Durch die unmittelbaren Korrekturen können wir die Fähigkeiten unseres Systems schnell erweitern und ersparen uns Monate an Arbeit für die Neuprogrammierungen“, erklärt Rayyes.
Das Zukunftslabor HaptXDeep hat eine Doppelfunktion. Es ist die Hardware für die Erforschung und Entwicklung der Software-gestützten Technologien und gleichzeitig der Demonstrator für deren Funktionsfähigkeit. Welte will mit seiner Promotion zum Thema ’Interactive Imitation Learning for Dexterous Manipulation’ einen Beitrag zur Entwicklung des Gesamtsystems liefern. Daneben soll es in HaptXDeep weitere Projekte zur Sensorik, alternativen Teleoperationsmethoden wie Gestenerkennung über Motion Tracking oder zur Regelung der unterschiedlichen Finger geben. Das schließt auch Kooperationen mit Unternehmen oder anderen Hochschulinstituten ein. „HaptXDeep soll in der Forschung möglichst viele Türen öffnen“, erklärt Rayyes.
In einem Kooperationsprojekt mit der Gruppe um Juniorprofessor Andrey Morozov am IAS der Universität Stuttgart wollen die Forschenden Methoden entwickeln, um die Sicherheit und die Zuverlässigkeit des anpassungsfähigen Roboters zu gewährleisten. Fehlerinjektion über digitale Zwillingen werden als Testverfahren des Systems zum Einsatz kommen, Deep-Learning-Systeme sollen dem Roboter helfen Anomalien selbst zu erkennen und damit Fehler vorherzusagen. Das Ziel: Der Roboter soll Fehler auf Basis des erlernten irgendwann auch autonom korrigieren können. Entwickelt wird dieser Teil der Software in Stuttgart und getestet im Reallabor des IFL am KIT.
