Roboter greift intuitiv und bewegt Gegenstände wie ein Mensch

„Objekt drehen ist gut. Objekt fallen lassen ist schlecht“

Die Wissenschaftlerinnen und Wissenschaftler nutzen sogenanntes Deep Reinforcement Learning. Das bedeutet, Justin lernt völlig eigenständig alleine durch Vorgabe, was richtig oder falsch ist. In dieser Anwendung zum Beispiel durch „Das Objekt in Richtung Zielvorgabe drehen ist gut” und „Das Objekt fallen lassen ist schlecht“. Das maschinelle Lernen von Geschicklichkeiten dauert nur zwei bis drei Stunden in einer Simulation. Dann beherrscht Justin die Aufgabe. Die Bewegungsstrategie für die Finger entwickelt er dabei ganz ähnlich wie ein Mensch durch Ausprobieren. „Der Roboter kann seine Lösungen in der realen Umgebung anschließend direkt umsetzen. Auch wir als Forschende sind oft überrascht. Die Möglichkeiten unserer neuen lernenden KI-Methoden sind faszinierend“, sagt Berthold Bäuml.

Tausende Beispiele für zehntausende Dinge

Zusätzlich ist eine weitere Premiere in der KI-Robotik gelungen: Justin greift beliebige Objekte mit seiner mehrfingrigen Hand. Hier haben die Forschenden zwei wesentliche Probleme durch KI gelöst. Aus 50.000 Beispielen hat der Roboter ein sogenanntes „Foundational Model“ gelernt, wodurch er von der sichtbaren Vorderseite auf die Form der Rückseite schließen kann. Justin hat also ein Verständnis für 3D-Formen erworben. Als Zweites kann Justin eine optimale Position der Hand finden und seine insgesamt zwölf Fingergelenke passend einstellen. Menschen greifen Gegenstände intuitiv. Um diese Intuition auch dem Roboter zu vermitteln, wurde eine weitere KI mit tausenden Beispielen für zehntausende Objekte gefüttert. „Die Berechnung benötigte einige Tage. Aber jetzt kann der Roboter den richtigen Griff innerhalb von Sekundenbruchteilen abrufen“, erklärt Berthold Bäuml. Auf der automatica hat Justin seine Fingerfertigkeit schon mit Gegenständen gezeigt, die aus dem Publikum gereicht wurden.

„Die Arbeiten zur KI-basierten geschickten Manipulation stellen einen weltweiten wissenschaftlichen Durchbruch dar. Noch nie waren Hände in der Lage, eine so große Vielzahl von Objekten so schnell und so präzise zu manipulieren. Der Erfolg war nur durch den kombinierten Einsatz von neuesten KI-Methoden mit modelbasierten methodischen Ansätzen und langjähriger Robotik-Erfahrung möglich“, sagt Prof. Alin Albu-Schäffer, Direktor des DLR-Instituts für Robotik und Mechatronik. „Bisher ging man häufig davon aus, dass man zum Erlernen von geschickter Objekthandhabung mit Roboterhänden eine sehr große Menge an Daten braucht. Im Gegensatz zu den Daten für Large Language Models, sind Experimentdaten in der Robotik, selbst wenn man sie durch Simulation erzeugt, sehr aufwendig. Das DLR-Forschungsteam hat nun einen Weg gefunden, weniger Daten zu benötigen, indem es mehr Robotik-Wissen und eine neue Lernarchitektur nutzt. So kann das Team diese Modelle sogar auf einfachen Rechnern trainieren und braucht keinen großen Cluster.“

Chancen für die industrielle Produktion und die Pflege

Der nächste große Schritt der Robotik könnte in der industriellen Fertigung erfolgen. Mehrfingrige Roboterhände könnten sehr komplexe und kleine Teile montieren, wenn sie die flexible, standardmäßig intelligente Manipulation beherrschen. DLR-Forschende arbeiten daran zum Beispiel im Projekt „SmartHand“.

Robotische Assistenten sind auch in der Pflege ein Thema. Sie könnten in der Zukunft Pflegekräfte entlasten und Menschen mit Einschränkungen ein höheres Maß an Selbstständigkeit im Alltag zurückgeben. Dazu sind die am DLR erarbeiteten Fähigkeiten der intelligenten Manipulation ebenfalls grundlegend. Das gilt zum Beispiel, wenn es um das sichere Greifen von Tassen, Schüsseln, Schachteln oder anderen vielfältig geformten Haushaltsgegenständen geht.