Lernen statt Programmieren. Roboter sollen künftig, wie Menschen, einfach in neue Tätigkeiten eingelernt werden. Amadeus Bramsiepe, KIT Roboter für industrielle Tätigkeiten zu programmieren ist derzeit ein langwieriger Prozess. Auf das Schreiben des Codes folgt das Testen und darauf das Modifizieren des Programms. Dies geschieht so oft, bis die Maschine einen Prozess wirklich zuverlässig ausführt. Gleiches gilt für die Umrüstzeiten der Roboter, wenn diese neue Tätigkeiten ausführen sollen. Im Zeitalter der Smart Factories, die teilweise mit sehr kleinen Losgrößen arbeiten und deshalb auf eine schnelle Anpassungsfähigkeit angewiesen sind, dauern solche Prozesse schlicht zu lang. Kürzere Rüstzeiten für Roboter „Einen Roboter einsatzbereit zu machen, darf in Zukunft nicht mehr länger dauern, als einen neuen Mitarbeiter einzulernen“, fordert deshalb Edgar Welte, Doktorand am KIT. Gemeinsam mit Juniorprofessorin Rania Rayyes hat er das ICM-Zukunftslabor HaptXDeep am Institut für Fördertechnik und Logistik Systeme (IFL) des KIT aufgebaut. Dort will das Forscherduo ein Robotergreifsystem entwickeln, das menschliche Tätigkeiten durch Imitation erlernt. Stichwort: Human Robot Learning. Neben den Karlsruhern beteiligt sich an den Forschungsarbeiten auch das Institut für Automatisierungstechnik und Softwaresysteme (IAS) der Universität Stuttgart. Ziel: Flexiblere Roboter Per Virtual-Reality-Handschuh gibt der Operator dem Roboter die zu lernenden Arbeitsschritte vor. Amadeus Bramsiepe, KIT Ziel ist es, gemeinsam einen lernenden Roboter mit einem Greifsystem zu entwickeln, der schnell und flexibel aber auch zuverlässig und sicher auf veränderte Anforderungen, Produktdesigns oder Materialien reagieren kann. Dabei sollen die Robotergreifsysteme von Menschen lernen, neue Werkzeuge zu nutzen, unterschiedliche Materialien anzufassen, ganze Arbeitsschritte auszuführen und auf Veränderungen in Produktionsprozessen zu reagieren. „Dazu setzen wir für unser System autonomes Imitation Learning und Deep Reinforcement Learning ein“, erklärt Juniorprofessorin Rayyes, „so lernt der Roboter durch die Interaktion mit dem Menschen intuitiv und sofort.“ Der lernende Roboter Im Zukunftslabor HaptXDeep kommunizieren die Forschenden mit dem Roboter per Daten. So generiert Welte durch seine Bewegungen mit einem Virtual-Reality-Handschuh Daten und erklärt damit dem sechsachsigen Cobot, wie er sich drehen und Werkzeuge oder Werkstücke packen muss. Durch die 20 Stellmotoren kann die Cobot-Hand die menschlichen Greifbewegungen fast exakt nachbilden. Drucksensoren in den mechanischen Fingern geben dem Operator ein direktes Feedback. Der Operator spürt wiederum durch kleine Luftpolster im Handschuh, sobald das Gewicht zunimmt oder das Werkzeug falsch in der Hand liegt. Fehler per KI erkennen KI gestützt soll der Roboter künftig Fehler autonom erkennen und verbessern. Amadeus Bramsiepe, KIT Dann fasst er sofort nach und der Greifer tut es ihm gleich. Der Forscher korrigiert so den Fehler des Roboters in Echtzeit. Auch das wird eine wichtige Funktion, wenn die Maschine später – gestützt auf ihre Künstliche Intelligenz – selbstständig lernen kann. Im Rahmen von Kooperationsprojekten – so ist etwa Bosch AI mit im Boot – wollen die Forschenden Methoden entwickeln, um die Sicherheit und die Zuverlässigkeit des anpassungsfähigen Roboters zu gewährleisten. So werden etwa Fehlerinjektion über digitale Zwillinge als Testverfahren des Systems zum Einsatz kommen. Deep-Learning-Systeme sollen dem Roboter zudem helfen, Anomalien selbst zu erkennen und damit Fehler vorherzusagen. Auf Basis des Erlernten soll der Roboter dann künftig Fehler autonom korrigieren können.
KI: Roboter sollen künftig vom Menschen lernen
Lernen statt Programmieren. Roboter sollen künftig, wie Menschen, einfach in neue Tätigkeiten eingelernt werden. Amadeus Bramsiepe, KIT Roboter für industrielle Tätigkeiten zu programmieren ist derzeit ein langwieriger Prozess. Auf das Schreiben des Codes folgt das Testen und darauf das Modifizieren des Programms. Dies geschieht so oft, bis die Maschine einen Prozess wirklich zuverlässig ausführt. Gleiches gilt für die Umrüstzeiten der Roboter, wenn diese neue Tätigkeiten ausführen sollen. Im Zeitalter der Smart Factories, die teilweise mit sehr kleinen Losgrößen arbeiten und deshalb auf eine schnelle Anpassungsfähigkeit angewiesen sind, dauern solche Prozesse schlicht zu lang. Kürzere Rüstzeiten für Roboter „Einen Roboter einsatzbereit zu machen, darf in Zukunft nicht mehr länger dauern, als einen neuen Mitarbeiter einzulernen“, fordert deshalb Edgar Welte, Doktorand am KIT. Gemeinsam mit Juniorprofessorin Rania Rayyes hat er das ICM-Zukunftslabor HaptXDeep am Institut für Fördertechnik und Logistik Systeme (IFL) des KIT aufgebaut. Dort will das Forscherduo ein Robotergreifsystem entwickeln, das menschliche Tätigkeiten durch Imitation erlernt. Stichwort: Human Robot Learning. Neben den Karlsruhern beteiligt sich an den Forschungsarbeiten auch das Institut für Automatisierungstechnik und Softwaresysteme (IAS) der Universität Stuttgart. Ziel: Flexiblere Roboter Per Virtual-Reality-Handschuh gibt der Operator dem Roboter die zu lernenden Arbeitsschritte vor. Amadeus Bramsiepe, KIT Ziel ist es, gemeinsam einen lernenden Roboter mit einem Greifsystem zu entwickeln, der schnell und flexibel aber auch zuverlässig und sicher auf veränderte Anforderungen, Produktdesigns oder Materialien reagieren kann. Dabei sollen die Robotergreifsysteme von Menschen lernen, neue Werkzeuge zu nutzen, unterschiedliche Materialien anzufassen, ganze Arbeitsschritte auszuführen und auf Veränderungen in Produktionsprozessen zu reagieren. „Dazu setzen wir für unser System autonomes Imitation Learning und Deep Reinforcement Learning ein“, erklärt Juniorprofessorin Rayyes, „so lernt der Roboter durch die Interaktion mit dem Menschen intuitiv und sofort.“ Der lernende Roboter Im Zukunftslabor HaptXDeep kommunizieren die Forschenden mit dem Roboter per Daten. So generiert Welte durch seine Bewegungen mit einem Virtual-Reality-Handschuh Daten und erklärt damit dem sechsachsigen Cobot, wie er sich drehen und Werkzeuge oder Werkstücke packen muss. Durch die 20 Stellmotoren kann die Cobot-Hand die menschlichen Greifbewegungen fast exakt nachbilden. Drucksensoren in den mechanischen Fingern geben dem Operator ein direktes Feedback. Der Operator spürt wiederum durch kleine Luftpolster im Handschuh, sobald das Gewicht zunimmt oder das Werkzeug falsch in der Hand liegt. Fehler per KI erkennen KI gestützt soll der Roboter künftig Fehler autonom erkennen und verbessern. Amadeus Bramsiepe, KIT Dann fasst er sofort nach und der Greifer tut es ihm gleich. Der Forscher korrigiert so den Fehler des Roboters in Echtzeit. Auch das wird eine wichtige Funktion, wenn die Maschine später – gestützt auf ihre Künstliche Intelligenz – selbstständig lernen kann. Im Rahmen von Kooperationsprojekten – so ist etwa Bosch AI mit im Boot – wollen die Forschenden Methoden entwickeln, um die Sicherheit und die Zuverlässigkeit des anpassungsfähigen Roboters zu gewährleisten. So werden etwa Fehlerinjektion über digitale Zwillinge als Testverfahren des Systems zum Einsatz kommen. Deep-Learning-Systeme sollen dem Roboter zudem helfen, Anomalien selbst zu erkennen und damit Fehler vorherzusagen. Auf Basis des Erlernten soll der Roboter dann künftig Fehler autonom korrigieren können.
KI: Roboter sollen künftig vom Menschen lernen Lernen statt Programmieren. Roboter sollen künftig, wie Menschen, einfach in neue Tätigkeiten eingelernt werden. Amadeus Bramsiepe, KIT Roboter für industrielle Tätigkeiten zu programmieren ist derzeit ein langwieriger Prozess. Auf das Schreiben des Codes folgt das Testen und darauf das Modifizieren des Programms. Dies geschieht so oft, bis die Maschine einen Prozess wirklich zuverlässig ausführt. Gleiches gilt für die Umrüstzeiten der Roboter, wenn diese neue Tätigkeiten ausführen sollen. Im Zeitalter der Smart Factories, die teilweise mit sehr kleinen Losgrößen arbeiten und deshalb auf eine schnelle Anpassungsfähigkeit angewiesen sind, dauern solche Prozesse schlicht zu lang. Kürzere Rüstzeiten für Roboter „Einen Roboter einsatzbereit zu machen, darf in Zukunft nicht mehr länger dauern, als einen neuen Mitarbeiter einzulernen“, fordert deshalb Edgar Welte, Doktorand am KIT. Gemeinsam mit Juniorprofessorin Rania Rayyes hat er das ICM-Zukunftslabor HaptXDeep am Institut für Fördertechnik und Logistik Systeme (IFL) des KIT aufgebaut. Dort will das Forscherduo ein Robotergreifsystem entwickeln, das menschliche Tätigkeiten durch Imitation erlernt. Stichwort: Human Robot Learning. Neben den Karlsruhern beteiligt sich an den Forschungsarbeiten auch das Institut für Automatisierungstechnik und Softwaresysteme (IAS) der Universität Stuttgart. Ziel: Flexiblere Roboter Per Virtual-Reality-Handschuh gibt der Operator dem Roboter die zu lernenden Arbeitsschritte vor. Amadeus Bramsiepe, KIT Ziel ist es, gemeinsam einen lernenden Roboter mit einem Greifsystem zu entwickeln, der schnell und flexibel aber auch zuverlässig und sicher auf veränderte Anforderungen, Produktdesigns oder Materialien reagieren kann. Dabei sollen die Robotergreifsysteme von Menschen lernen, neue Werkzeuge zu nutzen, unterschiedliche Materialien anzufassen, ganze Arbeitsschritte auszuführen und auf Veränderungen in Produktionsprozessen zu reagieren. „Dazu setzen wir für unser System autonomes Imitation Learning und Deep Reinforcement Learning ein“, erklärt Juniorprofessorin Rayyes, „so lernt der Roboter durch die Interaktion mit dem Menschen intuitiv und sofort.“ Der lernende Roboter Im Zukunftslabor HaptXDeep kommunizieren die Forschenden mit dem Roboter per Daten. So generiert Welte durch seine Bewegungen mit einem Virtual-Reality-Handschuh Daten und erklärt damit dem sechsachsigen Cobot, wie er sich drehen und Werkzeuge oder Werkstücke packen muss. Durch die 20 Stellmotoren kann die Cobot-Hand die menschlichen Greifbewegungen fast exakt nachbilden. Drucksensoren in den mechanischen Fingern geben dem Operator ein direktes Feedback. Der Operator spürt wiederum durch kleine Luftpolster im Handschuh, sobald das Gewicht zunimmt oder das Werkzeug falsch in der Hand liegt. Fehler per KI erkennen KI gestützt soll der Roboter künftig Fehler autonom erkennen und verbessern. Amadeus Bramsiepe, KIT Dann fasst er sofort nach und der Greifer tut es ihm gleich. Der Forscher korrigiert so den Fehler des Roboters in Echtzeit. Auch das wird eine wichtige Funktion, wenn die Maschine später – gestützt auf ihre Künstliche Intelligenz – selbstständig lernen kann. Im Rahmen von Kooperationsprojekten – so ist etwa Bosch AI mit im Boot – wollen die Forschenden Methoden entwickeln, um die Sicherheit und die Zuverlässigkeit des anpassungsfähigen Roboters zu gewährleisten. So werden etwa Fehlerinjektion über digitale Zwillinge als Testverfahren des Systems zum Einsatz kommen. Deep-Learning-Systeme sollen dem Roboter zudem helfen, Anomalien selbst zu erkennen und damit Fehler vorherzusagen. Auf Basis des Erlernten soll der Roboter dann künftig Fehler autonom korrigieren können.
