Flexibel einsetzbare intelligente mobile Manipulatoren
Humanoide Roboter finden aktuell in den Medien viel Beachtung und werden auf der Automatica ebenso eine große Rolle spielen. Laut einer Studie des Fraunhofer IPA im Rahmen des KI-Fortschrittszentrums »Lernende Systeme und Kognitive Robotik« haben viele Unternehmen jedoch nur wenig Interesse daran, dass die Roboter laufen können wie ein Mensch. Stattdessen sehen die befragten Fachleute das größte Potenzial darin, dass Humanoide Objekte ähnlich flexibel greifen können sollen wie ein Mensch. Und genau hier knüpft eine aktuelle Entwicklung des Fraunhofer IPA an. Denn es ist aufgrund der vielen Freiheitsgrade einer Roboterhand nicht effizient, Roboter für diese Greifvorgänge umfänglich zu programmieren. Um dem zu begegnen, erforscht das Fraunhofer IPA Ansätze zum schnellen und intuitiven Anlernen komplexer Greif- und Handhabungsbewegungen.
Greifvorgänge können dabei zum Beispiel in einer Simulation und mit Deep Reinforcement Learning angelernt werden. Im Mittelpunkt steht dabei nicht nur die Steuerung von Roboterhänden, sondern insbesondere das intuitive Instruieren und Anlernen neuer Anwendungen für vollumfängliche flexible Robotersysteme – einschließlich mobiler Mehrzweckplattformen mit mehreren Armen und Greifern. Hierzu kommen moderne Verfahren wie Imitation Learning und sogenannte Foundation-Modelle zum Einsatz. Dabei werden natürliche Sprachinstruktionen, teleoperierte Ausführungen sowie menschlich demonstrierte Abläufe genutzt, um Roboterfähigkeiten effizient zu vermitteln.
Der Demonstrator am Messestand vermittelt einen praxisnahen Einblick in ausgewählte Aspekte der Technologie und zeigt exemplarisch, wie sich zentrale Ideen aus der aktuellen Forschung in die Anwendung übertragen lassen. Darüber hinaus bietet sich die Gelegenheit, mehr über die Herausforderungen aktueller Imitation-Learning-Verfahren und Foundation-Modelle zu erfahren sowie darüber, wie ein hybrider Ansatz bestehende Lücken gezielt schließen kann, indem er bewährte, parametrierbare Roboterfähigkeiten mit lernbasierten Methoden kombiniert.