Deep Grasping – Künstliche Intelligenz perfektioniert den Griff-in-die-Kiste

© Kilian Kleeberger/Fraunhofer IPA

In einer virtuellen Lernumgebung sollen Roboter künftig den Griff-in-die-Kiste üben.

In Kürze

Wenn maschinelle Lernverfahren in der Industrie Anwendung finden sollen, müssen Roboter schneller als bisher lernen Bauteile sicher zu greifen. Im Forschungsprojekt Deep Grasping entwickeln Wissenschaftler vom Fraunhofer IPA und der Universität Stuttgart deshalb eine virtuelle Lernumgebung. Darin werden die Neuronalen Netze geschult, die anschließend auf den realen Roboter übertragen werden.

 

Im Detail

Dank künstlicher Neuronaler Netze sind Roboter in der Lage, Rückschlüsse aus praktisch durchgeführten Greifversuchen zu ziehen. Sie lernen also aus Erfahrung und beherrschen den Griff-in-die-Kiste mit der Zeit immer besser. Doch diese Form des maschinellen Lernens hat einen entscheidenden Schwachpunkt: Die Lernzeiten sind zu lang. Deshalb ist es für die Industrie bisher noch unwirtschaftlich, Handhabungsaufgaben mithilfe künstlicher Intelligenz auszuführen. Um die Zeit, in der Roboter lernen Bauteile sicher zu greifen, drastisch zu verkürzen, erarbeiten Wissenschaftler vom Fraunhofer IPA und der Universität Stuttgart im Forschungsprojekt Deep Grasping eine virtuelle Lernumgebung. Darin schulen Roboter künftig vor ihrer Inbetriebnahme ihre Neuronalen Netze und tauschen sich über ihre Erfahrungen aus. Der Griff-in-die-Kiste wird also nicht mehr in der Praxis geübt, sondern nur noch simuliert. Das spart Zeit. Die vortrainierten Netze werden anschließend auf den realen Roboter übertragen.