Mensch-Roboter-Kollaboration 25. Mai 2022 Von Hans-Arthur Marsiske

Lernverfahren für Roboter brauchen einen klaren Rahmen

Damit Menschen und Roboter wirklich intuitiv zusammenarbeiten können, ist noch einige Forschungsarbeit nötig. Einfache und praxisnahe Methoden zum Anlernen der Maschinen machen jetzt Hoffnung.

Damit die Zusammenarbeit zwischen Mensch und Maschine auch in der Praxis gelingt, sind Lernverfahren nötig, die schnell zum Erfolg führen.
Foto: panthermedia.net/maximsamos

Auf Messen und Fachkonferenzen werden Cobots schon seit Jahren als heißes Thema gehandelt. In Fabriken und Werkstätten sind diese Roboter, die eng mit Menschen zusammenarbeiten, jedoch immer noch selten anzutreffen. Viele Experten machen dafür die aus ihrer Sicht immer noch zu komplizierte Bedienung verantwortlich. Zwar gibt es neben der klassischen Programmierung über Tastatur und Maus mittlerweile einfachere Verfahren wie etwa das Vormachen der gewünschten Bewegungen durch Führung des Roboters per Hand. Aber auch diese Methoden erfordern ein gewisses Verständnis der Möglichkeiten und Grenzen von Robotern und überfordern damit viele Nutzer.

Genau auf diese Schwachstelle zielt der Roboterhersteller Kuka mit seinem aktuellen Innovation Award. Bei dem mit 20 000 € dotierten Wettbewerb sind in diesem Jahr Ideen zur Vereinfachung von Engineering, Setup und Programmierung von Robotern gefragt. „Endanwenderinnen und Endanwender sollen schnell und sicher Aufgaben automatisieren können, ohne selbst Experten auf dem Gebiet der Automatisierung zu sein“, heißt es im Aufruf zur Teilnahme.

Lernverfahren können Robotereinsatz leichter machen

Ein vielversprechender Ansatz ist es, Lernverfahren zu nutzen. Insbesondere unter dem Titel „Deep Learning“ haben diese Methoden des maschinellen Lernens in den letzten Jahren immer wieder für Schlagzeilen gesorgt, etwa, wenn damit spektakuläre Erfolge bei Computerspielen, Wettbewerben zur Mustererkennung oder bei Brettspielen wie Go erzielt werden konnten. Allerdings lassen sich diese Verfahren, die zumeist mit großen Datenmengen arbeiten, nicht ohne weiteres auf physisch reale Roboter übertragen. Zigtausende von Lernzyklen würden die Hardware übermäßig belasten und zudem sehr viel Zeit erfordern. Zudem ist die Interaktion zwischen Mensch und Roboter erheblich komplexer als die zumeist eng fokussierten Aufgaben in virtuellen Umgebungen, wie die Organisatoren eines wissenschaftlichen Workshops hervorheben, der sich kürzlich im Rahmen der Konferenz „Human-robot Interaction“ (HRI) mit diesen Fragen beschäftigt hat.

Lesetipp: Roboter für alle