Roboter auf dem Weg zum Haushaltsassistenten

Roboter auf dem Weg zum Haushaltsassistenten
San Francisco, 30.6.2022

Den Umgang mit starren Objekten haben Roboter schnell gelernt. Doch beliebig verformbare Objekte oder formloser Schlamm bereiten ihnen Probleme. Auch mit weichen, leicht verformbaren Objekten, können die Maschinen zunächst nicht viel anfangen.
Wissenschaftler des Computer Science and Artificial Intelligence Laboratory (CSAIL) des MIT und der Stanford University haben kürzlich Roboter mit Modelliermasse spielen lassen, allerdings nicht aus Nostalgiegründen.
Ihr Roboter“RoboCraft“ lernt, mit einem Greifer mit zwei Fingern direkt aus visuellen Eingaben teigige Objekte zu simulieren und zu formen. Nach nur 10 Minuten Datenerfassung konnte der Zweifingergreifer mit menschlichen Kollegen mithalten, die die Maschine fernsteuerten – bei den getesteten Aufgaben war er ebenbürtig und manchmal sogar besser.
„Die Modellierung und Manipulation von Objekten mit hohen Freiheitsgraden sind wesentliche Fähigkeiten für Roboter, um komplexe Interaktionsaufgaben in der Industrie und im Haushalt zu erlernen, wie z. B. das Füllen von Teigtaschen, das Rollen von Sushi und die Herstellung von Töpferwaren“, sagt Yunzhu Li, Doktorandin am CSAIL und Autorin eines neuen Artikels über RoboCraft.

Mit RoboCraft lernen wir die dynamischen Modelle direkt aus hochdimensionalen sensorischen Daten, was uns einen vielversprechenden datengesteuerten Weg für eine effektive Planung eröffnet.“
Ein weit in der Zukunft liegender Bereich, den die Wissenschaftler ins Auge fassen, ist dieVerwendung von RoboCraft zur Unterstützung bei Haushaltsaufgaben und -arbeiten, was insbesondere für ältere Menschen oder Menschen mit eingeschränkter Mobilität hilfreich sein könnte. Um dies zu erreichen, wäre angesichts der vielen Hindernisse, die auftreten können, eine viel anpassungsfähigere Darstellung des Teigs oder Gegenstands erforderlich, und es müsste auch erforscht werden, welche Klasse von Modellen geeignet sein könnte, die zugrunde liegenden strukturellen Systeme zu erfassen.
„RoboCraft zeigt , dass dieses Vorhersagemodell auf sehr dateneffiziente Weise erlernt werden kann, um Bewegungen zu planen. Langfristig denken wir über den Einsatz verschiedener Werkzeuge zur Manipulation von Materialien nach“, sagt Li. „Wenn man an die Herstellung von Knödeln oder Teig denkt, reicht ein einziger Greifer nicht aus, um diese Aufgabe zu lösen. Der nächste Schritt für künftige Arbeiten wird dem Modell helfen, längerfristige Planungsaufgaben zu verstehen und zu bewältigen, z. B. wie sich der Teig angesichts des aktuellen Werkzeugs, der Bewegungen und Aktionen verformen wird.“