"Hallo everybody! Welcome to the service robotics lab! My name is Kate! What You want me to do? You want me to put the cube into the cup. Ok, I found some objects ... ."
Eine Schönheit ist Kate nicht gerade. Die Lady kommt als dürres Metallgestänge auf kleinen Gummireifen daher. Ihre beiden Kamera-Augen glotzen ziemlich teilnahmslos in den Raum. Macht aber nichts; eine Eigenschaft wiegt alles auf. Kate ist ein lernfähiger Roboter.
"Als allererstes bekommt sie jetzt den Befehl, dass sie den Würfel in den Becher legen soll. Und der Teacher oder Demonstrator nimmt dann ihren Arm und führt diesen Arm wirklich mechanisch und macht ihr das quasi vor. Das heißt: Wir greifen den Würfel mit dem Arm und legen ihn den Becher ... Das wiederholen wir mehre Male. Aufgrund von mehreren Demonstrationen generalisiert sie dann und lernt diese Aufgabe."
'Lernen durch Nachahmung' nennt Benjamin Stähle vom Labor für autonome Serviceroboter an der Hochschule Ravensburg-Weingarten dieses Verfahren.
"Make Coffee!
"You want me to make Coffee. I don't know how to do this yet: Please show me ... "
Auf diese Weise hat Kate, das Metallgestänge auf Gummirädern, sogar schon gelernt, wie man Kaffee kocht. Entscheidend dabei: Egal wo der Becher steht, egal wo sich die Kaffeemaschine befindet – Kate erledigt die Aufgabe selbstständig in wenigen Augenblicken, obwohl die Mitarbeiter ihr das Kaffeekochen nur ein einziges Mal gezeigt haben.
"Das ganz Wichtige hier ist, dass der Roboter nicht stupide diese Sequenz nachmacht, wie es zum Beispiel in der Industrierobotik der Fall ist heute bei Industrierobotern der Fall ist. Was wir hier machen: Unsere Roboter müssen generalisieren können. Ich geb' dem eine Aufgabe, zum Beispiel den blauen Becher unter die Kaffeemaschine stellen, ein paar Mal vor. Und dann lernt der die Gemeinsamkeiten dieser Demonstrationen und kann das dann auch verallgemeinern auf neue Situationen, die er vorher noch nie gesehen hat"
Erklärt Professor Wolfgang Ertel vom Studiengang Angewandte Informatik der Hochschule Ravensburg-Weingarten – und spricht von einem Quantensprung in der Robotik: Der Roboter hat aus einer konkreten Situation die wesentlichen Handgriffe abstrahiert und erledigt den Job zuverlässig – selbst dann, wenn beim nächsten Mal Kaffeemaschine und Tasse plötzlich ganz woanders stehen als beim ersten Mal. Damit geben sich die Ravensburger Forscher aber immer noch nicht zufrieden.
Sie nennen ihn 'den Krabbler': Das ist ein Roboter, der mit seinen vier Metallbeinen aussieht wie eine große Spinne. Seine Aufgabe: Nach vorne laufen, über einen hügeligen Untergrund, der manchmal sogar noch rutschig ist. Die Metallbeine strecken sich in alle möglichen Richtungen; ein Detektor kontrolliert die Bewegung. Dabei lernt der Roboter durch das Austesten, wie er langfristig zum Ziel kommt, selbst wenn er zwischendrin immer mal wieder einen Schritt in die falsche Richtung tut. 'Lernen durch Verstärkung' nennt Professor Wolfgang Ertel diesen Prozess, der als zweiter Schritt auf das 'Lernen durch Nachahmung' folgt:
"Um diese Abläufe weiter zu verbessern und zu optimieren, beispielsweise bezüglich Energieverbrauch, muss er jetzt selbser durch 'Trial and Error', durch Probieren, noch weiter lernen. Er versucht also jetzt, seine Bewegungsfolge abzuändern und kriegt dann von der Umgebung Feedback."
Beide Fähigkeiten zusammen, 'Lernen durch Nachahmung' und 'Lernen durch Verstärkung', erfordern einen großen Programmieraufwand.
"Also wir lernen jetzt eine Funktion, nämlich 'Becher unter die Maschine stellen', und speichern uns einige Wegepunkte. Und aus diesen Punkten soll dann eine Funktion für unendlich viele Punkte approximiert werden."
Durch diesen Programmierkniff werden die Roboter lernfähig. Dies komme, meint Benjamin Stähle vom Robotik-Team der Hochschule Ravensburg-Weingarten, einer technologischen Revolution gleich:
"Die werden an unserem Alltag teilhaben. Also wir werden eine Hilfe im Haushalt haben, die uns bei allen Sachen hilft – Essen zubereitet, eventuell Kinder hütet, was auch immer. Technisch gesehen gibt es da keine Grenzen."
""Wonderful. Now I am able to make Coffee. Well, that's it..”"
Eine Schönheit ist Kate nicht gerade. Die Lady kommt als dürres Metallgestänge auf kleinen Gummireifen daher. Ihre beiden Kamera-Augen glotzen ziemlich teilnahmslos in den Raum. Macht aber nichts; eine Eigenschaft wiegt alles auf. Kate ist ein lernfähiger Roboter.
"Als allererstes bekommt sie jetzt den Befehl, dass sie den Würfel in den Becher legen soll. Und der Teacher oder Demonstrator nimmt dann ihren Arm und führt diesen Arm wirklich mechanisch und macht ihr das quasi vor. Das heißt: Wir greifen den Würfel mit dem Arm und legen ihn den Becher ... Das wiederholen wir mehre Male. Aufgrund von mehreren Demonstrationen generalisiert sie dann und lernt diese Aufgabe."
'Lernen durch Nachahmung' nennt Benjamin Stähle vom Labor für autonome Serviceroboter an der Hochschule Ravensburg-Weingarten dieses Verfahren.
"Make Coffee!
"You want me to make Coffee. I don't know how to do this yet: Please show me ... "
Auf diese Weise hat Kate, das Metallgestänge auf Gummirädern, sogar schon gelernt, wie man Kaffee kocht. Entscheidend dabei: Egal wo der Becher steht, egal wo sich die Kaffeemaschine befindet – Kate erledigt die Aufgabe selbstständig in wenigen Augenblicken, obwohl die Mitarbeiter ihr das Kaffeekochen nur ein einziges Mal gezeigt haben.
"Das ganz Wichtige hier ist, dass der Roboter nicht stupide diese Sequenz nachmacht, wie es zum Beispiel in der Industrierobotik der Fall ist heute bei Industrierobotern der Fall ist. Was wir hier machen: Unsere Roboter müssen generalisieren können. Ich geb' dem eine Aufgabe, zum Beispiel den blauen Becher unter die Kaffeemaschine stellen, ein paar Mal vor. Und dann lernt der die Gemeinsamkeiten dieser Demonstrationen und kann das dann auch verallgemeinern auf neue Situationen, die er vorher noch nie gesehen hat"
Erklärt Professor Wolfgang Ertel vom Studiengang Angewandte Informatik der Hochschule Ravensburg-Weingarten – und spricht von einem Quantensprung in der Robotik: Der Roboter hat aus einer konkreten Situation die wesentlichen Handgriffe abstrahiert und erledigt den Job zuverlässig – selbst dann, wenn beim nächsten Mal Kaffeemaschine und Tasse plötzlich ganz woanders stehen als beim ersten Mal. Damit geben sich die Ravensburger Forscher aber immer noch nicht zufrieden.
Sie nennen ihn 'den Krabbler': Das ist ein Roboter, der mit seinen vier Metallbeinen aussieht wie eine große Spinne. Seine Aufgabe: Nach vorne laufen, über einen hügeligen Untergrund, der manchmal sogar noch rutschig ist. Die Metallbeine strecken sich in alle möglichen Richtungen; ein Detektor kontrolliert die Bewegung. Dabei lernt der Roboter durch das Austesten, wie er langfristig zum Ziel kommt, selbst wenn er zwischendrin immer mal wieder einen Schritt in die falsche Richtung tut. 'Lernen durch Verstärkung' nennt Professor Wolfgang Ertel diesen Prozess, der als zweiter Schritt auf das 'Lernen durch Nachahmung' folgt:
"Um diese Abläufe weiter zu verbessern und zu optimieren, beispielsweise bezüglich Energieverbrauch, muss er jetzt selbser durch 'Trial and Error', durch Probieren, noch weiter lernen. Er versucht also jetzt, seine Bewegungsfolge abzuändern und kriegt dann von der Umgebung Feedback."
Beide Fähigkeiten zusammen, 'Lernen durch Nachahmung' und 'Lernen durch Verstärkung', erfordern einen großen Programmieraufwand.
"Also wir lernen jetzt eine Funktion, nämlich 'Becher unter die Maschine stellen', und speichern uns einige Wegepunkte. Und aus diesen Punkten soll dann eine Funktion für unendlich viele Punkte approximiert werden."
Durch diesen Programmierkniff werden die Roboter lernfähig. Dies komme, meint Benjamin Stähle vom Robotik-Team der Hochschule Ravensburg-Weingarten, einer technologischen Revolution gleich:
"Die werden an unserem Alltag teilhaben. Also wir werden eine Hilfe im Haushalt haben, die uns bei allen Sachen hilft – Essen zubereitet, eventuell Kinder hütet, was auch immer. Technisch gesehen gibt es da keine Grenzen."
""Wonderful. Now I am able to make Coffee. Well, that's it..”"
