Die Forschungsgruppe COLORS (Collaborative and Continuous Learning for Robotic Systems) der Fakultät Informatik erzielt weitere Fortschritte auf dem Gebiet lernfähiger Robotersysteme. Im Robotiklabor arbeiten die Forschenden derzeit an neuen Ansätzen, mit denen Roboter komplexe Handgriffe erlernen und auch unter unsicheren Bedingungen zuverlässig agieren können. Geleitet wird die Forschungsgruppe von Prof. Dr. Christian Osendorfer und Prof. Dr. Eduard Kromer.
Handgeführter Greifer für feinmotorische Aufgaben
Ein aktueller Schwerpunkt liegt auf dem sogenannten Learning from Demonstration. Dabei lernen Roboter neue Aufgaben anhand menschlicher Vorführungen. Dafür entwickelte das Team eine eigene Version des Universal Manipulation Interface (UMI), eines handgeführten Greifers, mit dem menschliche Demonstrationen für das Anlernen der Roboter aufgezeichnet werden. Dies dient dazu, den Greifer für feinmotorische Tätigkeiten wie das Einstecken von Kabeln anzupassen. So besitzt der neue Greifer dünnere und längere Finger sowie einen verbesserter Greifmechanismus. Eine Besonderheit des Systems ist die direkte Montage des Greifers an den Franka-Research-3-Roboterarmen (FR3), die im Labor eingesetzt werden. Dadurch nutzt der Roboter bei der späteren Ausführung derselben Aufgabe exakt das Werkzeug, das ein Mensch für die Demonstration verwendet hat.
Robotersteuerung bei unbekannten physikalischen Parametern.
Parallel dazu beschäftigt sich die Forschungsgruppe mit der Frage, wie Roboter sicher und effizient arbeiten können, wenn wichtige physikalische Eigenschaften ihrer Umgebung nicht bekannt sind. Ein Beispiel dafür ist die Masse einer transportierten Nutzlast. Herkömmliche Steuerungsverfahren gehen in solchen Situationen von einem festen Schätzwert aus und behandeln diesen, als wäre er exakt bekannt. In der Praxis kann dies jedoch zu ungenauen Entscheidungen führen.
Der von COLORS entwickelte Ansatz berücksichtigt diese Unsicherheit. Grundlage ist das Konzept der sogenannten dualen Regelung, bei dem Roboteraktionen nicht nur einer konkreten Aufgabe dienen, sondern gleichzeitig neue Informationen über die Umgebung gewinnen. Hierfür nutzt das System mehrere rekurrente Schätzer, die unbekannte Parameter vorhersagen. Stimmen deren Einschätzungen nicht überein, erkennt der Planer darin Unsicherheit und kann Bewegungen wählen, die diese verringern. Getestet wurde die Methode sowohl an einem inversen Pendel als auch in einer Simulation eines FR3-Roboters, der die Nutzlast unbekannter Masse transportiert. Die Ergebnisse zeigen, dass der unsicherheitsbewusste Regler die unbekannte Masse beim Pendel genauer bestimmen konnte als ein herkömmlicher Standardregler.
Die Forschungsarbeiten leisten damit einen Beitrag zu Robotersystemen, die flexibler auf neue Situationen reagieren und sich kontinuierlich an veränderte Bedingungen anpassen können. Weitere Informationen dazu finden sich in Kürze unter https://la-colors.github.io/
