Anzeige

Künstliche Intelligenz

Roboter ohne Expertenwissen entwickeln

Beitrag drucken

Die Komplexität von Robotern nimmt stetig zu. Dies stellt Entwickler vor Herausforderungen und treibt die Entwicklungskosten in die Höhe. Im Projekt Q-Rock verfolgt das Robotics Innovation Center des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) einen einen Ansatz, bei dem es Nutzern ohne Expertenwissen mithilfe von künstlicher Intelligenz möglich sein soll, maßgeschneiderte Robotersysteme für ihre Anwendungen zu entwickeln.

 

Der am DFKI Robotics Innovation Center für den Weltraumeinsatz entwickelte Roboter Mantis. Dank Q-Rock soll es zukünftig auch Nutzern ohne Expertenwissen möglich sein, kosteneffizient maßgeschneiderte Robotersysteme für ihre Anwendungen zu entwickeln. (Bild: DFKI GmbH/Foto: Annemarie Popp)

Der am DFKI Robotics Innovation Center für den Weltraumeinsatz entwickelte Roboter Mantis. Dank Q-Rock soll es zukünftig auch Nutzern ohne Expertenwissen möglich sein, kosteneffizient maßgeschneiderte Robotersysteme für ihre Anwendungen zu entwickeln. (Bild: DFKI GmbH/Foto: Annemarie Popp)

Das Projekt Q-Rock bildet den zweiten Schritt der X-Rock-Projektlinie des Robotics Innovation Centers und adressiert eine der grundlegenden Fragen in der Robotik: Wie kann ein Roboter das Wissen über sich selbst und seine Fähigkeiten eigenständig entwickeln, ohne dass ihm dies von einem Entwickler vorgegeben werden muss? Dabei setzt Q-Rock zum auf Methoden der künstlichen Intelligenz, wie Maschinelles Lernen und strukturelles Schlussfolgern. Zum anderen baut es auf der umfangreichen Datenbasis des Vorgängerprojekts D-Rock auf. Die Datenbank verbindet modellierte Software mit Hardware- und Verhaltensmodellen und unterstützt zudem durch umfassende Modularisierung – d.h. die effiziente Wiederverwendbarkeit von Komponenten – die Roboterentwicklung. „Q-Rock ist ein wichtiger Schritt hin zu sogenannten ‚integrierten KI-Lösungen‘. Dieser Ansatz wird es auch Menschen, die keine KI- oder Robotikexperten sind, ermöglichen, auf den eigenen Bedarf zugeschnittene Systeme zu entwickeln und einzusetzen. Davon können in Zukunft vor allem kleine und mittelständische Unternehmen profitieren, die sich so den Einsatz von Robotern auch in größerem Umfang leisten können, um langfristig wettbewerbsfähig zu bleiben“, sagt Prof. Frank Kirchner, Leiter des DFKI Robotics Innovation Centers.

Roboter lernt sich selbst kennen

Anders als in D-Rock wird in Q-Rock der Roboter selbst in die Lage versetzt, ausgehend von seinem Aufbau, die ihm zur Verfügung stehenden Fertigkeiten zu erforschen. Dabei nutzen die Bremer Wissenschaftler neue Ansätze, um basierend auf der modularen Roboterbeschreibung zunächst die Fähigkeiten von Teilkomponenten – z.B. eines einzelnen Sensors oder Gelenkes – zu ermitteln, und daraus die Fähigkeiten des Gesamtsystems abzuleiten. Mit Hilfe maschineller Lernverfahren und auf Basis der in D-Rock erarbeiteten Datenbank werden die erlernten Fähigkeiten dann automatisch in funktionale Einheiten gruppiert und zusammen mit einer semantischen Beschreibung in sogenannte Kognitive Kerne überführt. Diese Softwarebausteine enthalten die Verbindung zwischen den Fähigkeiten einer Hardware – z.B. denen eines Roboterarmes – sowie der daraus resultierenden möglichen Bedeutung im Verhalten, z.B. dem Greifen eines Objekts. So können verschiedene kognitive Kerne kombiniert werden, um komplexes Roboterverhalten, wie das Öffnen einer Tür, zu erzeugen. Die Verhaltensbausteine werden dann durch strukturelles Schlussfolgern wieder auf die Hardware abgebildet. Auf diese Weise ist auch ein Nutzer ohne entsprechende Expertise in der Lage, komplette Robotersysteme für bestimmte Anwendungsbereiche zu erzeugen. Dafür braucht er lediglich die Anforderungen an das Verhalten eines Systems zu spezifizieren. Q-Rock generiert dann auf dieser Basis automatisch die passenden Hardwarekombinationen aus der Datenbank.

Neue Konstruktions- und Planungsprozesse

Indem es das automatisierte Konstruieren von Roboterhardware anhand des gewünschten Verhaltens ermöglicht, werden zukünftig ganz neue Konstruktions- und Planungsprozesse für Roboteranwendungen realisierbar. Zudem lässt sich modellbasiert schlussfolgern, welche Aufgaben ein Roboter mit seiner gegebenen Hardware durch Kompositionen von Verhalten ausführen kann. Dadurch können die Ergebnisse des Projekts auch zur Qualifizierung von Hardware eingesetzt werden.


Das könnte Sie auch interessieren:

Wenn Unternehmen mehr als einen Prozess mit künstlicher Intelligenz optimieren wollen, können Data-Science-Plattformen Geschwindigkeitsvorteile bieten. Diese Lösungen bieten in der Regel verschiedene Komponenten, um Daten aufzubereiten und darzustellen.‣ weiterlesen

Immer komplexere, spezialisiertere Hardware übernimmt Aufgaben im Fertigungsprozess. Doch dieser Hardware-First-Ansatz bringt auch Tücken mit sich. Dabei ist die Lösung ganz einfach: bessere Software und simplere Maschinen‣ weiterlesen

Die Begriffe Generative Design und Topologieoptimierung werden oft verwechselt. Worin aber liegen die genauen Unterschiede zwischen den beiden CAD-Tools? Dieser Frage und dem daraus entstehenden Potenzial widmet sich der folgende Beitrag.‣ weiterlesen

PTC hat den Schüler-Wettbewerb ‘Robots to the Rescue‘ ausgeschrieben. Die Aufgabe ist es einen Roboter zu entwerfen, der bei der Lösung eines realen Problems helfen kann. Die Teilnahme erfolgt virtuell.‣ weiterlesen

Der Einfluss von künstlicher Intelligenz (KI) auf IT-Lösungen in der Fertigung lässt sich kaum leugnen. Von Predictive Quality bis hin zu Automated Data Science ist das Potenzial von KI-Anwendungen bereits jetzt groß - gerade auch in Verbindung mit historischen Daten aus dem Manufacturing Execution System.‣ weiterlesen

Zehntausende Stellen für IT-Fachkräfte waren in Deutschland im letzten Jahr unbesetzt. Ein neues Test-Verfahren hilft Unternehmen dabei, unter Quereinsteigern diejenigen zu finden, die offene IT-Stellen ohne Abschluss - aber mit Erfahrungswissen - ausfüllen können.‣ weiterlesen

Der Ifo-Index der Produktionserwartungen erlebte im März den stärksten Rückgang seit Beginn der Erhebung im Jahr 1991. Dabei zeigt sich die Automobilindustrie besonders pessimistisch.‣ weiterlesen

Im Februar verfehlten die Auftragseingänge im deutschen Maschinenbau ihr Vorjahresniveau real um 4 Prozent. Während die Bestellungen der inländischen Kunden um 6 Prozent sanken, lagen die Auslandsorders um 3 Prozent unter ihrem Vorjahresniveau. „Das ist die Ruhe vor dem Sturm“, sagt VDMA-Chefvolkswirt Dr. Ralph Wiechers.‣ weiterlesen

Um autonome Systeme mit KI einschätzen zu können, müssen sie unabhängig von der Domäne verglichen werden. Teil 5 unserer Serie 'Autonome Systeme' greift den Nutzen einer Gegenüberstellung auf und was es dazu braucht. Katharina Giese und Piet Lipke vom Fraunhofer IOSB-INA erläutern das am Beispiel autonomer Anlagenkomponenten in der Forschungsfabrik SmartFactoryOWL in Lemgo.‣ weiterlesen

Sergio Resendiz (Bild) ist neuer Leuze-Vice President Americas und berichtet direkt an den CEO Ulrich Balbach.‣ weiterlesen

Eine zentrale Anwendung beim Roboter-Einsatz ist die Kollaboration zwischen Mensch und Maschine – beispielsweise die Unterstützung bei für den Menschen belastenden Aufgaben. Welche Vorteile eine produktive Mensch-Roboter-Kooperation (MRK) haben kann, zeigt das Fraunhofer-Institut für Nachrichtentechnik, Heinrich-Hertz-Institut, HHI bei der Überprüfung von Schweißnähten in der Automobilindustrie‣ weiterlesen

Anzeige
Anzeige
Anzeige