Robohand verbessert selbsttätig ihre Fingerfertigkeit

Anbieter zum Thema

ROHM Semiconductor GmbH

E.E.P.D. Electronic Equipment Produktion & Distribution GmbH

Syslogic GmbH

Planen, üben und aus Erfahrungen lernen

„Wenn man mit verschiedenen Fingern ein Objekt berührt, geschehen eine Menge Chaotischer Dinge und Kollisionen. Kontrollalgorithmen haben damit Schwierigkeiten,“ erklärt Sergey Levine, Co-Autor der begleitenden Studie und einer der Entwickler der Roboterhand. „Wir haben uns daher für einen Ansatz entschieden, der sich merklich von traditionellen Kontrollen unterscheidet.“

Das Team entwickelte zuerst Algorithmen, die es dem Computer erlauben, hochkomplexe fünffingrige Verhaltensweisen zu modellieren und in Simulationen Bewegungen zu planen, die auf unterschiedliche Ergebnisse herauslaufen – etwa das Tippen auf einer Tastatur oder einen Stock fallen zu lassen und wieder aufzufangen. Diese Modelle wurden dann auf die fünfgliedrige Roboterhand übertragen, deren Entwicklung etwa 300.000 US-$ kostete. Da die berechneten Modelle in der Praxis nie absolut identisch wie in der Simulation ausfallen, sammelt das System parallel Daten über diverse Sensoren und Bewegungserfassungskameras. Zusammen mit den Maschinenlernalgorithmen kann die Hand somit ihre Tätigkeiten konsequent verbessern und realistischere Modelle entwerfen.

„Es ist ein wenig wie sich eine Unterrichtsstunde anzuhören, dann nach Hause zu gehen und seine Hausaufgaben zu machen, um das zuvor erlernte besser zu verstehen und am nächsten Tag etwas schlauer wieder in die Schule zu gehen,“ beschreibt Kumar die Methodik.

Bislang hat das Team die lokale Lernfähigkeit – des Hardwaresystems anhand des wiederholten Ausübens von stets derselben einen Aufgabe – erfolgreich nachgewiesen. Als nächstes steht nun globales Lernen auf dem Plan: Die Hand soll anhand seiner gemachten Erfahrungen herausfinden, wie ein bislang ungewohntes Objekt zu handhaben ist oder sich mit einem Szenario auseinanderzusetzen, das sie bislang noch nicht erlebt hat.

(ID:44050955)