Wien (TU). – Roboter werden in Zukunft wie Kleinkinder selbständig lernen, sich in ihrer Umwelt zu bewegen. Davon ist Michael Zillich, Projektassistent am Institut für Automatisierungs- und Regelungstechnik der Technischen Universität (TU) Wien, überzeugt. „Wenn Roboter in realen Umgebungen Dinge tun sollen, kann man ihnen nicht jede kleinste Eventualität im Vorhinein einprogrammieren, deshalb müssen sie lernen können“, meint der erfahrene Robotiker. In einem von der Hochschuljubiläumsstiftung der Stadt Wien geförderten Projekt entwickeln er und sein Team ein Robotersystem, das aus einer vergleichsweise einfachen, robusten und kostengünstigen Roboterplattform und einer neuartigen Lernsoftware besteht. „Unsere Roboter sollen in selbst geplanten Experimenten lernen, wie die Welt um sie herum funktioniert“, sagt Zillich. Vorbild dafür sind Kinder, die ihre Fähigkeiten durch Ausprobieren und Lernen nach und nach entwickeln.

Robuster Roboter lernt zu lernen

Zillich arbeitet mit seinem Projekt in der Disziplin der so genannten Developmental Robotics. In diesem Forschungsgebiet wird viel mit im Computer simulierten Robotern und Umwelten gearbeitet, da das einfacher und billiger ist. Lässt man aber echte Roboter in realen Umgebungen herumfahren, so ist man mit einer Fülle von ganz praktischen Problemen konfrontiert, die in Simulationen nicht auftreten. „Traditionell werden auf dem Gebiet der Developmental Robotics sehr teure und komplexe Roboter verwendet, bei denen beispielsweise ein Zusammenstoß oft aufwändige Reparaturen nach sich zieht“, schildert er seine Erfahrungen. Im Extremfall braucht ein solcher Roboter eine/n eigene/n TechnikerIn, der sich allein um dessen Unterhalt und die laufende Einsatzfähigkeit kümmert. TU-Forscher Zillich verfolgt jedoch einen Ansatz, der seiner Meinung nach eine Fülle von neuen Möglichkeiten eröffnet. „Wir haben einerseits eine Roboterplattform gewählt, die sowohl einfach aufgebaut als auch kostengünstig zu betreiben ist, zum anderen arbeiten wir mit einer auf das Wesentliche reduzierten Lernsoftware, die vergleichsweise einfach zu handhaben ist“, erklärt er.

Raben als Vorbild

Zillichs Roboter sind an die 40 Zentimeter hoch, haben zwei Motoren zur Fortbewegung, eine Reihe von Ultraschallsensoren zum Messen von Entfernungen und einen Arm mit Greifzange und Kamera. Der Name Corvid, so heißt das Robotermodell, verweist auf Rabenvögel als Vorbild, die nach Erkenntnissen aus der Verhaltensforschung eine Fülle von intelligentem Verhalten zeigen. Wie bei allen Vögeln sitzen auch bei Raben und Krähen Augen und Schnabel auf einem gemeinsamen „Arm“, dem Hals. Ihr Schnabel dient dabei als Universalwerkzeug, genauso wie beim Roboter Corvid. Eine weitere Spezialität von Zillichs Robotern ist ihre Fortbewegung, die über zwei planierraupenähnliche Ketten erfolgt. „Damit hat Corvid eine maximale Standfestigkeit und kann auch über größere Hindernisse hinweg fahren, ohne zu stürzen“, erklärt der Forscher.

Lernendes Softwarehirn

Die eigentliche Stärke von Zillichs Konzept liegt jedoch in der Verknüpfung der Roboter mit einer Software, die ihnen das Lernen ermöglicht. Diese Software registriert Daten aus Sensoren und Motoren, speichert sie ab und vergleicht sie mit später neu eintreffenden Daten. Dabei entsteht nach und nach ein künstliches Gedächtnis, dessen Inhalte mit Situationen verglichen werden, in denen sich der Roboter gerade befindet. Dabei werden Datensätze, die einander ähnlich sind, in Gruppen zusammengefasst. Der Roboter versucht, Situationen zu wiederholen, die einen großen Lernerfolg versprechen. „Schon gut erlernte und damit für den Roboter langweilige Situationen werden zugunsten neuer, interessanterer, vermieden. Der Roboter steuert so sein eigenes Lernverhalten, um einen maximalen Lernerfolg zu erreichen“, erklärt Zillich das Prinzip.

Echte Körper in realer Umwelt

Ziel der Forschenden ist, bereits existierende Konzepte zu Roboterlernen ohne Kompromisse in der realen Welt umzusetzen. „Ein wichtiger Aspekt dabei ist, dass Lernen nicht nur in reduzierten Umgebungen, die rein im Computer simuliert werden, stattfinden kann“, sagt er. Als Grund dafür nennt er, dass reale Welten vielfältiger sind, und diese Vielfalt den Erfolg von Lernen unterstützt. „Mit unserer Arbeit wollen wir ein breites theoretisches Modell für künstliches Lernen in realen Umwelten entwickeln“, schildert Zillich die Ambition seines Projekts.

Zillichs Projekt ist Teil des neuen strategischen TU-Forschungsschwerpunkts Computational Science and Engineering.

Fotodownload: <link www.tuwien.ac.at/index.php, öffnet eine externe URL in einem neuen Fenster;http://www.tuwien.ac.at/index.php?id=9722</link> 

 
Links:

<link www.acin.tuwien.ac.at>www.acin.tuwien.ac.at</link&gt, öffnet eine externe URL in einem neuen Fenster;

<link www.csl.sony.fr/research/developmentalrobotics>www.csl.sony.fr/research/developmentalrobotics</link&gt, öffnet eine externe URL in einem neuen Fenster;

Rückfragehinweis:
Projektass. Dipl.-Ing. Dr.techn. Michael Zillich
Institut für Automatisierungs- und Regelungstechnik     
Technische Universität (TU) Wien
Gußhausstraße 27-29 / E376
A-1040 Wien
T +43-1-58801-77668
<link michael.zillich@tuwien.ac.at>michael.zillich@tuwien.ac.at</link>

<link www.tuwien.ac.at>www.tuwien.ac.at</link&gt, öffnet eine externe URL in einem neuen Fenster;

Aussender:
TU Wien - PR und Kommunikation
Operngasse 11/E011
A-1040 Wien
T +43-1-58801-41027
F +43-1-58801-41093
<link pr@tuwien.ac.at>pr@tuwien.ac.at</link>

<link www.tuwien.ac.at/pr>www.tuwien.ac.at/pr</link&gt, öffnet eine externe URL in einem neuen Fenster;

Redaktion:
Mag. Klaus Wassermann
scifactory - science & technology communication
Untere Weissgerberstrasse 30/18
A-1030 Wien
T +43-664-6366315
k<link laus.wassermann@scifactory.at>laus.wassermann@scifactory.at</link>

<link www.scifactory.at>www.scifactory.at</link&gt, öffnet eine externe URL in einem neuen Fenster;