Dank Künstlicher Intelligenz schneller zum Roboter

Der am DFKI Robotics Innovation Center für den Weltraumeinsatz entwickelte Roboter Mantis. Dank Künstlicher Intelligenz wird es künftig auch Nutzern ohne Expertenwissen möglich sein, kosteneffizient maßgeschneiderte Robotersysteme für ihre Anwendungen zu entwickeln. Foto: Annemarie Popp/DFKI

Mithilfe von Künstlicher Intelligenz wird es künftig auch Nutzern ohne Expertise möglich sein, kosteneffizient maßgeschneiderte Roboter zu entwerfen.

Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) hat einen entsprechenden Ansatz mit Methoden der Künstlicher Intelligenz entwickelt, der die Roboterentwicklung revolutionieren soll. Damit will das DFKI insbesondere kleine und mittelständische Unternehmen unterstützen, die nicht über die das notwendige Know-how verfügen und sich die kostspielige Anschaffung von robotischen Systemen nicht leisten können.

KMU können für gegebene Aufgaben Robotersysteme ermitteln

Der Kreis des Projekts Q-Rock zur Roboterentwicklung führt von der Exploration der Roboterfähigkeiten über die Generierung von Verhaltensbausteinen (Kognitive Kerne) bis zur bidirektionalen Abbildung zwischen Hardware. Foto: DFKI

Im Projekt Q-Rock wurde daher eine deutlich vereinfachte und optimierte Roboterentwicklung entwickelt. Der Ansatz basiert auf einem theoretischen Modell, das den Systementwurf durch einen ganzheitlichen Prozess realisiert: Zum einen ist der Roboter selbst in der Lage, die ihm aufgrund seiner Hardware zur Verfügung stehenden Fertigkeiten zu erkunden. Zum anderen lassen sich für eine gegebene Aufgabe alle Systeme ermitteln, die über die zur Erfüllung der Aufgabe notwendigen Fähigkeiten verfügen. Dafür kombinierten die Bremer Forscher subsymbolische Methoden der Künstlichen Intelligenz wie Maschinelles Lernen mit symbolischen Verfahren wie strukturellem Schlussfolgern.

Zudem baut das Projekt auf der umfangreichen Datenbasis des Vorgängerprojekts D-Rock auf. Die Datenbank verbindet modellierte Software mit Hardware- und Verhaltensmodellen und wurde in Q-Rock stetig erweitert. Darüber hinaus unterstützt sie durch umfassende Modularisierung – das heißt die flexible Nutzung und effiziente Wiederverwendbarkeit von Komponenten – die Roboterentwicklung.

Künstliche Intelligenz erkundet Systemfähigkeiten des Roboters selbstständig

Ausgehend von der modularen Beschreibung eines Roboters erfolgt die Erkundung der Systemfähigkeiten dank maschineller Lernverfahren vollkommen selbstständig. Bei sehr komplexen Systemen werden zunächst die Fähigkeiten von Teilkomponenten – etwa eines einzelnen Sensors oder Gelenkes – ermittelt, um daraus die Fähigkeiten des Gesamtsystems abzuleiten. Mithilfe weiterer Verfahren des maschinellen Lernens und auf Basis der in der Datenbank enthaltenen Softwaremodelle werden die erlernten Fähigkeiten dann automatisch in funktionale Einheiten gruppiert.

Zusammen mit einer semantischen Beschreibung ergeben sie sogenannte Kognitive Kerne, die als Bausteine für komplexere Verhalten dienen. Diese enthalten die Verbindung zwischen den Fähigkeiten einer Hardware – zum Beispiel der Kinematik eines Roboterarms – und der daraus resultierenden möglichen Bedeutung im Verhalten, etwa dem Greifen eines Objekts. Um sehr komplexes Roboterverhalten zu erzeugen, das aus vielen Einzelaktionen besteht, beispielsweise das Öffnen einer Tür, lassen sich verschiedene Kognitive Kerne miteinander kombinieren. Durch strukturelles Schlussfolgern können die Verhaltensbausteine dann wieder auf die Hardware abgebildet werden.

Menüauswahl von Aufgabe und Anforderungen des Roboters

Für einen einfachen Zugang zum Q-Rock-System konzipierten die Wissenschaftler des DFKI ein benutzungsfreundliches Webinterface. Dieses ermöglicht den Anwendern über eine Menüauswahl, die vom Roboter zu erfüllende Aufgabe, Umgebungsbedingungen und Anforderungen an das Verhalten des Systems zu spezifizieren. Das Programm schlägt ihnen dann automatisch die passenden Hardwarekombinationen vor. Darüber hinaus können Nutzer eigene Roboter aus den in der Datenbank enthaltenen Komponentenmodellen nach dem Baukastenprinzip erstellen. Durch die so angestoßene Exploration der Roboterfähigkeiten wird automatisiert ermittelt, welche Aufgaben das System aufgrund seiner Hardware ausführen kann. Auf diese Weise ist es Anwenden möglich, aus dem vollen Fähigkeitsspektrum des neudesignten Roboters zu schöpfen.

„Q-Rock ist aus mehrfacher Hinsicht ein Erfolg: Zum einen ist uns durch die Kombination von symbolischen und subsymbolischen Methoden der Künstlichen Intelligenz ein wichtiger Schritt hin zu sogenannten integrierten KI-Lösungen gelungen“, sagt Professor Frank Kirchner, Leiter des DFKI Robotics Innovation Center. „Zum anderen wird das neue System als Schlüsseltechnologie ganz neue Konstruktions- und Planungsprozesse für Roboteranwendungen realisierbar machen und Unternehmen den Einsatz robotischer Systeme ermöglichen, die sich dies aus Komplexitäts- und Kostengründen bisher nicht leisten konnten.“

Nächstes Projekt schon angelaufen

Die Entwicklung am DFKI geht nun weiter: Im Projekt M-Rock, das am 1. August 2021 gestartet ist, will das Robotics Innovation Center durch die Verwendung von expliziten und impliziten Feedback der Nutzer die Roboterentwicklung weiter verbessern. So soll etwa die Verwendung der Elektroenzephalografie (EEG) des interagierenden Menschen bewirken, dass sich die Systeme noch besser an individuelle Anforderungen und Vorlieben anpassen.

sk