06.11.2018

Mehr KI für Roboter

Forschungsprojekt Q-Rock für maßgeschneiderte Roboter gestartet.

Die Komplexität von Robotern nimmt stetig zu. Immer mehr und immer leistungs­fähigere Sensoren und Aktuatoren lassen die Vision von hochgradig mobilen, intel­ligenten und autonomen Systemen Wirklich­keit werden. Dies stellt Entwickler vor große Heraus­forderungen und treibt die Entwicklungs­kosten in die Höhe. Im neuen Projekt Q-Rock, das vom Bundes­forschungs­ministerium BMBF mit 3,17 Millionen Euro gefördert wird, verfolgt das Deutsche Forschungs­zentrum für Künst­liche Intel­ligenz DFKI einen revo­lutionären Ansatz: Mithilfe von Methoden der Künst­lichen Intel­ligenz soll es zukünftig auch Nutzern ohne Experten­wissen möglich sein, kosten­effizient maßge­schneiderte Roboter­systeme für ihre Anwendungen zu entwickeln.

Abb.: Für den Weltraumeinsatz wurde am DFKI Robotics Innovation Center der Roboter Mantis entwickelt. (Bild: A. Popp, DFKI GmbH)

Das Projekt Q-Rock bildet den zweiten Schritt der X-Rock-Projekt­linie des DFKI 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 einen 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 die Roboter­entwicklung. Frank Kirchner, Leiter des DFKI Robotics Inno­vation Center sagt: „Q-Rock ist ein wichtiger Schritt hin zu 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.“

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 evolu­tionäre Ansätze, um basierend auf der modularen Roboter­beschreibung zunächst die Fähig­keiten von Teil­komponenten – etwa 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 kognitive Kerne überführt.

Diese Software­bausteine enthalten die Verbindung zwischen den Fähig­keiten einer Hardware sowie der daraus resul­tierenden möglichen Bedeutung im Verhalten, wie beispiels­weise 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.

So optimiert das neue Projekt die Roboter­entwicklung in mehr­facher Hinsicht: 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 dank Q-Rock 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.

DFKI / JOL

Sonderhefte

Physics' Best und Best of
Sonderausgaben

Physics' Best und Best of

Die Sonder­ausgaben präsentieren kompakt und übersichtlich neue Produkt­informationen und ihre Anwendungen und bieten für Nutzer wie Unternehmen ein zusätzliches Forum.

EnergyViews

EnergyViews
Dossier

EnergyViews

Die neuesten Meldungen zu Energieforschung und -technologie von pro-physik.de und Physik in unserer Zeit.

Meist gelesen

Themen