Innovative Lernmethode lehrt Roboter Zusammenarbeit mit Menschen
Um in wechselnden Umgebungen arbeiten und ein breites Aufgabenspektrum meistern zu können, müssen Roboter mit Systemen ausgestattet sein, die es ihnen ermöglichen, ständig neue Fähigkeiten zu erlernen sowie ihr bereits vorhandenes Können an neue Umfelder anzupassen. Sie müssen gleichermaßen mit menschlichen Partnern in dynamischen Umgebungen zusammenarbeiten können. Um diese Herausforderungen zu meistern, wollte das von der EU finanzierte Projekt CONVERGE (Convergent human learning for robot skill generation) eine vorgeschlagene Rahmenumgebung für die Erzeugung und Anpassung von Modellen für von Robotern erlernte Fertigkeiten verbessern. Insgesamt bestand das Ziel darin, diesen Ansatz zum Erlernen von Fertigkeiten durch Roboter viel effektiver zu gestalten, indem der Roboter gleichzeitig mit dem menschlichen Bediener lernt. Das CONVERGE-Projekt konzentrierte sich auf zwei Human-in-the-Loop-Lernprobleme, nämlich die effektive Weitergabe von Fertigkeiten an den Roboter und das gemeinsame Steuern. Im ersten Fall wurde das simultane Lernen durch Mensch und Roboter zur autonomen Synthese von Steuereinheiten für mehrere Roboterprobeaufgaben wie beispielsweise Cart-pole-Hochklappen und Ausbalancieren sowie das Beschleunigen einer Kugel auf einem Balken untersucht. Aus den Resultaten geht hervor, dass innerhalb der simultanen Lernumgebung konvergentes Lernen mit dynamischer Steuerungsaufteilung möglich ist und die erzielten autonomen Steuereinheiten besser als das übliche sequentielle Lernen Human-in-the-Loop-Lernen funktionieren. Es bleibt festzustellen, dass, obgleich sich das simultane Lernen für erfahrene Versuchspersonen anfänglich schwieriger anfühlen kann, deren Leistungsfähigkeit dazu genutzt werden kann, um autonome Strategien mit verbessertem Leistungsverhalten zu erzeugen. Das erzielt man durch einen reibungslosen Übergang von der vollständigen Führung durch den Menschen zum gemeinsamen Steuern und letztlich zur vollständigen autonomen Steuerung. Innerhalb des zweiten Schwerpunktbereichs der gemeinsamen Steuerung wurden anthropomorphe Roboter eingesetzt. Bei der Kugelbalancieraufgabe besteht das Ziel darin, eine Kugel auszubalancieren, die auf einem am Endeffektor eines Roboterarms befestigten Tablett angeordnet ist. Die Aufgabe wird derart zwischen Mensch und Roboter aufgeteilt, dass beide Akteure versuchen, das Ziel zu erreichen, obgleich der Roboter die Zielstellung des menschlichen Partners aus der Beobachtung von dessen Verhalten ableiten muss. Obwohl auf diese Weise ein komplexes gekoppeltes Mensch-Maschine-System erschaffen wird, lassen die experimentellen Resultate erkennen, dass die menschliche Anpassung ein System des gemeinsamen Steuerns erschafft, das die besten Teile des menschlichen Steuerns und der Robotersteuerung ausnutzt. D. h., die Kugel kann schneller als bei alleinigem Handeln des Menschen und mit einem höheren Genauigkeit als beim Roboter allein ausbalanciert werden. Interessanterweise belegen weitere Experimente, dass das Lernen beim Menschen unter den Bedingungen des gemeinsamen Steuerns ungeachtet der Tatsache erleichtert wird, dass im Vergleich zur Teleoperation eines passiven Roboters ein komplexeres Problem gelöst werden muss. Zum Abschluss wird eine Variante des gemeinsamen Steuersystems, bei welcher der Mensch für die Armsteuerung und der Roboter für die Fingerkontrolle verantwortlich ist, zur autonomen Kompetenzsynthese beim Umlagern von Kugeln mit einem anthropomorphen Roboterarm-Hand-System eingesetzt, was die Vielseitigkeit der Human-in-the-Loop-Robotersteuerung für das gemeinsame Steuern und die Fähigkeitssynthese demonstriert. Insgesamt verkörpert die CONVERGE-Rahmenumgebung das Potenzial auf eine Revolutionierung des Design- und Programmierprozesses von Robotersystemen, womit es ihnen ermöglicht wird, mit den Menschen zusammenzuarbeiten, indem die Fertigkeiten beider Partner zwecks Realisierung von mehr Leistungsfähigkeit synergistisch miteinander kombiniert werden.
Schlüsselbegriffe
Roboter, CONVERGE, konvergierendes menschliches Lernen, Befähigungen des Roboters, Roboterfertigkeiten, autonome Steuerung
