CORDIS - Forschungsergebnisse der EU
CORDIS
Inhalt archiviert am 2024-06-18

Developmental Context-Driven Robot Learning

Article Category

Article available in the following languages:

Intelligenter Roboterarm als bahnbrechende Neuerung

Roboter haben enormes Potenzial für das Allgemeinwohl und gehen zunehmend über die bisherige industrielle Anwendung hinaus. Eine EU-Initiative befasste sich mit Echtzeit-Lernen bei einem humanoiden Roboter, der praktische Alltagshandgriffe durchführen soll.

Digitale Wirtschaft icon Digitale Wirtschaft
Industrielle Technologien icon Industrielle Technologien
Gesellschaft icon Gesellschaft
Grundlagenforschung icon Grundlagenforschung

Schwerpunkt des EU-finanzierten Projekts DECORO war entwicklungsbezogenes und kontextgestütztes Roboterlernen. Dies gilt als wichtigste Voraussetzung, damit Roboter künftig zur Verbesserung der Lebensqualität beitragen können. DECORO untersuchte Zusammenhänge zwischen dem jeweiligen "Zustand" eines Lernalgorithmus, der äußeren Form eines Roboters und seiner Sensorik. DECORO entwickelte zunächst eine Architektur für Analysen des Echtzeit-Lernens in stark unterschiedlichen Kontexten. Ein wichtiges Ergebnis war, dass Roboter, wenn sie mehr Möglichkeiten zur sensorischen Verarbeitung haben, sensorisches Rauschen besser unterdrücken und bei ähnlichen Aufgaben ignorieren können. Die Wissenschaftler konstruierten dann mit einem Open-Source-Programm für 3D-Druck einen Roboterarm, der physisch mit der Umwelt interagiert und gleichzeitig seine sensomotorischen Fähigkeiten weiterentwickelt. Der Arm kombiniert strukturelle Komponenten, die mit konventionellen 3D-Druckern hergestellt werden, mit gummiartigen Sehnen, die nach dem Prinzip Agonist/Antagonist funktionieren. Dies ermöglicht eine einfache Replikation, Abfederung schneller Stöße, Reparaturzyklen von wenigen Minuten bei Brüchen und gewährleistet die jeweils benötigte Stabilität und Flexibilität. So kann der Roboter Zusammenstöße überstehen und körperlich mit unbekannten Objekten interagieren, indem er über Aktuatoren Steifigkeit variieren und passiv nachgeben kann. Der Roboterarm verwendet einfache interne Modelle, um Muskellängen mit Gelenkwinkel und Steifigkeit zu korrelieren. Diese Modelle werden durch Selbstkalibrierung erlernt, ermöglichen schnelle und gezielte Bewegungen und erkennen mögliche Zusammenstöße. Der Arm kann typische Schwingungen am Endpunkt durch dynamische Co-Kontraktionen bei Bewegungen reduzieren. Schließlich untersuchten die Projektpartner, inwieweit mit dem Roboterarm kontextbezogene Verhaltensweisen möglich sind. Mit seiner Open-Source-Software und Hardware kann der nachgiebige und robuste Roboterarm von DECORO hervorragend auf seine Umgebung reagieren und wird derzeit an mehreren Universitäten weltweit nachgebaut. Eine weitere Forschungsstelle soll den Einsatz für die Agrartechnik voranbringen, und zu diesem Zweck wurde das KMU Fieldwork Robotics Ltd im Vereinigten Königreich gegründet.

Schlüsselbegriffe

Roboterarm, Roboter, Roboterlernen, entwicklungsbezogenes Lernen, DECORO

Entdecken Sie Artikel in demselben Anwendungsbereich