Selbstlernkompetenz

Dank vielversprechender Sensorik, Hardware und Software gehören mobile, intelligente und autonome Maschinen in der Produktion längst zum Alltag. Immer mehr Arbeitsprozesse wandern von der Menschen- in die Roboterhand. Das wachsende Aufgabenportfolio der intelligenten Gerätschaften stellt jedoch nicht nur Robotikspezialisten vor große Herausforderungen, sondern treibt auch die Entwicklungskosten in die Höhe. Im Projekt Q-Rock stellt sich das Robotics Innovation Center des Deutschen Forschungszentrums für künstliche Intelligenz (DFKI) diesen Herausforderungen. Die Wissenschaftler aus Bremen verfolgen einen komplett neuen Ansatz: Mithilfe von Methoden der künstlichen Intelligenz soll es künftig auch Nutzern ohne Expertenwissen möglich sein, maßgeschneiderte und kostengünstige Robotersysteme für individuelle Anwendungen zu entwickeln.

Das Projekt Q-Rock bildet den zweiten Schritt innerhalb der X-Rock-Projektlinie der DFKI-Forschungseinrichtung und behandelt eine der grundlegenden Fragen, die sich in der Robotik stellen: Wie kann ein Roboter das Wissen über sich selbst und seine Fähigkeiten eigenständig entwickeln, ohne dass ihm dies von einem Entwickler vorgegeben werden muss? Die Wissenschaftler setzen zum einen auf Methoden der künstlichen Intelligenz wie etwa maschinelles Lernen und strukturelles Schlussfolgern. Zum anderen bauen sie auf der umfangreichen Datenbasis des Vorgängerprojekts D-Rock auf. Die Datenbank verbindet modellierte Software mit Hardware- und Verhaltensmodellen und unterstützt durch eine umfassende Modularisierung die Roboterentwicklung.

„Q-Rock ist ein wichtiger Schritt hin zu sogenannten integrierten KI-Lösungen“, erläutert Frank Kirchner, der das Robotics Innovation Center leitet. Im Gegensatz zu D-Rock soll der Roboter im aktuellen Versuchsaufbau nun jedoch in die Lage versetzt werden, die ihm zur Verfügung stehenden Fertigkeiten selbst zu erforschen. Die Wissenschaftler nutzen evolutionäre Ansätze, um zunächst die Fähigkeiten von Teilkomponenten zu ermitteln, beispielsweise die eines einzelnen Sensors oder Gelenkes. Daraus lassen sich die Fähigkeiten des Gesamtsystems ableiten. Die gewonnenen Erkenntnisse werden dann automatisch in funktionale Einheiten gruppiert und zusammen mit einer semantischen Beschreibung in sogenannte kognitive Kerne überführt. Diese Kerne können anschließend kombiniert werden, um ein komplexes Roboterverhalten zu erzeugen, wie es beispielsweise für das Öffnen einer Türe erforderlich ist. Die Verhaltensbausteine werden im Anschluss daran durch strukturelles Schlussfolgern wieder auf der Hardware abgebildet.

Q-Rock optimiert die Roboterentwicklung gleich in mehr­facher Hinsicht: Indem es das automatisierte Konstruieren von Roboterhardware anhand des gewünschten Verhaltens ermöglicht, können ganz neue Konstruktions- und Planungsprozesse für Roboteranwendungen realisiert werden. Zudem lässt sich modellbasiert schlussfolgern, welche Aufgaben ein Roboter mit seiner gegebenen Hardware durch Kompositionen von Verhalten ausführen kann. Auf lange Sicht sollen vor allem kleine und mittelständische Unternehmen profitieren, die sich den Einsatz von Robotern in größerem Umfang bisher kaum leisten können. Das Projekt wird vom Bundesministerium für Bildung und Forschung mit 3,17 Millionen Euro über eine Laufzeit von drei Jahren gefördert.