Wie Roboter lernen, T-Shirts aufzuhängen:Die entscheidende Rolle von Daten

Motion Design INSIDER

Forscherin Jasmine Li im Carnegie Mellon Robotic Caregiving and Human Interaction Lab. (Bild:Die Forscher)

Aufbauend auf ihrer Erfahrung als Freiwillige in Seniorenheimen beschloss die Carnegie-Mellon-Forscherin Jasmine Li, ihre Forschung auf unterstützende Robotik zu konzentrieren, die Menschen bei alltäglichen Aufgaben unterstützt. „Ich interessierte mich für die Seite der Robotik, die Menschen hilft, die mit Technologie vielleicht nicht so vertraut sind“, sagte sie. „Ich habe über die Hardware-Seite der Robotik nachgedacht, aber am Ende habe ich viel mehr mit der Datenerfassung und Software gemacht – der algorithmischen Seite.“

Für ihr Projekt arbeitete sie mit Ph.D. Student Zheyuan Hu im Robotic Caregiving and Human Interaction Lab unter der Leitung von Assistenzprofessor Zackory Erickson.

Li arbeitete mit einem bimanuellen Roboterarm-Setup – zwei mehrgelenkigen Armen, die auf einem Tisch befestigt sind –, der von einem Menschen ferngesteuert werden kann, indem er ein Paar VR-Joysticks verwendet, oder völlig autonom über ein neuronales Netzwerk betrieben werden kann. Sie analysierte das Verhalten des Roboters sowohl in Simulationen als auch bei realen Aufgaben, um zu untersuchen, wie Roboter versagen, wenn sie komplexe menschliche Aktivitäten nachahmen, beispielsweise das Aufhängen von Hemden.

„Wir haben herausgefunden, dass ein Mensch, wenn er versucht, einen Kleiderbügel einzuführen, manchmal winzige Korrekturen vornimmt, aber wir hatten die Theorie, dass der Roboter möglicherweise besser lernt, wenn wir die Aufgabe in größerem Maßstab korrigieren“, sagte sie. Anstatt also eine kleine Drehung oder Anpassung vorzunehmen, führten sie die Roboterarme dazu, in ihre ursprüngliche Position zurückzukehren, bevor sie versuchten, das Hemd wieder genauer aufzuhängen.

Mithilfe der neu entdeckten Datenerfassungsmethode sei das Training des Roboters effizienter geworden, da mehr Daten gesammelt und die Leistung mit weniger Wiederholungen menschlicher Schulung verbessert werden könnten, sagte Li.

Das Team experimentierte auch mit der Methode anhand anderer Versuche, bei denen der Roboter einen Burger in eine Mitnahmebox packen und einen luftdichten Behälterdeckel verschließen musste.

„Es ist schwierig, einem Roboter beizubringen, mehrere verschiedene Aufgaben zu erledigen, was wir Generalisierung nennen“, sagte Li. „Im Moment konzentriert sich die Robotikforschung darauf, Roboter für bestimmte Aufgaben zu trainieren, aber letztendlich wird uns jeder, der zur Forschung beiträgt, dabei helfen, dieses Ziel zu erreichen.“

Quelle