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 entschied sich Carnegie-Mellon-Forscherin Jasmine Li, ihre Forschung auf assistive Robotik zu fokussieren, die Menschen bei alltäglichen Aufgaben hilft. „Ich war an der Seite der Robotik interessiert, die Menschen hilft, die vielleicht nicht so vertraut mit Technologie sind“, sagte sie. „Ich dachte an die Hardware-Seite der Robotik, landete aber schließlich viel mehr bei Datenerfassung und Software – der algorithmischen Seite.“

Für ihr Projekt arbeitete sie mit dem Doktoranden Zheyuan Hu im Robotic Caregiving and Human Interaction Lab unter der Leitung von Assistenzprofessor Zackory Erickson zusammen.

Li arbeitete mit einem bimanualen Roboterarm-Setup – zwei mehrgelenkige Arme, die an einem Tisch befestigt sind –, das von einem Menschen ferngesteuert werden kann, mit einem Paar VR-Joysticks, oder vollständig autonom über ein neuronales Netzwerk betrieben wird. Sie analysierte das Verhalten des Roboters sowohl in Simulationen als auch bei realen Aufgaben, um zu untersuchen, wie Roboter scheitern, wenn sie komplexe menschliche Aktivitäten nachahmen, wie das Aufhängen von Hemden.

„Wir fanden heraus, dass ein Mensch beim Einführen eines Bügels manchmal winzige Korrekturen vornimmt, aber wir hatten die Theorie, dass der Roboter besser lernen könnte, wenn wir die Aufgabe in größerem Maßstab korrigierten“, sagte sie. Statt einer winzigen Drehung oder Anpassung führten sie die Roboterarme zurück in ihre Ausgangsposition, bevor sie versuchten, das Hemd erneut präziser aufzuhängen.

Mit der neu entdeckten Datenerfassungsmethode wurde das Training des Roboters effizienter, es wurden mehr Daten gesammelt und die Leistung mit weniger Iterationen menschlichen Unterrichts verbessert, sagte Li.

Das Team experimentierte auch mit der Methode bei anderen Versuchen, bei denen der Roboter einen Burger in eine Take-out-Box packen und einen luftdichten Containerdeckel verschließen sollte.

„Es ist schwer, einen Roboter zu trainieren, mehrere verschiedene Aufgaben auszuführen, was wir Generalisierung nennen“, sagte Li. „Robotikforschung konzentriert sich derzeit auf das Training von Robotern für spezifische Aufgaben, aber letztendlich wird jeder, der zur Forschung beiträgt, uns dorthin bringen.“

Quelle