Ressort Presse

• von Birgit Kremer
• 01.10.2021

Der Ansatz ist vielversprechend: In einer virtuellen Trainingsumgebung sollen Roboter mit Künstlicher Intelligenz (KI) Bewegungsabläufe lernen, um diese anschließend in der echten Welt zuverlässig anzuwenden. Wie sich hierfür eine geeignete Simulation erstellen lässt, untersucht das Softwaretechnik-Institut paluno der UDE im Projekt MeSSeR*.

Üben und Ausprobieren – so lernen wir Menschen, aber auch Roboter können auf diese Weise trainiert werden. Möglich macht es Künstliche Intelligenz oder genauer das Maschinelle Lernen (ML). Hierbei lernt die KI aus der Erfahrung mit vielen Beispielaufgaben und optimiert sich laufend selbst. Das KI-Training eines Roboters findet in der Regel nicht in der echten Welt, sondern in der Simulation statt. Zu teuer und zu gefährlich wären die „Trial&Error“-Versuche z.B. eines Industrieroboters. Die große Herausforderung daran ist die Übertragung der Roboterleistung aus der Simulation in die Realität („Sim2Real“-Transfer). Denn schon kleine Unterschiede zwischen beiden Welten können der KI im echten Leben Schwierigkeiten bereiten.

Kennen Fachleute die spätere Einsatzsituation, können sie häufig gut einschätzen, welche Abweichungen in der Realität auftreten könnten. Wie sich dieses Fachwissen beim Erstellen einer geeigneten Simulationsumgebung nutzen lässt, untersucht die Arbeitsgruppe von UDE-Prof. Schneegaß Im Projekt MeSSeR. Sie arbeiten hierbei mit Kolleg:innen des An-Instituts OFFIS der Universität Oldenburg zusammen. Ihre Idee: Mithilfe von erweiterter und virtueller Realität (AR/VR) soll der Mensch direkt mit der Simulationsumgebung interagieren.

Konkret soll eine durchgängige Werkzeugkette für das Erstellen einer Simulationsumgebung entworfen, implementiert und evaluiert werden. Diese sieht vor, dass ein Roboter zunächst die Umgebung scannt, um ein virtuelles Abbild der späteren Arbeitsumgebung zu erzeugen. Der Mensch wird per AR/VR in die virtuelle Umgebung eingebunden und kann sie mit relevanten Informationen anreichern. Auf dieser Basis lässt sich ein sinnvolles Variabilitätsmodell erzeugen, mit dem die KI auch die möglichen Abweichungen der Arbeitssituation trainiert. Ob sich diese Werkzeugkette in der Praxis bewähren kann, wollen die Forscher:innen anhand industrieller Anwendungen und Haushaltsszenarien bewerten.

* Das Projekt MeSSeR (Mensch-unterstützte Synthese von Simulationsdaten für die Robotik) wird vom Bundesforschungsministerium für zwei Jahre gefördert. Rund 500.000 € fließen an die UDE.

Weitere Informationen:
Prof. Dr. Stefan Schneegaß, Human Computer Interaction (HCI), Tel. 0201/18 3-4251, stefan.schneegass@uni-due.de