Wissensaustausch wird die neue Richtung für die zukünftige Explosion der Roboter sein

Viele Aufgaben, die Menschen von Robotern erledigen lassen möchten, wie etwa das Verpacken von Gegenständen in Lagerhallen, die Betreuung bettlägeriger Patienten oder die Unterstützung von Soldaten an der Front, können nicht erledigt werden, weil Roboter gewöhnliche Objekte nicht erkennen und handhaben können.

Weil wir den „Prozess der Big Data-Sammlung“ in unserer Kindheit bereits durchlaufen haben, sind wir normalerweise in der Lage, unsere Wäsche selbst zusammenzulegen oder unser Trinkglas in die Hand zu nehmen, sagt Stefanie Tellex, Professorin für Informatik an der Brown University. Wenn Roboter dieselben alltäglichen Aufgaben ausführen sollen, benötigen auch sie Zugriff auf riesige Datenmengen darüber, wie sie Objekte greifen und manipulieren. Doch woher kommen die Daten? Normalerweise ist zur Erstellung dieser Daten eine aufwendige Programmierung erforderlich. Im Idealfall könnten Roboter jedoch einige Informationen voneinander lernen.

Dies war die Theorie hinter Thales‘ Million Object Challenge. Ihr Ziel ist es, dass Forschungsroboter auf der ganzen Welt lernen, einfache Objekte – von Schüsseln bis hin zu Bananen – zu finden und zu handhaben, während sie Daten in die Cloud hochladen und es anderen Robotern ermöglichen, die Informationen zu analysieren und zu verwenden.

Stephanie Telles und Baxter Robot

Das Labor von Thales in Providence, Rhode Island, ist wie ein superlustiger Kindergarten. An dem Tag meines Besuchs scannte Baxter, ein Industrieroboter von Rethink Robotics, einen kleinen Pinsel inmitten eines Meeres aus übergroßen Ziegeln. Es bewegt seinen rechten Arm vor und zurück in Richtung des gegenüberliegenden Objekts, nimmt mit einer Kamera an seinem Körper mehrere Bilder auf und misst die Tiefe mit einem Infrarotsensor. Anschließend versucht es mit seinen Händen (Greifern), die Bürste aus verschiedenen Winkeln zu greifen. Sobald es den Gegenstand vor sich angehoben hat, beginnt es, ihn zu schütteln, um sicherzustellen, dass es einen festen Griff hat. Wenn er diese Aktionen ausführen kann, hat der Roboter gelernt, wie man einen Gegenstand aufhebt.

Der Roboter kann mit jedem Greifer oft ein anderes Objekt greifen und arbeitet rund um die Uhr. Telles und ihr Doktorand John Oberlin haben Daten zu etwa 200 Objekten gesammelt und weitergegeben, angefangen bei Dingen wie Kinderschuhen über Plastikboote und Gummienten bis hin zu Kochutensilien wie Knoblauchpressen und einem Entenschnabelbecher, der einst ihrem dreijährigen Sohn gehörte. Auch andere Wissenschaftler können Daten ihrer Roboter beisteuern und Thales hofft, dass sie gemeinsam eine Bibliothek mit Informationen darüber aufbauen können, wie Roboter mit einer Million verschiedener Objekte umgehen. Irgendwann „werden die Roboter in der Lage sein, einen Stift vor ihnen auf einem vollen Regal zu erkennen und aufzuheben“, sagte Telles.

Diese Art von Projekt ist möglich, weil viele Forschungsroboter mit demselben Standard-Framework, dem Robotics Operating System (ROS), programmiert werden können. Sobald eine Maschine eine bestimmte Aufgabe gelernt hat, kann sie diese Daten an andere Roboter weitergeben, die Feedback hochladen können, mit dem die ursprünglichen Daten weiter verfeinert werden können. Telles glaubt, dass die Informationen, die zum Identifizieren und Greifen eines beliebigen Objekts erforderlich sind, auf 5 bis 10 MB Daten komprimiert werden könnten, was etwa der Größe eines Lieds in Ihrer Musikbibliothek entspricht.

Immer wenn der Roboter die beste Art und Weise zum Greifen eines Objekts ermittelt, archiviert er die Daten in einem Format, das andere Roboter verwenden können.

Thales war einer der ersten Partner im Robobrain-Projekt, das demonstrierte, wie ein Roboter aus den Erfahrungen anderer Roboter lernen kann. Ihr Mitarbeiter Ashutosh Saxena, damals an der Cornell University, brachte dem PR2-Roboter bei, eine kleine Tasse anzuheben und sie an einem dafür vorgesehenen Platz auf einem Tisch abzustellen. Anschließend lud Thales an der Brown University diese Informationen aus der Cloud herunter und nutzte sie, um ihren Baxter (der anders konstruiert ist als der PR2-Roboter) zu trainieren, dieselbe Aufgabe in einer anderen Umgebung auszuführen.

Heute mag dieser Fortschritt nur schrittweise erfolgen, doch in den nächsten fünf bis zehn Jahren werden wir „eine Explosion der Fähigkeiten von Robotern“ erleben, so Saxena. Saxena ist derzeit CEO des Startups Brain of Things. Da immer mehr Forscher in die Cloud einfließen und das Wissen dort verbessern, sagte Saxena, „sollten Roboter problemlos auf alle Informationen zugreifen können, die sie benötigen.“