Forscher des Massachusetts Institute of Technology (MIT) verkürzen den Programmieraufwand für Roboter deutlich. Damit der Roboter weiss, was zu tun ist, reicht künftig eine Handvoll menschlicher Demonstrationen. Mit dieser maschinellen Lernmethode braucht es nur zehn bis 15 Minuten Übung, bis die Maschine die neue Aufgabe erfüllen kann. Zum Erfassen der Formen von 3D-Objekten dient ein neuronales Netzwerk. In nur wenigen Trainingseinheiten kann der Roboter dann unbekannte Objekte, die dazu noch zufällig positioniert sind, packen und zum Ziel bringen.
In Simulationen und mit einem echten Roboterarm zeigen die Forscher, dass ihr System nie zuvor gesehene Tassen, Schüsseln und Flaschen, die in zufälligen Posen angeordnet sind, effektiv manipulieren kann, nachdem sie dem Roboter gerade einmal zehn Lektionen erteilt hatten. "Mit unserer Technik können wir Robotern, die in unstrukturierteren Umgebungen mit unterschiedlichen Objekten arbeiten müssen, viel effizienter neue Fähigkeiten zur Verfügung zu stellen", sagt MIT-Elektrotechniker und -Informatiker Anthony Simeonov.
Das Zusammenstellen von bestellten Waren übernimmt heute fast immer ein Roboter. Er holt beispielsweise Becher aus einem Regal und legt sie vorsichtig in einen Karton. Das klappt bisweilen gut, bis sich die Form des Produkts und die Art, wie es gelagert wird, ändert. Anfangs standen die Becher im Regal, plötzlich sind sie schmaler und stehen auf dem Kopf - eine Herausforderung. Nun braucht es zahlreiche Trainingseinheiten, damit der Kommissionierroboter die Becher packen, umdrehen und in den Karton stopfen kann, ohne dass etwas zerbricht. Genau das ändert sich nun.
