Es gibt zwei Möglichkeiten, Roboter dazu zu bringen, das zu tun, was sie tun sollen. Die erste sind die handkreierten Methoden, die klassischen Algorithmen der Entwickler. Die zweite ist der datengetriebene Ansatz, das sogenannte Reinforcement Learning, bei denen Roboter eine Aufgabe immer besser lösen, ohne dass dafür auch nur eine Zeile Programmcode geschrieben werden muss.
Das Reinforcement Learning wird in der Robotik langfristig eine wichtige Rolle spielen. Bei dieser Vorgehensweise agiert der Roboter mit der physikalischen Welt und kann sich dabei selbst beobachten. Wenn die Maschine etwas richtig oder gut gelöst hat, bekommt sie eine Belohnung in Form einer sogenannten Reward-Funktion, vergleichbar dem Leckerli beim Hund, der genau das gemacht hat, was Herrchen wollte. Beim Griff in die Kiste etwa konnten mit dieser Methode bereits verblüffende Erfolge erzielt werden. Die Maschinen lernten selbstständig das sichere Greifen von transparenten Objekten und kamen allein drauf, Schraubzwingen am Massenmittelpunkt anzugehen, weil das der robusteste Griff ist. Alles wohlgemerkt ohne Programmierung. Das ist keine Magie und auch keine Zauberei, sondern lediglich ein neues Tool im Werkzeugkasten der Entwickler. Allerdings ein mächtiges, das vor allem in der Montage eine große Zukunft haben wird.
Hier setzt auch das neue Forschungsprojekt „Rob-Akademi“ an, das Anfang Juli gestartet wurde und bei dem Techniken entwickelt werden sollen, mit denen sich Roboter einfacher für Montageaufgaben vorbereiten lassen. Zu den Partnern zählt unter anderem das Fraunhofer IPA. Mehr zu diesem Trendthema und zum Projekt lesen Sie in dieser Ausgabe ab Seite 48.
