Sehr geschickte Roboterhand kann im Dunkeln agieren

Columbia University, New York, NY

Forscher von Columbia Engineering haben eine äußerst geschickte Roboterhand demonstriert, die einen fortgeschrittenen Tastsinn mit motorischen Lernalgorithmen kombiniert, um ein hohes Maß an Geschicklichkeit zu erreichen.

Um sein Können unter Beweis zu stellen, wählte das Team eine schwierige Manipulationsaufgabe: eine beliebig große Drehung eines ungleichmäßig geformten, gegriffenen Gegenstands in der Hand auszuführen und dabei den Gegenstand stets in einem stabilen, sicheren Halt zu halten. Die Hand war nicht nur in der Lage, diese Aufgabe zu erfüllen, sondern tat dies auch ohne jegliche visuelle Rückmeldung – ausschließlich basierend auf der Berührungserkennung. Darüber hinaus funktionierte die Hand ohne externe Kameras und ist daher immun gegen Beleuchtung, Verdeckung oder ähnliche Probleme.

„Obwohl es sich bei unserer Demonstration um eine Proof-of-Concept-Aufgabe handelte, die die Fähigkeiten der Hand veranschaulichen sollte, glauben wir, dass dieses Maß an Geschicklichkeit völlig neue Anwendungen für die Robotermanipulation in der realen Welt eröffnen wird“, sagte außerordentlicher Professor Matei Ciocarlie . „Einige der unmittelbareren Einsatzmöglichkeiten könnten in der Logistik und im Materialtransport liegen und dazu beitragen, Lieferkettenprobleme zu lindern, wie sie unsere Wirtschaft in den letzten Jahren geplagt haben, sowie in der fortschrittlichen Fertigung und Montage in Fabriken.“

Die Forscher entwarfen und bauten eine Roboterhand mit fünf Fingern und 15 unabhängig betätigten Gelenken – jeder Finger war mit der berührungsempfindlichen Technologie des Teams ausgestattet. Der nächste Schritt bestand darin, die Fähigkeit der taktilen Hand zu testen, komplexe Manipulationsaufgaben auszuführen. Dazu verwendeten sie eine Methode namens Deep Reinforcement Learning, ergänzt durch neue Algorithmen, die sie zur effektiven Erforschung möglicher motorischer Strategien entwickelt hatten.

Der Input für die motorischen Lernalgorithmen bestand ausschließlich aus den taktilen und propriozeptiven Daten des Teams, ohne jegliche Sehkraft. Der Roboter nutzte die Simulation als Übungsgelände und absolvierte dank moderner Physiksimulatoren und hochparalleler Prozessoren etwa ein Jahr Übung in nur wenigen Stunden. Diese in der Simulation trainierte Manipulationsfähigkeit übertrugen die Forscher dann auf die reale Roboterhand, die das erwartete Maß an Geschicklichkeit erreichen konnte.

„Das richtungsweisende Ziel für diesen Bereich bleibt die unterstützende Robotik im Haushalt, das ultimative Testgelände für echte Geschicklichkeit.“ In dieser Studie haben wir gezeigt, dass Roboterhände allein aufgrund der Berührungserkennung sehr geschickt sein können. Sobald wir neben der Berührung auch visuelles Feedback hinzufügen, hoffen wir, noch mehr Fingerfertigkeit zu erreichen und uns eines Tages der Nachbildung der menschlichen Hand zu nähern“, sagte Ciocarlie.

Ciocarlie stellte fest, dass ein physischer Roboter, der in der realen Welt nützlich sein soll, sowohl abstrakte, semantische Intelligenz als auch verkörperte Intelligenz benötigt. Große Sprachmodelle wie GPT-4 von OpenAI oder PALM von Google zielen darauf ab, Ersteres bereitzustellen, während die in dieser Studie erreichte Fingerfertigkeit bei der Manipulation komplementäre Fortschritte bei Letzterem darstellt.

Für weitere Informationen wenden Sie sich bitte an Holly Evarts unter Diese E-Mail-Adresse ist vor Spambots geschützt. Sie müssen JavaScript aktivieren, damit Sie es sehen können.; 212-854-3206.

Dieser Artikel erschien erstmals in der Augustausgabe 2023 des Tech Briefs Magazine.

Weitere Artikel aus dem Archiv lesen Sie hier.

ABONNIEREN