Roboter lernen durch Imitation komplexe Reinigungsaufgaben
Mindverse News
KI-gestützt erstellt 7 Quellen Arbeitsweise
Von der Demonstration zum Algorithmus: Roboter erlernen Reinigungsaufgaben
Forscher der Technischen Universität (TU) Wien haben einen neuen Ansatz im Bereich der Robotik vorgestellt: Ein Roboter lernt durch die Beobachtung menschlicher Vorführungen, komplexe Reinigungsaufgaben zu bewältigen. Im Zentrum des Projekts steht ein mit Sensoren ausgestatteter Putzschwamm, der die Interaktion zwischen Mensch und Waschbecken detailliert erfasst. Die gewonnenen Daten dienen als Grundlage für einen Lernalgorithmus, der dem Roboter beibringt, ähnliche Aufgaben selbstständig auszuführen.
Die Herausforderung bei der Automatisierung von Reinigungsarbeiten liegt in der Komplexität der Bewegungen und der benötigten Krafteinwirkung. Ein Roboter muss lernen, unterschiedliche Oberflächenformen zu erkennen und die Reinigungsintensität entsprechend anzupassen. Die Programmierung expliziter Regeln für jede mögliche Situation ist jedoch extrem aufwendig. Der neue Ansatz der TU Wien umgeht dieses Problem, indem der Roboter durch Imitation lernt.
Der lernende Schwamm: Datenakquise für den Roboter
Für das Training des Roboters wurde ein handelsüblicher Schwamm mit Kraftsensoren und Tracking-Markern ausgestattet. Ein Mensch demonstrierte dem Roboter anschließend die Reinigung eines Waschbeckens. Dabei wurden die Bewegungen der Hand und die Krafteinwirkung auf den Schwamm präzise aufgezeichnet. Diese Daten bilden die Basis für den Lernprozess des Roboters.
Die gesammelten Daten werden mittels einer Kombination verschiedener Machine-Learning-Techniken verarbeitet. Zunächst werden die Messdaten statistisch analysiert. Anschließend trainieren die Forscher ein neuronales Netz mit den Ergebnissen. Dieses lernt sogenannte "Motion Primitives" – vorgegebene Bewegungselemente, die der Roboterarm zur Ausführung der Reinigungsaufgabe nutzt.
Flexibilität durch Lernen: Übertragung des Wissens auf andere Objekte
Das Besondere an diesem Ansatz ist die Fähigkeit des Roboters, das Gelernte auf andere Objekte und Situationen zu übertragen. Obwohl der Roboter nur die Reinigung eines Teils des Waschbeckens beobachtet hat, ist er in der Lage, das gesamte Becken oder auch andere Objekte mit komplexen Oberflächenformen zu reinigen. Der Roboter lernt, die Haltung des Schwamms und die Krafteinwirkung an die jeweilige Oberflächenform anzupassen.
Zukunftsvision: Federated Learning für Roboter
Die Forscher sehen in diesem Ansatz großes Potenzial für die Zukunft der Robotik. Mobile Roboter könnten in Werkstätten oder anderen Umgebungen eingesetzt werden und ihre Erfahrungen untereinander austauschen. Durch "Federated Learning" könnten Roboter voneinander lernen, ohne sensible Daten über die jeweiligen Arbeitsumgebungen preisgeben zu müssen. So würde das kollektive Wissen der Roboter stetig wachsen und die Effizienz der Arbeitsabläufe verbessern.
Die Technologie der TU Wien wurde bereits auf der renommierten Robotik-Konferenz IROS 2024 in Abu Dhabi vorgestellt und mit dem "Best Application Paper Award" ausgezeichnet. Dies unterstreicht die Bedeutung dieser Innovation für die Zukunft der Robotik und die Automatisierung komplexer Aufgaben. Das Projekt zeigt, wie Roboter durch die Beobachtung menschlicher Handlungen lernen und ihr Wissen flexibel anwenden können, um anspruchsvolle Aufgaben in verschiedenen Bereichen zu bewältigen.
Mindverse, als deutscher Anbieter von KI-Lösungen, verfolgt diese Entwicklungen mit großem Interesse. Die Fähigkeit von Robotern, durch Imitation zu lernen, eröffnet neue Möglichkeiten für die Entwicklung maßgeschneiderter KI-Lösungen für Unternehmen. Von Chatbots und Voicebots bis hin zu KI-Suchmaschinen und Wissenssystemen – Mindverse unterstützt Unternehmen dabei, das Potenzial der Künstlichen Intelligenz optimal zu nutzen.
Bibliographie:
- https://nachrichten.idw-online.de/2024/11/07/roboter-lernt-waschbeckenputzen
- https://science.orf.at/stories/3227462/
- https://brutkasten.com/artikel/tu-wien-neuer-lernender-roboter-putzt-badezimmer
- https://www.vorwerk-group.com/de/home/magazin/weiterdenken/wenn-der-roboter-den-haushalt-schmeisst
- https://www.lgnu.de/fileadmin/user_upload/02_Schulprofil/SWP_RoboterAufraeumen_LGNU.pdf
- https://www.radioq.de/cn/roboter-lernt-putzen/
- https://www.instandhaltung.de/praxisanwendung/smartes-saeubern-so-weit-sind-reinigungsroboter-schon-heute-130.html
//Nächster Artikel
Bild & Video
FlashVSR+: Effiziente 4K-Video-Super-Resolution durch hybride Attention und Reward-DistillationFlashVSR+ ermöglicht ungekachelte 4K-Video-Super-Resolution auf einer RTX 4090 durch hybride Attention und Reward-Yield Distribution Matching.

// Artikel teilen
Mehr zu Robotik & Humanoide
Alle Robotik-News- GreenWAM: Wie ein einheitliches World Foundation Model Weltvorhersage und Robotersteuerung verbindet
GreenWAM vereint Weltmodell und Roboter-Policy für 20 Roboterfamilien. Unsere Analyse beleuchtet Architektur, Benchmarks, Alternativen und Governance.
- RoboDawn untersucht die Übertragung multimodaler Modelle auf die Robotersteuerung
Das Forschungsprojekt RoboDawn zeigt, wie Vision-Language-Modelle (VLMs) physische Roboter ohne zusätzliches Training steuern können.
- RoboHarm-Benchmark zeigt Sicherheitslücken bei KI-gesteuerten Robotern
Der RoboHarm-Benchmark testet KI-Modelle wie GPT-6 Astra und Claude Fable bei der Steuerung von Roboterarmen. Das Ergebnis: Gefährliche Befehle werden selten verlässlich verweigert.
- PhysBrain 1.5 verbindet Wahrnehmung, Robotersteuerung und Zukunftsprognosen in einem offenen Modell
PhysBrain 1.5 von DeepCybo vereint Wahrnehmung, Roboteraktionen und Zukunftsprognosen in einem offenen Embodied-AI-Modell. Mit starken Benchmark-Ergebnissen (8B & 2B) eröffnet es neue Wege für Physical AI.
// Dranbleiben
Mindverse News folgen
Neue Meldungen erhalten Sie über unseren RSS-Feed oder auf LinkedIn.
Passend dazu in Mindverse Studio
- Eigene Modelle und Assistenten trainierenBilden Sie einen digitalen Marken-Experten auf Ihrem Wissen aus.
- KI-Chat mit allen führenden ModellenGPT, Claude und Gemini in einer Oberfläche — mit Websuche und Quellenangaben.
- Prozesse mit KI-Workflows automatisierenVisuelle Automatisierung wiederkehrender Abläufe — mit Freigabeschritten.
Recherchieren Sie KI-News wie diese selbst — mit Mindverse Studio.
7 Tage kostenlos testen — ohne Kreditkarte, mit 200 Credits. Für Fragen zur Umsetzung buchen Sie eine persönliche Demo.
//Chronik
Aus dem Archiv · rund um den 8. November 2024
← Davor erschienen