Of het soms een verbetering zou zijn als een robot "dingen op dezelfde manier vastpakt als een mens", valt te betwisten. Het Duitse Lucht- en Ruimtevaartcentrum (DLR) promoot dit echter als een voordeel voor zijn humanoïde robot "Agile Justin"met zijn robotische handen "voelen" .
Volgens deze theorie kan de humanoïde robot ook met de hand dingen in elke gewenste richting draaien zonder te kijken – wat, hoewel onwenselijk, naar verluidt zeer vaak voorkomt bij werknemers.
De wendbare Justin heeft sensoren in zijn twee robotarmen met elk vier vingers: hij 'voelen' . Onlangs demonstreerde hij zijn mogelijkheden op de vakbeurs automatica. Handigheid wordt beschouwd als een grote uitdaging voor robotica-onderzoekers. "Dankzij nieuwe methoden van machine learning en kunstmatige intelligentie is het voor het eerst mogelijk geweest om met de zeer geavanceerde mechatronische DLR-hand vaardigheden te demonstreren die de menselijke handigheid benaderen: met name het blind draaien en manipuleren van objecten met een naar beneden gerichte hand was een uitdaging"aldus professor Berthold Bäuml van het DLR Instituut voor Robotica en Mechatronica in Oberpfaffenhofen. Berthold Bäumls AI-onderzoek heeft de humanoïde robot Justin al jarenlang verder ontwikkeld: Justin vangt bijvoorbeeld ballen die naar hem worden gegooid of identificeert materialen door ze met zijn vingers te voelen. Nu heeft zelflerende AI de mogelijkheden van Justin aanzienlijk uitgebreid.
De onderzoekers gebruiken zogenaamde 'deep reinforcement learning'Dit betekent dat Justin volledig zelfstandig leert wat goed en fout is. In deze toepassing leert de robot bijvoorbeeld behendigheid herkennen aan de hand van de "Het object naar het doel draaien is goed" en "Het object laten vallen is slecht"Het leren van behendigheid duurt in een simulatie slechts twee tot drie uur. Daarna beheerst Justin de taak. Hij ontwikkelt zijn vingerbewegingsstrategie net als een mens, door middel van vallen en opstaan. "De robot kan zijn oplossingen vervolgens direct in de praktijk toepassen. Zelfs wij als onderzoekers staan vaak versteld. De mogelijkheden van onze nieuwe AI-leermethoden zijn fascinerend"aldus Bäuml.
Bovendien is er nog een primeur in de AI-robotica behaald: Justin kan elk object vastpakken met zijn hand met meerdere vingers. De onderzoekers hebben hierbij twee belangrijke problemen opgelost met behulp van AI. Uit 50.000 voorbeelden heeft de robot een zogenaamd "fundamenteel model" waarmee hij de vorm van de achterkant kan afleiden uit de zichtbare voorkant. Justin heeft zo inzicht gekregen in 3D-vormen. Ten tweede kan Justin een optimale handpositie vinden en zijn twaalf vingergewrichten daarop aanpassen. Mensen pakken objecten intuïtief vast. Om de robot dit intuïtieve vermogen bij te brengen, werd een andere AI getraind met duizenden voorbeelden voor tienduizenden objecten. "De berekening duurde meerdere dagen. Maar nu kan de robot de juiste greep binnen een fractie van een seconde oproepen"legt Bäuml uit. Op Automatica demonstreerde Justin zijn behendigheid al met objecten die hem door leden van het publiek werden aangereikt.
Foto's: DLR
“Nog nooit eerder konden robotarmen zo'n grote verscheidenheid aan objecten zo snel en nauwkeurig manipuleren. Dit succes was alleen mogelijk door de combinatie van geavanceerde AI-methoden met modelgebaseerde methodologische benaderingen en jarenlange robotica-ervaring”aldus professor Alin Albu-Schäffer, directeur van het DLR Instituut voor Robotica en Mechatronica. “Tot nu toe werd vaak aangenomen dat er een zeer grote hoeveelheid data nodig was om robotarmen te leren objecten vakkundig te hanteren. In tegenstelling tot de data voor Large Language Models, is experimentele data in de robotica, zelfs wanneer deze via simulatie wordt gegenereerd, zeer resource-intensief. Het DLR-onderzoeksteam heeft nu een manier gevonden om minder data te vereisen door meer robotica-expertise en een nieuwe leerarchitectuur te benutten. Hierdoor kan het team deze modellen zelfs op eenvoudige computers trainen en is een groot cluster niet meer nodig. ”
De volgende grote stap in de robotica zou wel eens in de industriële productie kunnen plaatsvinden. Robotarmen met meerdere vingers zouden zeer complexe en kleine onderdelen kunnen assembleren als ze flexibele, intelligente manipulatie standaard onder de knie krijgen. DLR-onderzoekers werken hieraan, bijvoorbeeld in het "SmartHand".
De onderzoeksgroep van Bäuml gebruikt deep learning als kernprincipe voor de ontwikkeling van autonome robots. Door sensoren en motorische vaardigheden te combineren met lerende AI, streven ze ernaar menselijke capaciteiten te benaderen. De hooggekwalificeerde medewerkers van deze jonge AI-onderzoeksgroep zijn voornamelijk afkomstig van de Technische Universiteit München. Daarnaast werken ze samen met gerenommeerde technologiebedrijven.
