Intel­li­gente und selbst­ler­nende Auto­ma­tion schrei­tet voran. TU Wien ent­wi­ckelt Robo­ter, der vor­ge­zeigte Arbeits­schritte nach­ma­chen und auch auf andere Situa­tio­nen anwen­den kann. Als Bei­spiel die­nen gemein­hin müh­same Putz­vor­gänge in Bad und WC. 

Robo­ter sol­len uns lang­wei­lige oder unan­ge­nehme Arbei­ten abneh­men. Doch gerade auf­wen­dige Tätig­kei­ten wie etwa das Bade­zim­mer­put­zen sind tech­nisch gese­hen recht schwer zu auto­ma­ti­sie­ren. Wie plant man die Bewe­gung eines Robo­ter­arms, damit er jede Stelle eines Wasch­be­ckens erreicht ? Was ist, wenn das Becken spe­zi­ell gekrümmte Kan­ten hat ? Wie viel Kraft soll an wel­cher Stelle ange­wen­det wer­den ? All diese Dinge prä­zise in feste Regeln und vor­ge­ge­bene mathe­ma­ti­sche For­meln zu fas­sen wäre extrem aufwändig. 

An der TU Wien wurde nun ein ande­rer Weg gegan­gen : Einem Robo­ter wird mehr­mals von einem Men­schen gezeigt, was er tun soll : Mit einem spe­zi­ell prä­pa­rier­ten Schwamm wird eine Wasch­be­cken­kante geputzt. Der Robo­ter lernt dadurch, wie das Put­zen funk­tio­niert, und kann die­ses Wis­sen nun auch fle­xi­bel auf anders geformte Objekte anwen­den. Die Arbeit wurde nun bei der IROS 2024 in Abu Dhabi publi­ziert, diese gilt als eine der renom­mier­tes­ten Robo­tik-Kon­fe­ren­zen der Welt.

Put­zen und schlei­fen und nachpolieren
Put­zen ist nur eine Art von Ober­flä­chen­be­ar­bei­tung. Viele andere Tätig­kei­ten, die in der Indus­trie auch eine große Rolle spie­len, sind tech­nisch gese­hen ganz ähn­lich – etwa das Abschlei­fen oder Polie­ren von Ober­flä­chen, das Anma­len oder das Auf­tra­gen von Kleb­stoff. „Die geo­me­tri­sche Form eines Wasch­be­ckens mit Kame­ras zu erfas­sen, ist rela­tiv ein­fach“, sagt Andreas Kugi vom Insti­tut für Auto­ma­ti­sie­rungs- und Rege­lungs­tech­nik der TU Wien. „Viel schwie­ri­ger ist dem Robo­ter bei­zu­brin­gen : Wel­che Stelle der Ober­flä­che soll er mit wel­cher Art von Bewe­gung bear­bei­ten ? Wie schnell ? In wel­chem Win­kel ? Mit wel­chem Kraftaufwand?“

Men­schen ler­nen so etwas durch Erfah­rung und Imi­ta­tion. „In einer Werk­statt blickt dann viel­leicht jemand dem Lehr­ling über die Schul­ter und sagt : Dort bei der engen Kante musst du ein biss­chen fes­ter andrü­cken“, sagt Chris­tian Hartl-Nesic, der im Team von Andreas Kugi die Indus­trial Robo­tics-Gruppe lei­tet. „Wir woll­ten einen Weg fin­den, den Robo­ter auf ganz ähn­li­che Art ler­nen zu las­sen“, ergänzt Hartl-Nesic.

Der Putz­schwamm mit dem Vorführeffekt
Für die­ses Vor­gänge wurde ein eige­nes Putz­werk­zeug ent­wi­ckelt : Ein Putz­schwamm wurde mit Kraft­sen­so­ren und Track­ing-Mar­kern ver­se­hen und damit wurde dann von Men­schen wie­der­holt ein Wasch­be­cken geputzt – aller­dings nur die Vor­der­kante. „Aus eini­gen weni­gen Demons­tra­tio­nen gene­rie­ren wir eine Rie­sen­menge an Daten und damit lernt der Robo­ter, was rich­ti­ges Put­zen eigent­lich bedeu­tet“, erklärt Chris­tian Hartl-Nesic.

Die­ser Lern­pro­zess gelingt durch eine inno­va­tive Daten­ver­ar­bei­tungs­stra­te­gie, die vom Team der TU Wien ent­wi­ckelt wurde. Dabei wer­den meh­rere bereits bestehende Tech­ni­ken aus dem Bereich Maschi­nen­ler­nen kom­bi­niert. Zunächst wer­den die Mess­da­ten sta­tis­tisch auf­be­rei­tet und mit den Ergeb­nis­sen wird ein neu­ro­na­les Netz­werk trai­niert. Damit kön­nen dann vor­de­fi­nierte Bewe­gungs­ele­mente (soge­nannte „motion pri­mi­ti­ves“) gelernt wer­den. Und damit wird der Robo­ter­arm opti­mal ange­steu­ert, um die Ober­flä­che zu reinigen.

Durch die­sen neu­ar­ti­gen Lern­al­go­rith­mus erreicht man, dass der Robo­ter nach dem Vor­zeige-Trai­ning auch selbst put­zen kann – und zwar das ganze Wasch­be­cken oder auch andere Objekte mit kom­pli­ziert geform­ter Ober­flä­che, obwohl ihn nur das Put­zen einer ein­zige Wasch­be­cken-Kante vor­ge­zeigt wor­den ist. „Der Robo­ter lernt, dass man den Schwamm je nach Ober­flä­chen­form anders hal­ten muss, dass man an einer eng gekrümm­ten Stelle eine andere Kraft auf­wen­den muss als auf einem ebe­nen Flä­chen­stück“, erklärt Chris­toph Unger, Dok­to­rand aus der Indus­trial Robotics-Gruppe.

Wenn alle Werk­statt­ro­bo­ter gemein­sam ler­nen als Zukunftsvision
Die vor­ge­stellte Tech­no­lo­gie ist für viele Pro­zesse inter­es­sant, sei es das Schlei­fen von Holz­werk­stü­cken in Tisch­le­reien, das Repa­rie­ren und Polie­ren von Lack­schä­den in Fahr­zeug­ka­ros­se­rien oder das Schwei­ßen von Blech­tei­len in Schlos­se­reien. Gerade hier sind kleine Stück­zah­len von gro­ßer Bedeu­tung. In der Zukunft könnte die­ser Robo­ter auf eine mobile Platt­form gesetzt wer­den, wodurch die­ser über­all in Hand­werks­be­trie­ben als hilfs­be­rei­ter Werk­statt­ro­bo­ter ein­ge­setzt wer­den kann. In einer kur­zen Trai­nings­phase wird die gewünschte Auf­gabe vor­ge­zeigt und im Anschluss kann der Robo­ter selbst­stän­dig die Tätig­keit auf glei­chen und ähn­li­chen Werk­stü­cken ausführen.

Sol­che Robo­ter könn­ten dann sogar ihr Wis­sen mit­ein­an­der tei­len. „Stel­len wir uns vor, es gibt viele Werk­stät­ten, die mit sol­chen Robo­tern Ober­flä­chen abschlei­fen oder lackie­ren. Dann könnte man die Robo­ter jeweils ein­zeln an loka­len Daten Erfah­rung sam­meln las­sen, die dar­aus gelern­ten Para­me­ter könn­ten aber alle Robo­ter mit­ein­an­der tei­len“, sagt Andreas Kugi. Pri­vate Daten – etwa über die kon­krete Form eines bestimm­ten Werk­stücks – wür­den pri­vat blei­ben, aber wich­tige erlernte Grund­prin­zi­pien wür­den aus­ge­tauscht, um die Fähig­kei­ten aller Robo­ter wei­ter zu ver­bes­sern (Anm. das soge­nannte „fede­ra­ted learning“).

An der TU Wien konnte in zahl­rei­chen Ver­su­chen die Fle­xi­bi­li­tät des Wasch­be­cken-Putz­ro­bo­ters bereits bewie­sen wer­den. Auch inter­na­tio­nal sorgt die Tech­no­lo­gie bereits für Auf­se­hen : Bei der letz­ten IROS 2024 Ver­an­stal­tung im Okto­ber, einer Kon­fe­renz mit über 3500 ein­ge­reich­ten wis­sen­schaft­li­chen Arbei­ten, wurde die Arbeit der TU Wien mit dem „Best Appli­ca­tion Paper Award“ aus­ge­zeich­net – und damit als Top-Inno­va­tio­nen des Jahres.