Schweizer Technologie: Wie Roboter das Greifen lernen
Schweizer Forschende trainieren Roboter mit künstlicher Intelligenz.
Das Wichtigste in Kürze
- Mit KI lernen Roboter, zu greifen und sich flexibel zu bewegen.
- Trainiert wird oft in virtuellen Welten mit tausenden Robotern gleichzeitig.
- Ziel sind vielseitige Maschinen für Industrie, Logistik und Rettungseinsätze.
Im Soft Robotic Lab der ETH Zürich liegen bunte Spielzeuge neben Hightech-Sensoren. Mit diesen Spielzeugen spielen nicht etwa Kinder, sondern Roboter. Die Maschinen sollen lernen, wie man Objekte greift, dreht oder sortiert. Dafür brauchen sie keine starre Programmierung. Sie lernen mit künstlicher Intelligenz.
Lernen statt Programmieren
Früher wurden Roboter mit festen Regeln gesteuert: Jeder Handgriff war genau vorgegeben. Das funktioniert gut in Fabriken, wo sich Abläufe ständig wiederholen. Doch in unordentlichen Umgebungen – etwa beim Sortieren verschieden grosser Flaschen – versagen solche Systeme schnell.
Heute setzen Forschende auf maschinelles Lernen, also KI. Roboter beobachten Menschen oder probieren selbst aus, was funktioniert. Beim sogenannten «Reinforcement Learning» lernen die Maschinen durch Versuch und Irrtum: Der Roboter erhält Punkte, wenn er eine Aufgabe gut löst, und passt sein Verhalten laufend an.
An der ETH Zürich beispielsweise entwickelt ein Team um Professor Robert Katzschmann besonders weiche Roboterhände. Sie haben bis zu 21 Bewegungsmöglichkeiten und werden nicht mit Motoren in jedem Gelenk gesteuert, sondern mit künstlichen Sehnen. So können sie sich ähnlich wie eine menschliche Hand bewegen.
Training in der Cloud
Ein grosser Teil des Lernens passiert nicht im echten Labor, sondern im Cyberspace. In Simulationen können tausende virtuelle Roboter gleichzeitig trainieren. Was früher ein Jahr dauerte, ist heute in einer Stunde möglich. Diese Rechenarbeit läuft meist in der Cloud, also auf leistungsstarken Servern. Möglich wird das durch moderne Grafikprozessoren, die viele Aufgaben parallel rechnen können. Forschende arbeiten dafür auch mit Firmen wie Nvidia zusammen.
Doch in der realen Welt gibt es ein Problem: Nicht jeder Roboter hat am Einsatzort immer Internet. Ein Rettungsroboter in einem Katastrophengebiet kann nicht ständig mit der Cloud verbunden sein. Deshalb werden wichtige Teile des gelernten Wissens direkt auf den Roboter geladen. Er arbeitet dann mit weniger Rechenleistung, aber immer noch zuverlässig.
Roboter mit Körper und Gehirn
Nicht alle setzen nur auf riesige Datenmengen. Der ETH-Computerwissenschaftler Stelian Coros kombiniert Lernen mit physikalischen Modellen. Wenn ein Roboter einen Ball wirft, helfen ihm die bekannten Gesetze der Physik, den Wurf zu korrigieren – ganz ohne tausende Trainingsstunden. Coros’ Spin-off Flink Robotics arbeitet mit der Schweizerischen Post zusammen. Ziel ist es, Pakete mit intelligenten Roboterarmen schneller und genauer zu sortieren.
Für Robert Katzschmann ist aber klar: Nicht nur das «Gehirn» zählt, sondern auch der Körper. Starre Metallroboter stossen schnell an Grenzen. Die Zukunft sieht der ETH-Professor in Maschinen, die wie Lebewesen gebaut sind: mit weichen Muskeln, Sehnen und Skeletten. Nur so können Roboter wirklich vielseitig werden und sich in der realen Welt zurechtfinden.
