Autonomes Aktives Lernen von Objektwissen mit Manipulationsrobotern

• Antragsteller: Professor Dr. Sven Behnke; Professor Dr. Wolfram Burgard
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik
• Förderung: Förderung von 2014 bis 2019
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 260307391

Assistenzroboter haben das Potential, universell einsetzbare Hilfen in unserem alltäglichen Leben zu werden. Sie könnten vielfältige Aufgaben übernehmen, z.B. das Reinigen unserer Wohnräume, die Pflege unserer Gärten oder das Füttern unserer Haustiere. Um solche Aufgaben erfolgreich erledigen zu können, müssen Roboter über hinreichendes Wissen über Objekte verfügen sowie diese manipulieren können. Dies erfordert reichhaltige Objektbeschreibungen für deren Erzeugung die Roboter nicht nur über Methoden zur Analyse von Form und Aussehen der Objekte verfügen müssen, sondern sie müssen diese auch Kategorien zuordnen können und in der Lage sein, weitere Charakteristika abzuleiten. Dies umfasst beispielsweise auch physikalische Eigenschaften wie Material und Gewicht, das Erkennen funktioneller Teile, aber auch weitere Attribute wie z. B. Marke oder Preis.In diesem Projekt erforschen wir, wie Roboter diese Objektinformationen unter geringer menschlicher Anleitung selbständig erlernen können. Wir möchten hierfür die Möglichkeit ausnutzen, dass Roboter mit den Objekten physisch interagieren können, und ihnen die Fähigkeit geben, die reichhaltigen Informationen aus dem World Wide Web zu analysieren. Ein weiteres Ziel ist, Manipulationsfertigkeiten von einem allgemeinen Modell auf die spezifischen Formen und Charakteristika unbekannter Objekte zu übertragen und diese autonom zu verbessern.In ALROMA werden wir mit aktiven Lernmethoden eine neuartige Perspektive in der Robotik einnehmen. Wir werden aktuelle Manipulationsroboter in unserer Forschung verwenden, diese mit Vorwissen über Objekte ausstatten und ihnen die ständig aktuellen und reichhaltigen Informationen im Internet zugänglich machen. Die Roboter werden aktiv lernen, indem sie Hypothesen über Objekte durch Interaktion mit ihrer Umgebung verifizieren, z.B., indem sie zusätzliche Messungen aufnehmen, oder ein Objekt bewegen. Sie werden neue Fertigkeiten im Umgang mit Objekten aus Demonstrationen lernen, diese auf funktionell ähnliche Objekte übertragen und durch eigene Erfahrungen mit diesen verbessern.ALROMA wird den Stand der Forschung in aktivem Lernen für Roboter, Objektmanipulation und Objektentdeckung vorantreiben und so zum Erfolg der nächsten Generation von Assistenzrobotern beitragen.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 1527: Autonomes Lernen
• Beteiligte Person: Dr. Luciano Spinello