Über Klugheit und Lernfähigkeit von Haushaltsrobotern

Montag, 9. November 2020
ID: 
021/02/11-2020
Auf der weltweit renommierten Konferenz IROS (International Conference on Intelligent Robots and Systems) gewann Alex Mitrevski einen Best Paper Award in der Sparte Kognitive Robotik. Co-Autoren sind die Professoren Paul Plöger und Gerhard Lakemeyer. Die Konferenz gilt als weltweit größte Robotik-Forschungsveranstaltung. Mitrevski ist wissenschaftlicher Mitarbeiter und Doktorand am Fachbereich Informatik der Hochschule Bonn-Rhein-Sieg (H-BRS). Er forscht auf dem Gebiet der kognitiven Robotik und betreut das studentische Robotik-Wettkampfteam b-it-bots.
Doktorand Alex Mitrevski mit der Urkunde für den Best Paper Award bei der Konferenz IROS 2020. Rechts im Bild: Roboter Lucy. Foto: Alex Mitrevski
Doktorand Alex Mitrevski mit der Urkunde für den Best Paper Award bei der Konferenz IROS 2020. Rechts im Bild: Roboter Lucy. Foto: Alex Mitrevski

Die preisgekrönte Veröffentlichung trägt den Titel „Representation and Experience-Based Learning of Explainable Models for Robot Action Execution“. Es geht darum, Assistenzroboter im Haushalt zu verbessern, indem sie ihre eigenen Fehler analysieren und aus ihnen lernen. Mitrevski selbst erklärt das so: „Bei der Erledigung alltäglicher Aufgaben wie dem Reinigen eines Tisches führen Roboter und Menschen gleichermaßen verschiedene Teilaktionen aus. Sie nehmen etwa eine Tasse vom Tisch, bringen sie in die Küche, stellen die Tasse in einen Schrank und so weiter. Solche Aktionen sind manchmal erfolglos. In diesem Fall würden wir gerne wissen, was schiefgelaufen sein könnte. Die Fehleranalyse ist für uns als Roboterprogrammierer wichtig, weil wir so an der Verbesserung des Roboters arbeiten können, aber sie ist auch für den Roboter selbst wichtig, da wir ihn in die Lage versetzen möchten, aus seinen Fehlern zu lernen. So wie es auch Menschen tun.“

Robotern das Lernen beibringen

Eine Fehleranalyse ist nur möglich, wenn der Roboter ein konzeptionelles Verständnis für den Ausführungsprozess besitzt: So muss der Roboter zum Beispiel beim Greifen einer Tasse wissen, dass er sich der Tasse von der Seite nähern sollte oder er die Tasse festhalten muss, damit sie nicht wegrutscht oder herunterfällt. In der Praxis ist ein solches Wissen entweder explizit in der Robotersoftware kodiert oder es fehlt vollständig. Beides ist nicht ideal, denn im ersten Fall kann der Roboter sein Verhalten nicht selbst anpassen, im zweiten Fall kann er seine Fehler nicht einmal erkennen und analysieren.

In seinem Paper stellt Alex Mitrevski eine Methode vor, mit der ein Roboter durch geführtes Experimentieren lernen kann, wie er einzelne Aktionen ausführt, so dass die gelernten Darstellungen konzeptionelles Wissen über die Aktion enthalten. Das erlaubt es dem Roboter vorherzusagen, ob er Erfolg oder Misserfolg haben wird, wenn er die Aktion in einer bestimmten Weise ausführt. Die Methode demonstriert Mitrevski an Roboter Lucy, einem Haushaltsroboter von Toyota: Im ersten Fall unternimmt Lucy nur Greifversuche, im zweiten Fall muss sie ein Objekt zu sich heranziehen.

Das kooperative Promotionsvorhaben von Alex Mitrevski betreuen an der H-BRS Professor Paul Plöger sowie Professor Gerhard Lakemeyer von der RWTH Aachen.