Neue KI-Methode ermöglicht Robotern den Transfer virtueller Fähigkeiten auf reale Aufgaben

Dieses Problem tritt auf, wenn Roboter, die in virtuellen Simulationen trainiert wurden, unter realen Bedingungen nicht zuverlässig funktionieren, da physische Umgebungen unvorhersehbare Variablen wie Sensorrauschen, sich ändernde Materialien oder unerwartete Kräfte enthalten. Um dieses Problem zu lösen, haben die Forschenden KI eingesetzt, um während des Robotert Trainings Variationen der Umweltbedingungen zu generieren.

Dies ermöglicht Robotern, nach dem Einsatz außerhalb. Das Team erklärte, die Methode vereine die Geschwindigkeit und Effizienz der Simulation mit einem geringeren Bedarf an Trainingsdaten aus der realen Welt und reduziere so den Bedarf an teuren oder potenziell gefährlichen Tests.

Schließen ücken Statt sich ausschließlich auf physisches Training zu verlassen, können Roboter nun komplexe Aufgaben virtuell erlernen, bevor sie diese Fähigkeiten in realen Umgebungen verfeinern. Die Forscher demonstrierten den Ansatz mit Manipulations- und Schneidetaufgaben, die eine physische Interaktion mit Materialien erfordern.

Nach Angaben des Teams ermöglicht das

Nach Angaben des Teams ermöglicht das System ein stabileres und anpassungsfähigeres Roboterverhalten, ohne dass massive Mengen an realweltlichen Datenerhebungen notwendig sind. „Durch den Einsatz Bedingungenvariationen erlaubt die neue Trainingsmethode Robotern, Fähigkeiten, die in Simulationen erlernt wurden, deutlich zuverlässiger in die reale Welt zu übertragen – und zwar mit nur einem kleinen Anteil an realweltlichen Daten", erklärten die Forscher in der Pressemitteilung.

Die Technologie könnte sich insbesondere in Branchen als nützlich erweisen, in denen direkte Tests schwierig oder gefährlich sind. Ein ist die Recycling, bei der Roboter möglicherweise in der Nähe beschädigter oder gefährlicher Batteriezellen arbeiten müssen.

Die Arbeit wurde im Rahmen des Projekts REBELION unterstützt, das als Teil eines umfassenderen europäischen Vorhabens zur Entwicklung automatisierter und sicherer Systeme für das Lithium-Ionen-Batterie-Recycling finanziert wurde.

Leistung und Energieausbeute

Intelligendere Industrieroboter Die Forscher glauben, dass das System langfristig dazu beitragen könnte, Plug-and-Play-Industrieroboter zu entwickeln, die vor dem Einsatz nur minimale Anpassungen erfordern. „Diese Arbeit zeigt, dass wir über rein simulierte Trainings hinausgehen und mit minimalem zusätzlichem Datenbedarf eine zuverlässige Leistung unter realen Bedingungen erreichen können", sagte Dr.

Alireza Rastegarpanah, Assistenzprofessor für angewandte KI und Robotik an der Aston University: „Unser langfristiges Ziel ist es, plug-and-play-intelligente Robotersysteme zu ermöglichen, die in Simulationen trainiert und mit minimalem Neukonfigurierungsaufwand schnell in neuen Umgebungen eingesetzt werden können", fügte er hinzu.

Die Forscher betonten, dass dieser Ansatz die Entwicklung der Robotik in Bereichen wie der fortschrittlichen Fertigung, Recyclinganlagen und autonomen industriellen Betriebsabläufen beschleunigen könnte. Durch die Verringerung der Abhängigkeit könnten zudem Entwicklungszeiten verkürzt und die Betriebskosten für Unternehmen gesenkt werden, die Robotersysteme einsetzen.

Das Team plant nun, die Methode weiter zu verfeinern, um sie für breitere industrielle Anwendungen nutzbar zu machen, in denen Roboter unter unsicheren oder sich verändernden Bedingungen arbeiten müssen. Die Forschung wurde in Scientific Reports veröffentlicht.