Das kleine bisschen Haushalt macht sich – leider – noch immer nicht von alleine, da käme Hilfe in Form eines putzenden Roboters gerade recht. Putzende Roboter werden bereits eingesetzt und nun gelang es Forscher*innen an der Technischen Universität Wien sogar einen Roboter so zu programmieren, dass er das Putzen von Menschen lernen kann – und dann alleine bewältigt. „Für uns ist das Waschbeckenputzen ein gutes Beispiel für einen industriellen Oberflächenprozess“, sagen die beteiligten Forscher Christian Hartl-Nesic und Andreas Kugi. Aus einer technischen Perspektive ist es gar nicht so leicht, all die einzelnen Schritte für das Putzen eines Waschbeckens zu automatisieren. „Bisher ist es sehr aufwändig, solche Prozesse flexibel durch den Roboter ausführen zu lassen: Wie muss das Werkzeug gehalten werden? Wo muss es entlanggeführt werden? Welche Kräfte sollen aufgebracht werden? Mit aktuellen Methoden muss dies alles manuell programmiert werden.“
Daher setzen die Forscher auf eine andere Lösung: Ein Mensch zeigt dem Roboter mehrmals, wie er das Waschbecken putzen soll. Mit einem Schwamm, der mit Kraftsensoren und Tracking-Markern ausgestattet ist, wird gemeinsam eine Waschbeckenkante geputzt. „Somit können wir präzise und mit hoher Datenqualität vermessen, wie der Roboter den Schwamm führt“, so die beiden Forscher.
Von Menschen lernen
Der Roboter lernt dadurch das Waschbecken zu reinigen – und er kann dieses Wissen dann anwenden, um andere Objekte ebenso zu putzen. „Die Herausforderung bei diesem Projekt war der lernende Algorithmus, an dem unser Doktorand Christoph Unger arbeitet. Wir mussten eine Methode finden, wie man mit möglichst wenigen Daten ein möglichst allgemeines Wissen des Roboters zu schaffen, sodass dieser dann die Aufgabe auch an anderen Objekten durchführen kann. Wir zeigen dem Roboter lediglich das Reinigen der Vorderkante des Waschbeckens und danach ist er in der Lage, diese Aufgabe für alle Kanten des Waschbeckens und auch unterschiedlichen Geometrien zu erledigen“, erklären Andreas Kugi und Christian Hartl-Nesic.
Dieser Lernprozess funktioniert dank einer Datenverarbeitungsstrategie, die vom Team der TU Wien selbst entwickelt wurde. Die Forscher*innen kombinierten mehrere bereits bestehende Techniken aus dem Bereich Machine Learning: Die Messdaten werden statistisch aufbereitet und mit den Ergebnissen wird dann ein neuronales Netzwerk trainiert. So lernt der Roboter vordefinierte Bewegungen.
Roboter im Haushalt
Mittlerweile haben Saug- und Wischroboter einen festen Platz in vielen Haushalten gefunden und unterstützten dort bei Reinigungsaufgaben. Roboter, die aufwendigere Tätigkeiten – wie Kochen, Bügeln oder Aufräumen – erledigen, befinden sich noch in Entwicklung. „Es wird geschätzt, dass universelle Haushaltsassistenten, die Sprachbefehle verstehen und autonom Aufgaben wie das Abräumen des Tisches oder das Einräumen des Geschirrspülers übernehmen, frühestens in 15 Jahren bereitstehen könnten“ werfen Hartl-Nasic und Kugi einen Blick in die (nahe) Zukunft. So wurden bereits Roboterarme entwickelt, die an einem Rollstuhl montiert werden können, um Menschen mit Bewegungsbeeinträchtigungen zu helfen. „Während erste Demonstrationen solcher Roboter bereits vielversprechend sind, hängt die breite Verfügbarkeit von weiteren technologischen Durchbrüchen und der Integration in marktfähige Produkte ab.“
Stärken und Schwächen von Robotern
Roboter werden aktuell vor allem bei Arbeiten eingesetzt, die präzise, wiederholbar und strukturiert sind, etwa in Bereichen wie der Fertigung (z. B. Schweißen und Montieren), Logistik (z. B. Sortieren und Lagern), Medizin (z. B. chirurgische Assistenzsysteme) und Landwirtschaft (z. B. automatisierte Ernte- und Aussaatverfahren). Für viele Arbeiten sind Roboter nicht geeignet: „Ihre Schwächen liegen derzeit in Bereichen, die eine hohe Flexibilität, Kreativität und Anpassungsfähigkeit erfordern. Dazu gehören komplexe Entscheidungsfindungen, kreative Aufgaben, manuelle Tätigkeiten mit vielschichtigen und feinfühligen Bewegungsabläufen (z. B. Nähen oder Reparaturen), sowie zwischenmenschliche Interaktionen und Verhalten in unstrukturierten und dynamischen Umgebungen.“ Dennoch gibt es enorme Fortschritte in Bereichen wie Robotik, Künstliche Intelligenz, Machine Learning und fortschrittlicher Sensorik und es wird rasch zu zahlreichen Innovationen und neuen Anwendungsfeldern kommen, wie die beiden Experten betonen.
