Zukunft Forschung 02/2022

INFORMATIK
SCHRITT FÜR SCHRITT
Justus Piater lehrt seinem Roboter das Lernen – mit Erfolg. So lernte der Roboter, wie sich
Objekte bewegen, wenn er sie anschubst, und wie er diese stapeln kann. Nun soll er sich aus gelernten
Bewegungen neue erschließen und mit dem Menschen interagieren lernen.
Am 25. Jänner 1921 erblickte der
Roboter das Licht der Welt. An
diesem Tag gab das Prager Nationaltheater
erstmals das Drama R. U. R.
von Karel Čapek. Millionen menschenähnlicher
Maschinen dienen darin den
Menschen als billige Arbeitskräfte und
übernehmen Tätigkeiten in Haushalt
und Industrie. Čapeks Bruder Josef gab
den Maschinen einen Namen – Robota,
tschechisch für Frondienst oder Zwangsarbeit.
Heute kommen Roboter vielseitig zum
Einsatz, etwa in Industrie oder Medizin,
sie erkunden für Menschen gefährliche
Regionen – oder mähen einfach Rasen.
Gemeinsam ist ihnen, dass sie für ihre
Aufgaben programmiert wurden. Aber
kann man Roboter mit derart vielen Daten
füttern, dass sie die ihnen gestellten
Aufgaben jederzeit und überall erfüllen
können? Und was passiert, wenn die
Realität nicht dem Programmierten entspricht?
Justus Piater, Robotik-Spezialist
am Institut für Informatik der Universität
Innsbruck, wählt daher einen anderen
Weg – er will Roboter lehren, selbstständig
zu lernen. Erste Schritte sind schon
gemacht, nun wendet er sich mit seinem
Team dem nächsten zu.
Nicht ganz 100 Jahre nach der Uraufführung
von R. U. R. erblickte auch am
Innsbrucker Informatikinstitut ein Roboter
das Licht der Welt: Im Rahmen des
EU-Projekts Xperience (2011 – 2015) und
unterstützt durch die Universität Innsbruck
entstand Robin, der sein Wissen
durch Lernen aus Erfahrung bezieht. Robin
„schubste“ unterschiedliche Gegenstände
– Bauklötze, Schachteln, Bälle… –,
beo bachtete deren „Reaktion“ und clusterte
die sensormotorischen Daten, die
er von diesem Prozess via Kamera und
Kraftsensoren erhielt. „In der Folge ordnet
er ein Objekt aufgrund visueller Features
einem Cluster zu und weiß, wie sich
dieses Objekt dann erwartungsgemäß
verhält“, erklärt Piater. Robin lernte also,
dass runde Objekte rollen, wenn er sie anschubst,
Klötze aber nicht. Mit diesem erlernten
Wissen ausgestattet schickten die
Informatiker ihren Roboter in die nächste
Schulstunde. Robin agierte nun mit zwei
Objekten, schaute, was passiert, wenn er
einen Ball auf einen Bauklotz oder eine
Schachtel auf einen Ball stellt, clusterte
wiederum die sensormotorischen Daten
und lernte, so Piater, „im Zuge von zig
Interaktionen, wie man Türme baut“.
Bewegungen generalisieren
Im bisherigen Lernprozess agierte Piaters
Roboter als Einzelkämpfer, nun gehen
die Innsbrucker Informatikerinnen und
Informatiker daran, auch das humane
Umfeld einzubinden. In dem EUREGIO-
Projekt OLIVER – Open-Ended Learning
for Interactive Robots (2019 – 2022), wollten
sie in Zusammenarbeit mit der Uni Bozen
Robotern beibringen, Aufgaben, die von
ihren Designern nicht speziell vorgesehen
sind, sowie kollaborative Aufgaben
auszuführen. „Unser Fokus lag zunächst
darauf, wie Roboter von einer gelernten
Bewegung auf ähnliche Bewegungen
generalisieren können“, berichtet Piater.
Maschinelles Lernen, erläutert der Informatiker,
basiere auf der Annahme, dass
die Daten, die das trainierte Modell in der
Praxis sieht, statistisch gesehen dieselben
Daten wie im Training sind. Doch was
wenn nicht? „Dann funktioniert das System
nicht“, sagt Piater und nennt ein Beispiel:
„Ein Roboter hat gelernt, einen Stift
28
zukunft forschung 02/22
Fotos: Andreas Friedle