KoBo lernt helfen

Der Fokus der Forschungsarbeit liegt auf der physischen Interaktion zwischen Mensch und Roboter. Das geplante Einsatzgebiet des Vorhabens ist die Geriatronik, also der Einsatz von Technologie für Menschen im höheren Lebensalter. Ziel ist es, Fähigkeiten und Fertigkeiten für einen humanoiden kooperativen Assistenzroboter zu entwickeln, der ältere Menschen im Alltag unterstützt, ihre Selbstständigkeit bewahrt und dadurch Pflegebedürftigkeit so lange wie möglich vermeidet.

Bis dato wurden die meisten Robotersysteme darauf optimiert, gleichbleibende Aufgaben im industriellen Umfeld millionenfach zu wiederholen. Um sich kurzfristig ändernden Bedingungen anzupassen, wie beim geplanten Einsatz als Assistenzroboter im privaten Bereich, ist die Organisation von Fertigungsrobotern nicht geeignet. Es braucht adaptive, lernende und auch für Laien zu »programmierende« Robotersysteme. Zudem ist es von entscheidender Bedeutung, die Interaktion von Mensch und Maschine menschenkonform zu gestalten. Ein flexibles, aber für den Nutzer jederzeit transparentes Handeln des Roboters soll die Akzeptanz bei den Anwendern stärken und dazu führen, dass humanoide Roboter als nützliche Werkzeuge Einzug in den Alltag älterer Menschen halten können.

Eine entscheidende Rolle für ein harmonisches Zusammenspiel von Mensch und Maschine spielt dabei die wechselseitige Fähigkeit sowohl des Roboters als auch des Menschen, die Aktionen des „Partners“ verstehen, also vorhersagen zu können. Hierzu ist es auf maschineller Seite erforderlich, die menschlichen Intentionen – in Bezug auf die jeweilige Aufgabe – erkennen zu können. Als Anhaltspunkte werden in KoBo34 dazu zum Beispiel die Bewegungsmuster des Menschen, Blickrichtung, Gesten, aber auch verbale Äußerungen verwendet. Diese werden unter Verwendung computationaler Modelle und Verfahren der Kognitionswissenschaft detektiert und interpretiert.

Für den Menschen bedeutet Vorhersagbarkeit der Maschine, dass diese sowohl ihm vertraute, also natürlich erscheinende Bewegungsmuster reproduzieren muss, als auch Anhaltspunkte geben muss über ihre »Absichten« oder inneren Zustände wie etwa interne Unsicherheit bezüglich des aktuellen Zustands des Menschen und der aktuell vom Menschen gewünschten Aktion.

Bedienungskonzepte, in welchen die Instruktion von Roboter und Mensch in gemeinsam ausgeführten Aufgaben erfolgt, stehen im Zentrum der Lernansätze in KoBo. Hierzu wird die Expertise des Fachgebiets Intelligente Autonome Systeme (Fachbereich Informatik) im Roboterlernen mit computationalen Modellen des menschlichen Lernens des Fachgebiets Psychologie der Informationsverarbeitung (Fachbereich Humanwissenschaften) verbunden.

Herausforderungen sind zum Beispiel die Erkennung des eigentlich demonstrierten Lernziels oder eine fehlende Übereinstimmung der Kinematik und Dynamik von Mensch und Roboter. Der Ansatz von KoBo34 löst diese Probleme durch eine Kombination von Demonstration, Anleitung, Selbst-Adaption und aktiver Abfrage inklusive Qualitätsbewertung in einem interaktiven Prozess. Aufbauend auf Basisfertigkeiten kann ein technischer Laie (zum Beispiel der Pfleger) als Lehrer dem Roboter neue Fertigkeiten durch Imitationslernen antrainieren und hierdurch ein erweitertes Grundrepertoire an Fertigkeiten zur Verfügung stellen, die anschließend durch kooperatives Reinforcement-Lernen an die jeweiligen Benutzer angepasst werden. Zur Einschätzung des Lernerfolgs soll ein neuartiger Ansatz, basierend auf Inverse Reinforcement Learning und Active Reward Learning, zur Anwendung kommen.

Dr. Dirk Balfanz. Der Autor ist Wissenschaftlicher Geschäftsführer des Centre for Cognitive Science und KoBo34- Projektkoordinator für die TU Darmstadt.

Das Vorhaben KoBo34 (FKZ: 16SV7984) wird im Rahmen des Programms »Roboter für Assistenzfunktionen: Interaktionsstrategien« vom Bundesministerium für Bildung und Forschung (BMBF) gefördert.

Partner im Projekt KoBo34 sind außer der TU Darmstadt mit dem Centre for Cognitive Science (Prof. Constantin Rothkopf und Prof. Jan Peters) die Münchner Robotik-Firma Franka Emika als Konsortialleitung, die TU München mit ihrem Lehrstuhl für Robotik und Systemintelligenz sowie die Hochschule Rosenheim, welche die Evaluation und Nutzereinbindung verantwortet.