Datenlotsen-Preisträger 2017

Hany Abdulsamad hat den Datenlotsen-Preis für seine Masterarbeit „Stochastisch optimale Regelung mit linearisierten Modellen“ erhalten. Die Arbeit wurde im Juni 2017 auf der Konferenz „International Conference on Automated Planning and Scheduling“ unter dem Titel „State-Regularized Policy Search for Linearized Dynamical Systems“ veröffentlicht. Hauptbetreuer war Prof. Dr. Gerhard Neumann, der bis November 2016 am Fachgebiet Intelligente Autonome Systeme (IAS) tätig war. In seiner Masterarbeit konzentriert sich Abdulsamad auf die Methode des Reinforcement Learning (bestärkendes Lernen), bei dem Roboter durch Wiederholung lernen und neue Fähigkeiten erlangen, indem sie mit sich selbst und der Umgebung interagieren und dafür von einer sogenannten Nutzenfunktion entweder Belohnung oder Strafe erfahren. Konkret kann man sich diesen Vorgang des maschinellen Lernens an einem von Abdulsamad während seines Masterstudiums mitentwickelten Ping-Pong spielenden Roboterarms vorstellen, der mit einem Zahlenwert belohnt wird, je näher er an den Ball herankommt und ihn trifft.

So wie Hany Abdulsamad beschäftigt sich auch Karim Barth in seiner von Prof. Dr. Oskar von Stryk und Dr. Stefan Kohlbrecher betreuten Bachelorarbeit mit Robotik. Seine Thesis „Entwicklung einer Benutzerschnittstelle für teilautonome Inspektion mit mobilen Robotern in schwierigen Umgebungen“ befasst sich mit der Interaktion zwischen Mensch und Maschine am Beispiel des Argonauten, einem vom Fachgebiet Simulation, Systemoptimierung und Robotik (SIM) sowie dem österreichischen Kooperationspartner taurob GmbH entwickelten intelligenten Inspektionsroboter, der zur Ferninspektion auf Öl- und Gasplattformen eingesetzt werden kann, um das hohe Risiko für Plattformmitarbeiter künftig zu senken. Barth arbeitete daran, die Bedienung des Roboters durch einen Plattformmitarbeiter zu ermöglichen, der keine umfassenden Vorkenntnisse in der Informatik hat.

Die Fragestellung wie man die Interaktion zwischen Mensch und Maschine realisieren kann, barg ein großes Interesse für Barth. Die Praxis am konkreten Beispiel war ihm hierbei besonders wichtig. So stellte sich die Benutzerschnittstelle des Argonauten als perfektes Thema für die Bachelorarbeit heraus, bei dem er bei der Evaluation persönlich testen konnte, ob die Benutzerschnittstelle auch tatsächlich nutzerfreundlich ist. Praktisch wurde es auch bei einem internationalen Wettbewerb für Inspektionsroboter, bei dem der Argonaut antrat und als Sieger hervorging. Während des Wettbewerbs in Frankreich konnte er dann zu guter Letzt mit den echten Plattformmitarbeitern, in deren Lage sich hineinzuversetzen seine Hauptaufgabe war, in Kontakt treten und sich austauschen.

Herausforderungen, die es zu meistern galt

Beide Preisträger verbindet die Faszination und Leidenschaft für die Robotik, aber auch die Herausforderungen, mit denen sie beim Schreiben und Auswerten ihrer Arbeiten konfrontiert wurden. „Das allergrößte Problem beim Ausarbeiten der Problemstellung ist der Anfang“, erinnert sich Barth. Den Startpunkt zu finden und sich in die Thematik und die technischen Details einzuarbeiten nahm viel Zeit in Anspruch. Auch der künstlerische Aspekt der Arbeit war neu für den Studenten, denn als Informatiker musste er sich mit dem konkreten Design der Benutzerschnittstelle auseinandersetzen. Hat man jedoch erst einmal die ersten Schritte hinter sich gebracht, „kommen manche Lösungen wie von alleine.“

Auch Abdulsamad stieß während der Masterarbeit auf Schwierigkeiten beim Versuch die Kernfrage nach der Effizienz von komplexen Lernalgorithmen für Roboter zu beantworten: „Die Frage der Effizienz ist eine sehr wichtige Frage in der Robotik“, erklärt Abdulsamad, „denn man kann den Roboter nicht unbegrenzt versuchen lassen, die Hardware gibt irgendwann einfach nach.“ Die größte Herausforderung war, den Stand der Forschung zu beherrschen und zu erweitern. Umso größer war die Motivation der Thematik gerecht zu werden und eine Methode zu entwickeln, die das Lernverhalten des Roboters effizienter gestaltet, dies umfasste die Entwicklung eines mathematiklastigen Algorithmus. Die Anstrengungen haben sich gelohnt, Abdulsamads Methode erwies sich als erfolgreich, denn es ist ihm in seiner Masterarbeit gelungen, zu zeigen, dass Roboter durch den von ihm neuentwickelten Algorithmus Aufgaben schneller und effizienter lösen konnten.

Wie geht es weiter?

Barth befindet sich zurzeit im Masterstudium und ist im Robotik-Team Hector (SIM) aktiv. Für den Masterstudiengang Autonome Systeme schrieb er sich aufgrund seiner Bachelorarbeit und aus Interesse an der Robotik ein. Er weiß noch nicht, ob er zukünftig weiterforschen oder in die Privatwirtschaft gehen wird aber er findet beide Optionen interessant. Priorität hat für ihn jetzt theoretisches Wissen aus den Veranstaltungen mitzunehmen, um dieses im Labor praktisch umsetzen zu können.

Abdulsamad ist mittlerweile am Fachgebiet Intelligente Autonome Systeme (IAS) bei Prof. Dr. Jan Peters als wissenschaftlicher Mitarbeiter beschäftigt und forscht aktuell im Bereich Reinforcement Learning für „stochastische hybride Systeme.“ Ein allgemeines Beispiel für hybride Systeme sind laufende Roboter, deren Dynamik sich abhängig davon verändert, ob der Roboter den Boden berührt oder nicht. Hierbei untersucht Abdulsamad neue Lernverfahren für optimale Steuerungsstrategien. Er kann sich gut vorstellen, an der Universität zu bleiben, um weiterhin aktiv im Gebiet der Künstlichen Intelligenz zu forschen.

Für welche Zukunftspläne sich die beiden auch entscheiden werden, nach diesen herausragenden Abschlussarbeiten darf man auf interessante Projekte gespannt sein.