Vollständig ohne künstliche Intelligenz ist industriell eingesetzte Robotik zwar weiterhin möglich, aber nur für Aufgaben einsetzbar, die auf einer deterministischen, regelbasierten Steuerung fußen. Sobald Wahrnehmung, Variation oder selbstständiges Entscheiden gefragt sind, kommt unweigerlich KI ins Spiel.
Ein weiter Themenbereich ergibt sich immer dann, wenn die Wahrnehmung der Umgebung eine Rolle spielt. Sobald ein Roboter mit externer Sensorik oder Kameratechnik verbunden ist, braucht es auch einen intelligenten Algorithmus, der erkennt, was dort z.B. gegriffen und gehandhabt werden soll. Dieser muss zunächst trainiert werden. Beim Machine Learning wird die künstliche Intelligenz gezielt trainiert, um später eine bestimmte Aufgabe zu erfüllen, z.B. verschiedene Gegenstände auf unterschiedliche Weise zu greifen und an einem anderen Ort abzulegen. Dabei ist es auch möglich, zuvor unbekannte Dinge greifen zu lassen. Eine Sonderform des Machine Learnings ist das Reinforcement Learning, bei dem die künstliche Intelligenz anhand des Feedbacks ihrer Umwelt lernt. Hier kommt nicht ein vorab gekennzeichneter Datensatz zum Einsatz. Vielmehr lernt die Maschine durch Ausprobieren und in der Folge dessen durch Belohnung oder Bestrafung. So tastet sie sich an das erwünschte Verhalten heran, bis ein vollständiges neuronales Netz entstanden ist, das z.B. in der Lage ist, ein biegeschlaffes Bauteil, wie Gummiringe oder Kabel, präzise zu handhaben. Oder aber in der Qualitätskontrolle Anomalien zu erkennen, die i.O.-Teile von N.i.O-Teilen unterscheiden.
Lokalisierung und Kartierung
Wird ein Roboter mobil, sei es eine fahrende Plattform, ein hundeartiger oder humanoider Roboter, ist künstliche Intelligenz von Nöten, um selbstständig Routen zu finden bzw. erst mal eine virtuelle Karte des Geländes zu erstellen, um sich dort autonom zu bewegen, ohne mit Hindernissen zu kollidieren. Hierbei ist der sogenannte SLAM-Algorithmus von Bedeutung. SLAM steht für simultane Lokalisierung und Kartierung. Die mobile Einheit muss eine sich ununterbrochen aktualisierende Karte ihrer Umgebung erstellen und sich selbst in dieser Umgebung lokalisieren. Dies gelingt über die sogenannte Sensorfusion. Hier werden die gesammelten Daten verschiedener Sensoren, wie Lidar, Kamera, Ultraschallsensoren und Trägheitsmesseinheiten, kombiniert und von der künstlichen Intelligenz ausgewertet. So navigieren fahrende Plattformen durch Fabrikhallen und Lager, so kann autonomes Fahren ermöglicht werden, so finden Drohnen ihr Ziel auch ohne GPS-Signale und so findet selbst der Saugroboter zu Hause seinen Weg durchs Haus. Werfen wir einen Blick in die Zukunft (die nächsten 10 bis 15 Jahre), dann könnte diese intelligente Form der Navigation es auch ermöglichen, dass humanoide Roboter sich durch unsere Welt bewegen, wie wir Menschen es tun.
Einfache Programmierung
Ein Problem, das unsere Industrie auch in der Zukunft begleiten wird, ist der Fach- und Arbeitskräftemangel. Wenn es an Roboterprogrammierern fehlt, ist es eine Lösung, die Programmierung von Robotern so weit zu vereinfachen, dass auch Nicht-Experten diese umsetzen können. Eine Möglichkeit, das zu erreichen, ist der Einsatz von Large Language Models, wie ChatGPT. So lassen sich in natürlicher Sprache formulierte Befehle in Programm-Code übersetzen. Sprachmodelle können auch als intelligente Assistenten agieren und in Echtzeit Fragen beantworten und Hilfestellung bei der Programmierung geben. Möchte ein Anwender z.B. erfahren, wie er dem Roboter die von der Kamera ermittelte Teileposition übergeben kann, kann er diese Frage per Text-Prompt an den KI-Assistenten richten und erhält in kurzer Zeit den entsprechenden Code-Baustein. So lassen sich nicht nur Funktionen, Programmbausteine und Programmvorlagen erzeugen, sondern auch Programme anpassen, korrigieren und mögliche Fehler in einem frühzeitigen Stadium erkennen. Mithilfe von Korrekturvorschlägen lassen sich diese Fehler dann schnell beheben. KI-Chatbots können die Programmierung erleichtern, aber auch z.B. bei der Auswahl von passenden Komponenten einer kompletten Anlage beraten.
Künstliche Intelligenz in der Robotik ist nicht nur nützlich und hilfreich, sondern essenziell, sollen Roboter immer mehr und immer wertschöpfendere Tätigkeiten ausfüllen. In meinem nächsten Blogbeitrag widme ich mich tiefergehend dem Aspekt der Demokratisierung der Robotik durch den Einsatz von künstlicher Intelligenz. Bleibt also dran!
Frauke Itzerott
Chefredakteurin ROBOTIK UND PRODUKTION
