Forschende der University of California, Berkeley entwickeln KI-gesteuerte Technologie zur Beschleunigung der Programmierung und des Trainings von Robotern

·von Henderson·Engineering
Forschende der University of California, Berkeley entwickeln KI-gesteuerte Technologie zur Beschleunigung der Programmierung und des Trainings von Robotern
Schlüsselpunkte
  • Die von der University of California, Berkeley, entwickelte KI-Technologie kann die Programmierung und das Training von Robotern beschleunigen.
  • Die Agent-Roboter-Technologie kombiniert mehrere KI-Agenten zur Generierung von Steuerungsprogrammen und verbessert die Leistung der Roboter.
  • Diese Technologie reduziert den Bedarf an großen Trainingsdatensätzen und manueller Ingenieursarbeit.
  • Erste Anwendungen konzentrieren sich auf industrielle Umgebungen und zeigen signifikante Verbesserungen in der Paketsortierfähigkeit.

Forscher der University of California, Berkeley, haben eine auf künstlicher Intelligenz basierende Technologie entwickelt, die die Programmierung und das Training von Robotern zur Bewältigung von Aufgaben in der realen Welt erheblich beschleunigen kann. Diese als „Agent-Roboter-Technologie“ bezeichnete Methode nutzt mehrere KI-Agenten zur Generierung von Robotersteuerungsprogrammen, die in einer simulierten Umgebung getestet und kontinuierlich optimiert werden. Diese Technologie kann den Bedarf an großen Trainingsdatensätzen und manueller Ingenieursarbeit reduzieren, die beide seit langem die Entwicklung leistungsfähiger Roboter behindern. Erste Tests haben bereits Verbesserungen in der Leistung bei Roboteraufgaben gezeigt, was auf ihr Potenzial in der industriellen Automatisierung und Lagerhaltung hinweist.

Vorteile der Agent-Roboter-Technologie

Diese neue Methode der Roboterprogrammierung kombiniert agentenbasierte KI, physikbasierte Simulationen und modulare Steuerungssysteme, um die Leistung der Roboter zu verbessern, ohne auf umfangreiche Trainingsdatensätze angewiesen zu sein. Die Agent-Roboter-Technologie ermöglicht es mehreren KI-Agenten, Robotersteuerungsprogramme zu generieren, diese in einer simulierten Umgebung zu testen, Fehler zu identifizieren und ihren Code zu überarbeiten, bevor sie auf physische Roboter angewendet werden. Diese Technologie kann zwei langjährige Herausforderungen in der Robotik angehen: den umfangreichen Ingenieureinsatz, der zur Programmierung des Verhaltens von Robotern erforderlich ist, sowie die große Menge an realen Daten, die für das Lernen durch Nachahmung benötigt werden.

Das Forschungsteam hat einen branchenüblichen Benchmark veröffentlicht, um die Leistung von Robotern bei industriellen Aufgaben zu bewerten. Traditionell verlassen sich Robotikexperten auf zwei weit verbreitete Ansätze. Modellbasierte Robotik erfordert, dass Ingenieure manuell programmieren, wie Roboter Objekte wahrnehmen, Bewegungen planen und Verhaltensweisen steuern, während modellfreie Robotik Demonstrationen und Lernen durch Nachahmung verwendet, um Roboter zu lehren, Aufgaben auszuführen. Ersteres erfordert einen erheblichen Ingenieureinsatz, während letzteres große Datensätze und lange Trainingszeiten benötigt. Die Agent-Roboter-Technologie zielt darauf ab, die Vorteile dieser Methoden zu kombinieren und gleichzeitig ihre Einschränkungen zu verringern.

Diese Methode verwendet einen Rahmen namens „Graph als Strategie“, um komplexe Roboteraufgaben in kleinere, wiederverwendbare Fähigkeiten zu zerlegen, einschließlich der Identifizierung von Objekten, der Planung von Greifbewegungen und der Bewegung des Roboterarms, ohne dabei mit umliegenden Objekten zu kollidieren. Die KI-Agenten verbinden diese einzelnen Fähigkeiten, um vollständige Robotersteuerungsprogramme zu erstellen. Mithilfe des NVIDIA Isaac-Simulationsrahmens testeten die Forscher diese Programme unter verschiedenen Bedingungen, identifizierten Probleme und modifizierten den Code wiederholt, um die Leistung zu verbessern. Dies ermöglicht es den Robotern, mehrere Runden virtueller Tests zu durchlaufen, bevor die Ingenieure das endgültige Programm auf physische Roboter anwenden.

Einer der Demonstrationsversuche beinhaltete einen Roboter, der mit einem Schwamm Tinte von einem Metallstab wischte. Die Forscher gaben dem KI-System ein kurzes Video und ließen es auf die Simulationsoberfläche zugreifen. Innerhalb einer Stunde generierte und passte das System eine physikalische Simulation an, die die Aufgabe nachbildete, einschließlich der realistischen Verformung des Schwamms. Anschließend nutzte die KI diese Simulation und den „Graph als Strategie“-Rahmen, um ein Robotersteuerungsprogramm zu erstellen. Es testete und verbesserte den Code wiederholt und übertrug ihn dann auf den physischen Roboter. In einem Versuch stieß der Roboter den Metallstab um, weil er das Gewicht des Objekts nicht genau berücksichtigte.

Das System nutzte das Video dieses Fehlers, um seine Simulation zu aktualisieren, den Steuerungsprogramm zu überarbeiten und neue Ansätze zu testen. Dieser Rückmeldungsprozess ermöglicht es den KI-Agenten, aus den Fehlern in physischen Tests zu lernen, die Simulation zu verbessern und nachfolgende Versuche zu optimieren, wodurch potenziell der Aufwand für manuelle Ingenieursarbeit verringert wird.

Anwendung der Technologie in der industriellen Logistik

Diese Technologie wurde auch in der industriellen Logistik getestet. Ein Unternehmen für Lagerrobotik wandte diese Methoden auf die Paketverteilung an, analysierte Produktionsdaten und testete Aktualisierungen des Roboterverhaltens. Die Testberichte zeigen, dass die Sortierfähigkeit jedes Roboters jährlich um mehr als 15.000 Pakete gesteigert wurde. Das Unternehmen hat diese Verbesserungen bereits in 30 % seiner Flotte in den USA implementiert. Die Forscher haben auch Open-Source-Code veröffentlicht, der auf dem NVIDIA Isaac-Simulationsrahmen basiert, und einen Branchenbenchmark bereitgestellt, um die Leistung von Robotern bei verschiedenen Aufgaben zu bewerten.

Die ersten Anwendungen konzentrierten sich auf industrielle Umgebungen, in denen sich wiederholende Aufgaben die Möglichkeit bieten, das Verhalten von Robotern zu testen und zu optimieren.

Diese Methode könnte letztendlich dazu führen, dass Robotersysteme sich leichter an sich ändernde Anforderungen anpassen, ohne jede Bewegung manuell programmieren oder große Mengen an Demonstrationsdaten für jede neue Aufgabe sammeln zu müssen. Dies bedeutet jedoch nicht, dass Roboter in der Lage sind, beliebige Aktivitäten in der realen Welt unabhängig zu meistern. Ihr unmittelbares Potenzial liegt darin, die Programmierung, das Testen und die Verbesserung von Robotern schneller und anpassungsfähiger zu gestalten, insbesondere in strukturierten industriellen Umgebungen.

Wie KI-Technologie die Art und Weise verändert, wie Roboter programmiert werden

Die neu entwickelte Agent-Roboter-Technologie zeigt das Potenzial von künstlicher Intelligenz in der Roboterprogrammierung, insbesondere in Bezug auf die Verringerung der Abhängigkeit von traditionellen Methoden. Durch die Kombination von Simulation und modularer Steuerung kann diese Technologie nicht nur die Leistung der Roboter verbessern, sondern sich auch schnell an sich ändernde Anforderungen in industriellen Umgebungen anpassen. Dies hat erhebliche Auswirkungen auf die Steigerung der Produktionseffizienz und die Senkung der Kosten, insbesondere in Szenarien, die eine große Anzahl wiederholender Aufgaben erfordern. Mit der weiteren Entwicklung der Technologie könnten in Zukunft weitere Automatisierungslösungen entstehen, die den Fortschritt der industriellen Automatisierung weiter vorantreiben.

H
Über den Autor
Henderson