Motivation
Die Geschicklichkeit menschlicher Hände ist robotischen Greifern bislang weit überlegen. Ziel des Learn2Grasp-Projekts ist es, menschenähnliches Greifen aus chaotisch gefüllten Behältern mit Hilfe einer nachgiebigen und menschenähnlich gestalteten Hand zu erlernen. Die Greifstrategie wird dabei nicht nur auf Messungen von RGB-D-Sensoren basieren, sondern auch auf Kraft/Drehmoment-Messungen im Handgelenk, Kraftmessungen in den Fingern und taktilen Messungen auf der Handoberfläche.
Ziele und Vorgehen
Die gelernten Strategien werden interaktiv sein und somit neben Greif- auch andere Aktionen beinhalten, wie z.B. das Verschieben und das Vereinzeln von Objekten. Auch mehrschrittige Pläne, wie z.B. Objekte in der Hand zu drehen oder neu zu greifen, um sie umschließen zu können, sollen erlernt werden. Die Projektarbeit wird im Rahmen des deutsch-französischen Kooperationsprojekts mit der Sorbonne Université, Paris erfolgen. Um von wenigen Erfahrungen dateneffizient zu lernen, soll ein strukturiertes, auf visuellen und haptischen Messungen basierendes Verfahren entwickelt werden, das Szenen zerlegt, vorhersagt und verfolgt. Interaktive Greifstrategien sollen mit Methoden des tiefen verstärkenden Lernens in einer physikbasierten Simulation und mit realen Hand-Arm-Systemen gelernt werden.
Innovationen und Perspektiven
Das Greifen ist eine schwierige Aufgabe für lernende Systeme. Für diese Herausforderung werden im Vorhaben zwei Ideen kombiniert: Das Lernen durch menschliche Demonstration zu Beginn und die Verwendung spezieller KI-Algorithmen zur anschließenden Verallgemeinerung und Übertragung der gelernten Bewegung auf neue, unbekannte Situationen.