Motivation
Die Qualität und Effektivität der Mensch-Maschine-Interaktion wird in unmittelbarer Zukunft entscheidend sein für die Entwicklung der Produktivität und Kosteneffizienz am Industriestandort Deutschland. Das Anlernen von Robotersystemen aber, wie etwa die Programmierung eines Industrieroboters oder die Anpassung dynamischer Regelungsmethoden bei Assistenzsystemen, erfordert jedoch immer noch Fachexpertise. Methoden der Künstlichen Intelligenz (KI) werden daher allgemein als Schlüssel angesehen, solche langwierigen Prozesse zu vereinfachen und wesentlich zu beschleunigen.
Ziele und Vorgehen
Generative Transformermodelle wie ChatGPT haben bislang erstaunliche Fähigkeiten gezeigt, enorme Datenmengen in sinnvoller Weise zu komprimieren, etwa zur automatischen Erstellung von Software, deren gewünschte Funktionalität lediglich in natürlicher Sprache formuliert wird. Das Ziel vom Forschungsvorhaben ActGPT ist mithin, ein vortrainiertes Modell zur Generierung einer effektiven Robotersteuerung anzupassen. Um dies zu ermöglichen, werden existierende, offene Transformermodelle mit zusätzlichen Datensätzen angepasst und in Simulationsumgebungen trainiert. Das daraus entstehende Modell kondensiert dann aus einer Spracheingabe eine Bewegungstrajektorie, die dynamisch konsistent und an die aktuellen Umgebungsbedingungen angepasst ist.
Innovationen und Perspektiven
Allgemeingültigkeit und Robustheit des dynamischen Roboterverhaltens, sowie dessen Erzeugung anhand natürlicher Sprachbefehle und eine geringere Abhängigkeit von Domänenwissen, bilden die Schlüsselinnovationen von ActGPT. Auf diese Weise soll effektiv ein niederschwelliger Zugang zur Handhabung und Anpassung des Robotersystems durch den Endnutzerinnen und -nutzer erreicht werden, mit weitreichenden Einsatzmöglichkeiten in der Industrie, im Gesundheits- und Pflegewesen oder in potentiellen Gefahrensituationen.