Roboter lösen in Menschen Gefühle aus. Manche haben Angst vor ihnen, andere fasziniert die Präzision ihrer Bewegungen und wieder andere finden sie einfach süß. Man muss sich nur ansehen, wie verzweifelt so mancher Saugroboter seine Ladestation sucht. Wie er herumirrt und schließlich hilflos an der Türschwelle hängen bleibt bis die Akkus entladen sind. Einem Kleinkind gleich, das sich müde gespielt hat und im Laufgitter eingeschlafen ist. In solchen Momenten beginnen wir, unseren Roboter zu lieben.
src="http://pagead2.googlesyndication.com/pagead/show_ads.js">
Oder nehmen wir die Idee des „Persönlichen Roboters“, der ultimativen Haushaltshilfe. So ein Kerlchen, das in der Küche herumflitzt und den Tisch abräumen will. Er rollt heran, greift präzise nach einem Teller, trägt ihn zur Spülmaschine und versenkt ihn zielsicher im Tellerkorb. Er kehrt zurück, will nach dem nächsten Teller greifen und zerdeppert mit gleicher Präzision das Weinglas, welches zwischen ihm und dem Teller stand.
Wir lieben Roboter, weil sie nicht perfekt sind
Da die Glasscherben in seiner Programmierung nicht vorgesehen sind, verfällt er in Panik, räumt mit einer Drehbewegung den Tisch vollständig ab und die Firmware verabschiedet sich mit einem Buffer-Overflow. Er lässt resigniert den Greifarm hängen und piept verlegen einige Fehlermeldungen. Wie könnten wir ihm da noch böse sein und ihn nicht mit einem zärtlichen Druck auf den Reset-Knopf trösten.
Wir lieben Roboter wegen ihrer Fehler. Fehler schenken ihnen einen Hauch menschlicher Unvollkommenheit. Aber, wird der Techniker einwerfen, Roboter sollen nicht putzig sein, sondern putzen und sich nützlich machen. Dass die Roboter so tolpatschig sind, sei nur eine Frage der Programmierung. Im industriellen Umfeld haben sich Roboter schließlich bestens bewährt. Sie wurden für ihre Aufgaben exakt programmiert und können sie mit Genauigkeit und Kraft abarbeiten. Allerdings funktioniert dies nur so gut, weil sie am Fließband immer mit der gleichen Situation konfrontiert sind.
Der Roboter lernt seine Umwelt kennen
In einem Haushalt oder auf einem Küchentisch findet der Roboter jedes Mal eine völlig andere Situation vor. Er muss den Ort, die Lage und die Form der auf dem Tisch abgestellten Gegenstände erkennen und auch wissen, wie er sie ansteuern, greifen und behandeln soll. So sollte eine Tasse beispielsweise mit der Öffnung nach oben abgestellt werden und der Teller möglichst nicht schief und kippelig in der Butter. Noch schwieriger wird es für den Roboter, wenn er ihm völlig unbekannte Gegenstände entdeckt. Er muss sie dann mit bekannten Objekten in seiner Datenbank vergleichen und einer Objektklasse (z.B. Tasse) zuordnen.
Dieses Verfahren wird als unterstütztes oder überwachtes Lernen (supervised learning) bezeichnet. Der Roboter erkennt mit einer stereoskopischen Kamera die drei-dimensionale Form des Objekts. Aufgrund von Spiegelungen oder transparenten Oberflächen ist es allerdings sehr schwierig, ein vollständiges Modell (Punktwolke oder Gittermodell) des Gegenstandes zu ermitteln. Also greift er auf seine Datenbank der ihm bekannten Objekte zurück und vervollständigt sein 3D-Modell. Jetzt weiß der Roboter auch, um was es sich bei dem Gegenstand handelt und kann entsprechend mit ihm verfahren.
Bei Labortests an der Stanford University und dem Personal Robotic Laboratory der Cornell University hat man einen Roboter Gegenstände auf einem Tisch platzieren und in die speziellen Körbe einer Spülmaschine einsortieren lassen. Mit speziellen Algorithmen und der Methode des „supervised Learnings“ konnten die Wissenschaftler eine Erfolgsquote von 92 Prozent richtig erkannter und korrekt platzierter Objekte erreichen. Das macht den Roboter nahezu perfekt. - Aber ob wir dieses Gerät noch lieben können, muss sich noch herausstellen.
Quellen: http://pr.cs.cornell.edu via http://spectrum.ieee.org
src="http://pagead2.googlesyndication.com/pagead/show_ads.js">
