MIT-Aufsatz: Roboter per Vormachen trainieren

Worum es geht

Damit ein Industrieroboter eine neue Aufgabe übernimmt, muss er in der Regel neu programmiert werden. Die Robotikforschung setzt seit Jahren auf eine Alternative, das „Learning from Demonstration“: Ein Mensch macht die Aufgabe vor, der Roboter zeichnet Bewegungen und Kräfte auf und leitet daraus sein eigenes Verhalten ab. Drei Wege sind dabei üblich. Bei der Teleoperation steuert der Mensch den Roboter aus der Ferne, etwa mit einem Joystick. Beim kinästhetischen Training führt er den Roboterarm mit der Hand durch die Bewegung. Beim „natürlichen“ Vormachen erledigt er die Aufgabe selbst, während der Roboter zusieht.

Bisherige Systeme beherrschen meist nur einen dieser Wege. Mike Hagenow und Julie Shah vom Massachusetts Institute of Technology (MIT) wollten ein Werkzeug bauen, das alle drei abdeckt. „Wenn wir diese drei verschiedenen Arten, mit einem Roboter zu interagieren, zusammenbringen, könnte das für unterschiedliche Aufgaben und unterschiedliche Menschen Vorteile bringen“, sagt Hagenow laut MIT News (Übersetzung).

Das Werkzeug

Das VDI ist ein Handaufsatz, der über eine genormte Flanschverbindung (ISO 9409-1-A50) an den Arm eines kollaborativen Roboters passt. Im Prototyp war das ein UR5e von Universal Robots. Eine am Roboter montierte Kamera verfolgt das Werkzeug anhand aufgedruckter AprilTag-Markierungen, eine Wägezelle zwischen Griff und Werkzeugspitze misst die ausgeübte Kraft. MIT News spricht von „Kraftsensoren“; laut Fachaufsatz handelt es sich um eine einachsige Wägezelle, die nur Kraft in einer Richtung erfasst.

Ist der Aufsatz montiert, lässt sich der Roboter fernsteuern oder von Hand führen. Für das freie Vormachen wird er abgenommen und wie ein Handwerkzeug benutzt; die Kamera zeichnet seine Bewegungen auf, damit der Roboter sie später nachahmen kann.

Der Test in der Werkstatt

Erprobt wurde der Prototyp im Berkshire Innovation Center, einem Zentrum, in dem Fachleute aus der Fertigung neue Technik ausprobieren. Neun Personen nahmen teil, sieben Männer und zwei Frauen zwischen 33 und 69 Jahren. Acht von ihnen hatten Berufserfahrung in der Fertigung, im Schnitt 15 Jahre.

Jede Person bearbeitete zwei Aufgaben mit allen drei Methoden. Beim Einpressen drückten sie 16 zylindrische Stifte in eine Form. Beim Formrollen wurde eine knetartige Masse gleichmäßig an eine Kontur gedrückt, als Stellvertreter für Thermoformverfahren. Alle neun schafften beide Aufgaben.

In der Rangfolge lag das freie Vormachen vorn: Sechs Teilnehmende setzten es auf Platz eins, drei das Führen des Arms, niemand die Fernsteuerung. Die Befragten sahen trotzdem für jede Methode einen Einsatzzweck. Die Fernsteuerung bietet sich laut MIT für gefährliche oder giftige Stoffe an, das Führen des Arms für das Ausrichten eines Roboters, der schwere Pakete bewegt, das freie Vormachen für feine, präzise Handgriffe. Eine teilnehmende Person bemängelte, dass die Kamera das Werkzeug nur in einem engen Bereich verfolgen konnte.

Was die Studie nicht zeigt

Die Autoren grenzen ihre Ergebnisse selbst ein. Untersucht wurden, wie Fachleute die drei Methoden wahrnehmen und wofür sie sie einsetzen würden. Die Qualität der gesammelten Demonstrationsdaten und das eigentliche Training eines Roboters damit waren nicht Teil der Studie. Als Schwächen nennen sie die einachsige Kraftmessung und das Kamera-Tracking, das bei großen Bewegungen an Grenzen stößt. Weitere Tests mit anderen Robotern, anderen Fernsteuerungen und Aufgaben außerhalb der Industrie stehen noch aus.

Hagenow will den Aufsatz nach den Rückmeldungen überarbeiten und mit der neuen Fassung das Roboterlernen testen. „Wir stellen uns vor, unsere Demonstrationsschnittstelle in flexiblen Fertigungsumgebungen einzusetzen, in denen ein Roboter bei einer Reihe von Aufgaben hilft, die jeweils von bestimmten Arten der Demonstration profitieren“, sagt er (Übersetzung).

Wer dahintersteht

Neben Hagenow, damals Postdoc am Department of Aeronautics and Astronautics, haben Dimosthenis Kontogiorgos (Postdoc am MIT-Informatiklabor CSAIL), Yanwei Wang und Julie Shah, Professorin und Leiterin des Departments, an der Arbeit mitgewirkt. Der Fachaufsatz erschien im Oktober 2024 als nicht begutachteter Preprint auf arXiv, die überarbeitete Fassung im März 2025; laut MIT war die Vorstellung auf der Robotikkonferenz IROS im Oktober 2025 vorgesehen. Gefördert wurde die Arbeit unter anderem vom MIT Postdoctoral Fellowship Program for Engineering Excellence und der Wallenberg-Stiftung. Hagenow ist seit Herbst 2025 Assistant Professor für Informatik an der University of Wisconsin–Madison.