Großer Durchbruch! Forschungsteam aus Peking stellt weltweit ersten »Kraft-Position-Hybrid-Regelalgorithmus« vor

Kürzlich haben chinesische Forschungsteams bedeutende Durchbrüche auf dem Gebiet der Roboteralgorithmen erzielt und die weltweit erste einheitliche Theorie des „Kraft-Positions-Hybridsteuerungsalgorithmus“ vorgeschlagen. Dieser Algorithmus benötigt keine Kraftsensoren und ermöglicht es dem Roboter, Positions- und Kraftsteuerung gleichzeitig zu erlernen. Die Erfolgsrate bei zugehörigen Aufgaben stieg im Vergleich zur ausschließlich positionsbasierten Steuerungsstrategie um rund 39,5 %. Besonders bemerkenswert ist, dass die zugehörigen wissenschaftlichen Arbeiten derzeit den Preis für die herausragendste Publikation auf der International Robot Learning Conference gewonnen haben – dies ist das erste Mal seit Einführung des Preises, dass ein Team chinesischer Wissenschaftler diesen Preis erhält.
Auf dem Versuchsgelände des Beijing General Artificial Intelligence Research Institute führt ein vierbeiniger Roboterhund, der mit diesem neuen Algorithmus ausgestattet ist, die Trainingsaufgabe zum systematischen Reinigen von Whiteboards aus. Die Forscher nutzten dieses praktische Szenario, um Journalisten die Kernprinzipien und herausragenden Vorteile des „Kraft-Positions-Hybridsteuerungsalgorithmus“ zu erläutern.
Jia Baoxiong, ein Forscher am Beijing General Artificial Intelligence Research Institute: Die gängigen visuell-sprachlichen Aktionsmodelle verwenden tatsächlich von Kameras aufgenommene Fotos als Eingabe und prognostizieren dann Trajektorien. Diese Trajektorien können dazu führen, dass der Roboter während des Wischens nicht streng an die Tafel angepasst wird, wodurch das Auswischen dieser Situation unmöglich wird. Im Kraft-Positions-Mischsteuerungsmodell versuchen wir, die Kraftdimension so weit wie möglich einzubeziehen, um bei präziser Positionierung den Effekt einer Druckausübung auf die Tafel zu erzielen – sodass der Roboter eng an der Tafel anliegt und die darauf befindlichen Schriftzeichen entfernt. Das heißt, wir haben nicht nur die Kraftdimension in das ursprüngliche visuell-sprachliche Aktionsmodell integriert, sondern auch den Effekt einer simultanen Mischung aus Kraft- und Positionssteuerung erreicht.
Laut Forschern reicht das weit verbreitete visuelle Sprach-Aktionsmodell oft nicht aus, um viele Aufgaben im echten Leben zu bewältigen. Das Kernproblem besteht darin, dass die meisten dieser Aufgaben komplexe Kontakt-Szenarien beinhalten: Beim Wischen einer Tafel muss der Roboterarm an der Oberfläche haften und gleichzeitig einen angemessenen Druck aufrechterhalten; bei einer Schaltschranktür muss die innere Zug-Druck-Federstruktur präzise erfasst werden; und der Roboter muss nicht nur ‚dorthin gehen, wo er hinmuss, und seine Hand dorthin ausstrecken, wo sie gebraucht wird‘, sondern auch ‚verstehen, wie viel Kraft einzusetzen ist‘. Vor dem ‚Kraft-Position-Hybrid-Regelalgorithmus‘ mussten all diese Aspekte ausschließlich über Kraftsensoren gelöst werden.
Jia Baoxiong, ein Forscher am Beijing General Artificial Intelligence Research Institute: Kraftsensoren werden tatsächlich häufiger an feststehenden Roboterarmen angebracht, was die Installation komplizierter und teurer macht. Das Kraft-Positions-Mischsteuerungsmodell hat die Erfolgsrate bei Aufgaben, die Kraft erfordern, im Vergleich zum traditionellen VLA-Modell (Visual Language Action Model) um nahezu 40 % gesteigert.