Googles Müll trennende Roboter verringern Restmüll deutlich
Roboter durchstreifen Google-Bürogebäude, um Müll zu sortieren. Das gelingt dank verstärktem Lernen schon recht gut.
Der Roboter sortiert Wertstoffe und Biomüll aus dem Restmüll aus.
(Bild: Google (Screenshot))
Google hat eine Flotte von 23 Robotern über zwei Jahre hinweg Müll trennen lassen. Dazu wurde auf die Technik des verstärkten Lernens (Reinforcement Learning – RL) zurückgegriffen. Im Ergebnis konnte die Müllmenge in Restmüllbehältern deutlich reduziert werden.
Das Experiment mit den Müll trennenden Robotern erstreckte sich über zwei Jahre, wie aus dem Paper "Deep RL at Scale: Sorting Waste in Office Buildings with a Fleet of Mobile Manipulators" (PDF) hervorgeht. Die 23 Roboter wurden dabei aus einer Kombination von RL mit realen Daten und einer Simulation trainiert.
Die Roboter hatten die Aufgabe, in einem Bürogebäude herumzustreifen und dort Abfallstationen in Form von Behältern für Wertstoffe, Kompost und Restmüll zu durchsuchen. Dabei sollten sie wiederverwertbare Gegenstände wie etwa Dosen und Flaschen in die Wertstofftonne, kompostierbaren Müll in den Biomüll und alles andere in den Restmüll einsortieren.
Empfohlener redaktioneller Inhalt
Mit Ihrer Zustimmmung wird hier ein externes YouTube-Video (Google Ireland Limited) geladen.
Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden. Damit können personenbezogene Daten an Drittplattformen (Google Ireland Limited) übermittelt werden. Mehr dazu in unserer Datenschutzerklärung.
Die Herausforderung bestand darin, dass die Roboter die vielen unterschiedlichen Gegenstände, die weggeworfen werden, erkennen können und in die richtigen Tonnen einsortieren. Dazu entwickelten die Google-Ingenieure ein vierstufiges System, um die Roboter in die Lage zu versetzen, die Mülltrennung möglichst korrekt umzusetzen. Im ersten Schritt erstellten sie einige einfache Richtlinien, wie der Müll zu trennen ist, damit die Roboter erste Erfahrungen sammeln können. Dies allein reicht allerdings nicht aus. Im zweiten Schritt wurde das System daher in einer Simulation trainiert. Erst danach lernten die Roboter in einem dritten Schritt an einer Müllstation mit repräsentativem Inhalt über RL das richtige Sortieren. Im vierten Schritt übten die Roboter die Müllsortierung an echten Müllstationen.
84 Prozent des Mülls richtig einsortiert
Das System benötigte 540.000 Versuche an den Lern-Müllstationen und 32.500 Versuche im Einsatz an den realen Mülltonnen. Dabei verbesserte sich die Gesamtleistung des Systems mit zunehmendem Datenaufkommen. Das so trainierte System testeten die Ingenieure an einer Müllstation unter kontrollierten Bedingungen, um so dessen Leistungsfähigkeit besser bewerten zu können. Das fertige System sortierte 84 Prozent der Objekte richtig ein.
Darüber hinaus sammelten die Google-Ingenieure von drei Roboter-Einsätzen zwischen 2021 und 2022 statistische Daten. Bei der Auswertung stellten sie fest, dass der Restmüll gewichtsmäßig etwa um 40 bis 50 Prozent reduziert werden konnte.
Die Experimente hätten gezeigt, dass eine abgestufte RL-Strategie erfolgreich sein kann. Allerdings sei das Ende der Fahnenstange damit noch nicht erreicht. So könnten etwa "andere Erfahrungsquellen" einfließen, wie etwa das Lernen aus Internetvideos. Daran wollen die Ingenieure von Google zukünftig arbeiten.
Lesen Sie auch
Alphabet stellt putzende Roboter vor
(olb)