Begriffsstutzig
Wie Roboter greifen lernen
Roboter scheitern an der scheinbar mühelosen Aufgabe, ein Objekt zu greifen. Dank tiefer neuronaler Netze lernen sie aber langsam dazu. Es fehlt nur ein kleiner Fortschritt, bis in Amazon-Lagern Roboter die „Picker“ ersetzen.
Bei Amazon greifen „Picker“ Produkte aus Lagerregalen, die fahrende Roboter (Typ „Pegasus“) vor ihnen abstellen. Mit optimierten Befehlen vom zentralen Logistik-Steuersystem konnte Amazon die Effizienz der Picker in den letzten Jahren immens steigern. Im Unterschied zu Pegasus und Hercules (ein stärkeres neues Roboter-Modell) sind die Picker aber keine Roboter, sondern Menschen. Das liegt daran, dass das Identifizieren und Greifen von Objekten in einer Kiste oder einem Regalfach weiterhin ein ungelöstes Problem der Robotik ist.
Als in den 90ern Roboterarme zielgenau und schneller als ein Mensch Produkte von Förderbändern griffen, ging man davon aus, dass diese Roboter bald alles greifen könnten und nicht immer nur ein Objekt in einer definierten Orientierung. Bis KI mal in Bildern Hunde von Katzen unterscheiden könnte, würde es dagegen bestimmt noch lange dauern. Es kam genau umgekehrt: Ein Convolutional Network auf einem Raspi unterscheidet heute mühelos hundert verschiedene Hunderassen, deren Namen die meisten Menschen nicht mal kennen. Beim Greifen schlägt ein untrainierter Mensch die besten Roboter aber leicht um mehr als eine Größenordnung. Menschen greifen locker noch zehnmal so schnell und das fehlerlos.