SPIRIT: Perceptive Shared Autonomy for Robust Robotic Manipulation under Deep Learning Uncertainty

Das Paper stellt SPIRIT vor, ein System für wahrgenommene geteilte Autonomie, das Unsicherheitsschätzungen aus Deep-Learning-basierter Wahrnehmung nutzt, um den Roboter automatisch zwischen halbautonomer Manipulation und haptischer Fernsteuerung zu wechseln und so die Zuverlässigkeit bei tiefen Lernunsicherheiten zu gewährleisten.

Jongseok Lee, Ribin Balachandran, Harsimran Singh, Jianxiang Feng, Hrishik Mishra, Marco De Stefano, Rudolph Triebel, Alin Albu-Schaeffer, Konstantin Kondak

Veröffentlicht 2026-03-06
📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

Each language version is independently generated for its own context, not a direct translation.

SPIRIT: Der Roboter, der weiß, wann er Hilfe braucht

Stellen Sie sich vor, Sie haben einen sehr talentierten, aber manchmal etwas nervösen Assistenten. Dieser Assistent ist ein Roboter, der mit modernster Künstlicher Intelligenz (KI) ausgestattet ist. Er kann Dinge sehen, erkennen und greifen – fast wie ein Mensch. Aber wie jeder Mensch, der viel lernt, macht auch diese KI manchmal Fehler, besonders wenn die Situation etwas ungewöhnlich ist (z. B. schlechtes Licht oder ein seltsamer Winkel).

Das Problem: Wenn der Roboter unsicher ist, was er sieht, und trotzdem versucht, eine Aufgabe allein zu erledigen, könnte er etwas kaputt machen oder einen Unfall bauen.

Die Forscher haben eine Lösung namens SPIRIT entwickelt. Der Name steht für ein System, das wie ein kluger Co-Pilot funktioniert.

1. Das Problem: Der „vertrauenslose" Assistent

Früher waren Roboter wie ein sturer Schüler, der immer glaubt, er hätte recht. Wenn die KI sagte: „Da ist ein Ventil!", dann griff der Roboter blind zu. Aber KI ist nicht perfekt. Manchmal sieht sie in einem Schatten etwas, das gar nicht da ist.

Stellen Sie sich vor, Sie fahren ein Auto mit einem sehr schnellen, aber manchmal halluzinierenden Autopiloten. Wenn er plötzlich denkt, eine Mauer sei ein Tor, und Sie nicht eingreifen können, wird es gefährlich.

2. Die Lösung: Der „Gemeinsame Autopilot" (Shared Autonomy)

SPIRIT löst dieses Problem durch ein cleveres System, das man „Wahrnehmungsgemeinsame Autonomie" nennen könnte.

  • Der Sicherheits-Check: Der Roboter fragt sich ständig: „Wie sicher bin ich eigentlich?" Er berechnet eine Art Vertrauens-Score.
    • Hoher Score: „Ich sehe das Ventil ganz klar! Ich mache das allein." (Der Roboter arbeitet automatisch).
    • Niedriger Score: „Hmm, das sieht unscharf aus. Ich bin mir nicht sicher."
  • Der Wechsel: Wenn das Vertrauen sinkt, passiert etwas Magisches: Der Roboter gibt die Kontrolle nicht einfach auf. Er ruft stattdessen einen menschlichen Operator zu Hilfe.
    • Der Mensch übernimmt die Steuerung über einen Joystick mit Kraft-Feedback (Haptik). Das ist wie ein Videospiele-Controller, der spürt, wenn man gegen eine Wand drückt.
    • Der Roboter sagt quasi: „Ich bin unsicher, du machst es jetzt, aber ich helfe dir noch ein bisschen."

3. Die Brille und die Hände (Benutzeroberfläche)

Damit der Mensch weiß, was los ist, bekommt er eine VR-Brille (Mixed Reality) und einen speziellen Controller.

  • Die Brille: Zeigt dem Menschen nicht nur das Bild der Kamera, sondern auch eine Art „Unsicherheits-Wolke". Wenn der Roboter unsicher ist, leuchtet das Ventil in der Brille vielleicht rot oder wackelt.
  • Die Hände (Haptik): Wenn der Roboter unsicher ist, wird der Controller für den Menschen „zappelig" oder schwerer zu bewegen. Es ist, als würde ein unsicherer Assistent am Arm des Fahrers zucken und sagen: „Pass auf, hier bin ich mir nicht sicher!"

4. Der Trick mit den „Landkarten" (Partitionierung)

Wie weiß der Roboter überhaupt, ob er unsicher ist? Das ist der technische Clou des Papers.
Stellen Sie sich vor, der Roboter muss ein riesiges Industriegebäude mit tausenden Rohren erkennen. Eine einzige große Landkarte wäre zu unübersichtlich.
Die Forscher haben das Gebäude in viele kleine Kacheln (Partitionen) aufgeteilt.

  • Der Roboter weiß genau: „Ich befinde mich gerade in Kachel Nr. 5 (nahe dem großen Ventil)."
  • Er nutzt eine spezielle Landkarte nur für Kachel Nr. 5. Das ist wie wenn Sie in einer fremden Stadt nur den Stadtteil kennen, in dem Sie gerade stehen, statt die ganze Weltkarte auswendig zu lernen.
  • Dadurch kann er viel schneller und genauer erkennen, ob er unsicher ist, und nutzt eine mathematische Methode (Gaußsche Prozesse), um diese Unsicherheit zu berechnen, ohne dabei langsam zu werden.

5. Der große Test: Die Industrie-Ausstellung

Das Team hat SPIRIT auf einer echten großen Messe getestet.

  • Aufgabe 1: Ein Roboter muss einen kleinen Inspektions-Roboter (einen „Käfer") von einem Rohr auf ein anderes setzen.
  • Aufgabe 2: Er muss ein schweres Industrie-Ventil zudrehen.

Dabei haben die Forscher absichtlich die Sensoren des Roboters „vernebelt" (simulierte Fehler).

  • Ohne SPIRIT: Der Roboter hätte versucht, blind zu greifen und wäre wahrscheinlich gescheitert oder hätte das Ventil beschädigt.
  • Mit SPIRIT: Der Roboter merkte: „Hey, ich sehe das nicht mehr gut!" Er schaltete sofort in den „Hilfs-Modus". Der Mensch griff ein, spürte durch den Controller, was los war, und konnte die Aufgabe trotzdem erfolgreich abschließen.

Fazit

SPIRIT ist wie ein Team aus einem sehr schnellen, aber manchmal nervösen KI-Assistenten und einem erfahrenen menschlichen Piloten.

  • Wenn die KI sicher ist, arbeitet sie schnell und effizient.
  • Wenn die KI unsicher ist, ruft sie den Menschen hinzu, ohne die Kontrolle komplett zu verlieren.

Das Ergebnis: Roboter können jetzt auch in gefährlichen Umgebungen (wie Ölraffinerien) arbeiten, ohne dass sie bei jedem kleinen Fehler der KI einen Unfall bauen. Sie sind robust, weil sie wissen, wann sie Hilfe brauchen.