Stellen Sie sich vor, Sie versuchen einem Roboter beizubringen, einen riesigen, klobig geformten Karton zu tragen. Sie denken vielleicht: „Zeig dem Roboter einfach, wie sich deine Hände bewegen!“ Aber hier ist der Haken: Wenn Menschen große Dinge tragen, benutzen wir nicht nur unsere Finger. Wir umarmen den Karton mit unserer Brust, lehnen uns mit den Ellbogen dagegen und drücken ihn gegen unsere Seite, um ihn stabil zu halten. Lange Zeit waren Roboter wie tollpatschige Tänzer, die nur wissen, wie man die Fingerspitzen bewegt, während sie den Rest ihres Körpers völlig ignorieren. Dies ist ein Problem in der Welt des „Roboterlernens“, in der Wissenschaftler versuchen, Maschinen beizubringen, was sie tun sollen, ganz so, wie ein Kind das Radfahren lernt, indem es einem Elternteil zusieht. Die große Frage, die sich Forscher stellen, lautet: Wie bringen wir einem Roboter bei, seinen ganzen Körper zu benutzen, um Dinge zu berühren, zu halten und zu bewegen, genau wie ein Mensch es tut? Um dies zu erreichen, müssen sie einen Weg finden, nicht nur die Handbewegungen des Roboters zu erfassen, sondern auch das Gefühl eines schweren Objekts, das gegen seine Brust oder seinen Arm drückt.

Hier kommt TWINS ins Spiel, ein cleveres neues System, das wie ein hochtechnologischer „Body Double“ für Roboter fungiert. Stellen Sie es sich wie einen tragbaren Anzug vor, den ein Operator trägt und der exakt so aussieht und sich so bewegt wie der Roboter, den man lehren möchte. Es ist jedoch kein Kostüm, sondern ein Ganzkörper-Sensorsuit. Wenn eine Person im Anzug einen Karton umarmt oder sich gegen eine Wand lehnt, spürt der Anzug dies, und da der Roboter ein exakter „Zwilling“ mit der gleichen Größe und den gleichen Gelenken ist, lernt er genau, wie sich dieser Kontakt anfühlt. Die Forscher fanden heraus, dass sie durch die Verwendung dieses Systems Roboter dazu bringen konnten, komplexe Aufgaben auszuführen – wie etwa ein Handtuch über einen Arm zu hängen oder einen Korb gegen die Brust zu halten –, die zuvor unmöglich zu lehren waren, weil die Roboter den Kontakt mit ihrem Körper nicht „fühlen“ konnten. Sie konnten erfolgreich Daten über diese Oberflächenkontakte des Körpers sammeln und nutzten diese, um den Roboter zu trainieren, dieselben Aufgaben eigenständig auszuführen, was bewies: Wenn man einem Roboter einen Weg gibt, seinen ganzen Körper zu fühlen, kann er die Welt viel natürlicher manipulieren.

Das Problem: Roboter mit „nur-Finger-Gehirnen“

Seit Jahren sind Roboter sehr gut darin, ihre Hände zu bewegen, um eine Tasse aufzuheben oder eine Tür zu öffnen. Dies wird als „Endeffektor-Manipulation“ bezeichnet, was eine schicke Art zu sagen ist: „das Werkzeug am Ende des Arms benutzen“. Aber das echte Leben ist chaotisch. Manchmal muss man ein großes Objekt tragen, das nicht in einen Greifer passt. Man muss es vielleicht mit der Brust umschließen, es über den Ellbogen haken oder es gegen den Unterarm drücken, damit es nicht abrutscht. Menschen tun dies ganz natürlich, aber Roboter haben Schwierigkeiten, weil sie meistens nur Kameras haben, um die Welt zu sehen. Kameras sind großartig darin, zu sehen, wie etwas aussieht, aber sie sind schrecklich darin zu wissen, wie fest etwas gegen den Arm oder die Brust eines Roboters drückt.

Um Robotern diese Fähigkeiten beizubringen, nutzen Wissenschaftler meist „Imitationslernen“. Das ist so, als würde man einem Roboter ein Video zeigen, in dem ein Mensch eine Aufgabe erledigt, und ihn bitten, die Bewegungen zu kopieren. Aber es gibt einen Haken: Die meisten Systeme, die diese Videos aufzeichnen, verfolgen nur die Hände oder die Gelenke des Roboters. Sie verpassen den „Körperoberflächenkontakt“ – das Gefühl eines Objekts, das auf einer Schulter oder einem Arm ruht. Ohen diese Information weiß der Roboter nicht, warum er seinen Arm auf eine bestimmte Weise bewegen sollte oder wann er loslassen muss. Es ist, als würde man versuchen, das Jonglieren zu lernen, indem man nur die Spitzen der Bälle beobachtet, ohne zu sehen, wie die eigenen Hände sie eigentlich halten.

Die Lösung: Der „Zwilling“-Anzug

Die Autoren dieser Arbeit, Takahide Kitamura und sein Team, entwickelten ein System namens TWINS (Tactile Wearable Isomorphic Arm Networked System), um dies zu lösen. Der Name ist etwas sperrig, aber die Idee ist einfach: Es ist ein System aus zwei identischen Zwillingen.

1. Das tragbare Doppelarm-Gerät: Dies ist ein Anzug, den ein menschlicher Operator trägt. Er hat zwei Arme, die exakt wie die Arme des Roboters aussehen, mit denselben Gelenken und derselben Größe. Wenn der Mensch den Anzug anlegt, kann er nach außen greifen und Objekte berühren, genau wie der Roboter es später tun wird.
2. Der isomorphe Roboter: Dies ist der eigentliche Roboter. „Isomorph“ ist ein wissenschaftliches Wort, das „gleiche Form“ bedeutet. Dieser Roboter ist gebaut, um ein perfektes Spiegelbild des tragbaren Anzugs zu sein. Er hat dieselben Gelenkwinkel, dieselben Armlängen und dieselben Brustdimensionen.

Die Magie geschieht durch diese perfekte Übereinstimmung. Wenn der Mensch im Anzug nach vorne lehnt und einen Karton gegen seine Brust drückt, registrieren die Sensoren des Anzugs diesen Druck. Da der Roboter ein exakter Zwilling ist, können die Forscher einfach die Gelenkwinkel und die Druckdaten des Menschen direkt auf den Roboter übertragen. Es ist keine komplexe Mathematik nötig, um von einem „Menschenarm“ auf einen „Roboterarm“ zu übersetzen, da sie bereits dieselbe Größe und Form haben.

Die „Haut“, die alles fühlt

Was TWINS besonders macht, ist, dass es nicht nur misst, wie sich die Gelenke bewegen; es misst, wie der Körper fühlt. Die Forscher haben den tragbaren Anzug und den Roboter mit speziellen „E-Skin“-Sensoren bedeckt. Dies sind flexible, dehnbare Patches, die aus winzigen hexagonalen Zellen bestehen (denken Sie an ein Wabenmuster).

• Wo sie sich befinden: Sie sind überall an den Armen, den Unterarmen und der Brust platziert.
• Was sie tun: Sie können zwei Dinge fühlen: Druck (wie stark etwas drückt) und Proximität (wie nah etwas ist, bevor es überhaupt berührt wird).
• Das Ergebnis: Wenn der Mensch im Anzug einen Korb aufnimmt, zeichnen die Sensoren an der Brust und an den Armen exakt auf, wo der Korb Kontakt hat und wie stark er drückt. Diese Daten werden 10 Mal pro Sekunde (10 Hz) aufgezeichnet, was eine super detaillierte Karte des Kontakts erstellt.

Der Test: Kann der Roboter das Umarmen lernen?

Um zu sehen, ob dieses System tatsächlich funktioniert, stellte das Team vier knifflige Aufgaben auf, die erforderten, dass der Roboter seinen Körper und nicht nur seine Hände benutzt:

1. Handtuch Aufhängen: Ein Handtuch wird auf den Arm des Roboters gelegt. Der Roboter muss seinen Arm drehen, um das Handtuch aufzuhängen.
2. Korb Halten: Ein Korb wird gegen die Brust des Roboters gedrückt. Der Roboter muss ihn mit beiden Armen greifen und fest halten.
3. Bälle Ablegen: Der Roboter hält mit einem Arm einen Korb gegen seine Brust, während er mit dem anderen Arm Bälle aufhebt und hineinfallen lässt.
4. Adaptives Halten: Dies ist die schwierigste Aufgabe. Der Roboter muss herausfinden, wie er verschiedene Objekte hält, basierend darauf, wo sie ihn berühren. Wenn ein langer Karton die Brust berührt, hält er ihn mit beiden Armen. Wenn ein Schlafsack nur einen Arm berührt, hält er ihn mit diesem Arm.

Das Team sammelte 40 Demonstrationen (10 für jede Aufgabe) mit dem tragbaren Anzug. Ein menschlicher Operator trug den Anzug und führte die Aufgaben aus, während ein Assistent ihm die Objekte reichte. Der Anzug zeichnete die Gelenkwinkel und die taktilen Sensordaten auf.

Die Ergebnisse: Der Roboter lernt zu fühlen

Nachdem die Daten gesammelt wurden, trainierten sie ein Computerprogramm (eine sogenannte „Policy“), um aus den Demonstrationen zu lernen. Dann spielten sie dieses Programm in den isomorphen Roboter ein und beobachteten, was geschah.

Die Ergebnisse waren beeindruckend. Der Roboter lernte erfolgreich:

• Zwischen verschiedenen Haltestrategien zu wechseln, basierend darauf, wo ein Objekt seinen Körper berührte.
• Auf neue Situationen zu reagieren, die er zuvor noch nicht gesehen hatte. Zum Beispiel, wenn die Reihenfolge der Objekte geändert wurde, fand der Roboter immer noch den richtigen Weg, sie zu halten.
• Mehr Bälle zu handhaben, als ihm in den Trainingsdaten gezeigt wurden.

Der Roboter kopierte nicht nur die Bewegungen; er lernte die Logik des Kontakts. Wenn die Sensoren an seiner Brust einen Korb spürten, wusste er, dass er zugreifen musste. Wenn die Sensoren an seinem Arm ein Handtuch spürten, wusste er, dass er rotieren musste. Die Forscher stellten fest, dass die Bewegungen des Roboters sehr nah an denen des Menschen lagen, mit einem durchschnittlichen Fehler von weniger als 1 Grad bei den Gelenkwinkeln.

Es gab ein paar kleine Stolpersteine. Manchmal, wenn der Roboter versuchte, ein Objekt zwischen seinem Arm und seiner Brust zu halten, ließ er es fallen. Die Forscher fanden heraus, dass das Hinzufügen einer kleinen Schwammpolsterung an der Brust und am Objekt half, den Griff weicher und stabiler zu machen. Dies deutet darauf hin, dass der Roboter zwar die Bewegung gelernt hat, die Physik des Griffs aber noch verbessert werden könnte.

Warum das wichtig ist

Das TWINS-System beweist, dass man keinen superkomplexen Verstand braucht, um einem Roboter beizubringen, seinen Körper zu benutzen; man braucht nur einen Weg, die Empfindungen des Körpers zu erfassen. Durch die Schaffung eines Systems, in dem der Lehrer (der Mensch im Anzug) und der Schüler (der Roboter) physisch identisch sind, haben die Forscher das Rätselraten eliminiert. Sie haben gezeigt, dass Roboter in der Lage sind, Objekte unter Verwendung ihrer Brust und ihrer Arme zu manipulieren, nicht nur ihrer Fingerspitzen, wenn sie die richtigen sensorischen Daten erhalten.

Dies ist noch kein Zauberstab, der alle Roboterprobleme löst, aber es ist ein bedeutender Schritt nach vorn. Es legt nahe, dass wir, wenn wir wollen, dass Roboter uns bei realen Aufgaben helfen – wie dem Tragen von schweren Möbeln, der Hilfe in der Küche oder der Arbeit in einem Lagerhaus –, ihnen beibringen müssen, die Welt mit ihrem ganzen Körper zu fühlen, nicht nur mit ihren Fingerspitzen. Und mit TWINS haben wir endlich einen Weg, genau das zu tun.