A Taxonomy of Construction Task Activities for Robot Workers
Dieses Paper führt TARCAT ein, eine menscheninterpretierbare Taxonomie aus 41 Konstruktions-Aktionsprimitiven, die aus Berufsdaten und Instruktionsvideos abgeleitet wurden und darauf ausgelegt sind, die Analyse menschlicher Arbeit zu standardisieren sowie die Entwicklung universell einsetzbarer Roboterarbeiter durch wiederverwendbare, komponierbare Fähigkeiten zu ermöglichen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Um die Herausforderung zu verstehen, einem Roboter das Bauen eines Hauses beizubringen, muss man zuerst den Unterschied zwischen einer Maschine, die einem einzelnen Befehl folgt, und einem Arbeiter verstehen, der einen Job begreift. Moderne Roboter sind oft wie hochqualifizierte Spezialisten, die eine perfekte Bewegung ausführen können, wie etwa das Schweißen einer Naht oder das Lackieren einer einzelnen Wand, aber sie haben Schwierigkeiten, wenn sich die Umgebung ändert oder wenn eine Aufgabe eine Abfolge verschiedener Handlungen erfordert. In den letzten Jahren ist eine neue Art der künstlichen Intelligenz entstanden, die ein Bild sehen, einen Satz verstehen und eine physische Handlung entscheiden kann, was einen Weg zu Maschinen eröffnet, die sich an neue Situationen anpassen können. Doch für das Bauwesen, wo Materialien, Werkzeuge und Baustellen massiv variieren, reicht es nicht aus, lediglich über ein intelligentes Gehirn zu verfügen. Der Roboter benötigt eine klare, gemeinsame Sprache, um genau zu beschreiben, was er tun muss, indem er komplexe menschliche Aufgaben in kleine, lernbare Teile zerlegt, die neu kombiniert werden können. Ohne diesen Wortschatz kann ein Roboter nicht wissen, wozu er fähig ist zu lernen oder was ihm fehlt.
Dies ist das Problem, das ein Forscherteam der University of California, Irvine, mit einem neuen Framework namens TARCAT zu lösen versuchte. Anstatt zu raten, was ein Bauroboter tun sollte, begann das Team mit den Menschen, die die Arbeit tatsächlich verrichten. Sie analysierten die offiziellen Stellenbeschreibungen für sieben der häufigsten Baugewerke in den Vereinigten Staaten, darunter Zimmerleute, Elektriker, Dachdecker und Bauarbeiter. Diese Beschreibungen, die aus einer staatlichen Datenbank zur Verfolgung der Wirtschaft stammen, listen hunderte spezifische Aufgaben auf, die Menschen täglich ausführen. Die Forscher beobachteten daraufhin dreißig Lehrvideos dieser Arbeiter bei der Arbeit und kartierten dabei akribisch jede Bewegung und jede Entscheidung, die die Menschen trafen, den offiziellen Stellenbeschreibungen zugeordnet. Durch diesen tiefen Einblick in die reale Arbeit extrahierten sie ein präzises Inventar von einundvierzig Basishandlungen, die sie „Primitives“ nennen.
Diese Primitives sind die Bausteine der Bauarbeit. Sie sind nicht an ein bestimmtes Gewerk oder ein bestimmtes Werkzeug gebunden, sondern beziehen sich auf die grundlegende physische oder mentale Fähigkeit, die erforderlich ist, um etwas zu erledigen. Beispielsweise ist die Handlung des „Messens“ ein Primitive, das anwendbar ist, egal ob ein Arbeiter ein Maßband verwendet, um eine Wand zu prüfen, oder ein Manometer, um ein Rohr zu prüfen. Ähnlich verhält es sich mit „Kommunikation“, einem Primitive, das sowohl das Sprechen mit einem Kollegen als auch das Aufschreiben eines Berichts abdeckt. Die Forscher ordneten diese einundvierzig Handlungen drei Hauptkategorien zu: Informationsverarbeitung, die das Verstehen von Plänen und das Prüfen von Bedingungen beinhaltet; Kommunikation, die das Sprechen und Signalisieren abdeckt; und Werkzeuggebrauch, der alles von den feinen Bewegungen der Finger bis zum schweren Heben des gesamten Körpers umfasst. Durch die Definition dieser Handlungen auf diese Weise schuf das Team ein System, in dem ein Roboter eine einzelne Fertigkeit wie „das Festziehen einer Schraube“ erlernen kann und versteht, dass diese aus kleineren, wiederverwendbaren Teilen wie „das Greifen des Werkzeugs“, „das Positionieren der Hand“ und „das Drehen des Handgelenks“ besteht.
Die Stärke dieses Systems liegt darin, wie diese kleinen Handlungen kombiniert werden. Die Forscher zeigten, dass ein Roboter durch das Aneinanderreihen dieser Primitives in einer bestimmten Reihenfolge eine „Fertigkeit“ bilden kann, die ein Teilziel erreicht, wie etwa das Trennen eines Kabels oder das Anbringen einer Fliese. Diese Fertigkeiten können dann gemischt und kombiniert werden, um komplexe Abläufe für ganze Bauaufgaben zu erstellen. Um zu beweisen, dass diese abstrakte Liste von Handlungen tatsächlich in der realen Welt funktionieren kann, testete das Team vier dieser Werkzeuggebrauchs-Primitives an einem physischen Roboterarm, der mit einer geschickten Hand ausgestattet war. Es gelang ihnen, die Maschine erfolgreich zu programmieren, um einen Akkuschrauber zu positionieren, einen Hammer in eine Box zu legen, einen Nagel einzuschlagen und Objekte beiseite zu bürsten. Diese Demonstrationen bestätigten, dass die Taxonomie nicht nur eine theoretische Liste ist, sondern eine Menge von Anweisungen, die eine Maschine physisch ausführen kann.
Das ultimative Ziel von TARCAT ist es, eine gemeinsame Sprache bereitzustellen, die es Robotern ermöglicht, von menschlichen Demonstrationen zu lernen, und Software-Agenten dabei zu helfen, neue Fertigkeiten zu entwickeln. Wenn ein Roboter lernen muss, ein Dach zu installieren, muss er nicht von Grund auf neu unterrichtet werden; stattdessen kann er die bekannten Fertigkeiten für Messen, Schneiden und Befestigen abrufen und sie zu einer neuen Sequenz zusammensetzen. Die Forscher räumen ein, dass ihre derzeitige Arbeit nur sieben Berufe und eine begrenzte Anzahl von Videobeispielen abdeckt, sodass das System noch nicht vollständig ist. Indem sie ihre Arbeit jedoch in den tatsächlichen Aufgaben menschlicher Arbeiter verankert haben, haben sie ein stabiles Fundament für die Entwicklung von universell einsetzbaren Baurobotern geschaffen, die schließlich in der Lage sein werden, die unordentliche, vielfältige und komplexe Realität von Baustellen zu bewältigen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.