TALOS

Projektlaufzeit: 01/2025 - 12/2029

Die raschen Fortschritte im Bereich des maschinellen Lernens und der künstlichen Intelligenz eröffnen neue Möglichkeiten zur Optimierung von Robotersystemen, während gleichzeitig die Anforderungen an Sicherheit, Präzision und Effizienz in menschlichen Arbeitsumgebungen steigen. Um diese Anforderungen zu erfüllen, sind fortgeschrittene Algorithmen für natürliche Bewegungsabläufe unerlässlich, die es Robotern ermöglichen, sich harmonisch in komplexen, dynamischen Umgebungen zu bewegen und gleichzeitig unerwartete Ereignisse zuverlässig zu erkennen und zu reagieren. Es wird erwartet, dass humanoide Roboter in der Lage sein werden, eine Vielzahl spezialisierter Aufgaben zu erlernen – von präziser Montagearbeit in der Industrie bis hin zu assistiven Tätigkeiten im Gesundheitswesen. Doch die meisten bestehenden Systeme beruhen nach wie vor auf Teleoperation, bei der ein menschlicher Operator die Kontrolle übernimmt und lediglich die Grundbewegungen – Laufen, Winken, Tanzen – vorprogrammiert werden.

p> Ziel des Projekts ist die Entwicklung eines Frameworks zur intelligenten Steuerung komplexer Robotersysteme – insbesondere humanoider Roboter – das ohne spezielle Kenntnisse in der Programmierung und der Regelung von Robotern einsetzbar ist. Dieses Framework soll die Steuerung humanoider Roboter ermöglichen und ihnen die Fähigkeit verleihen, spezifische Aufgaben zu erlernen und auszuführen. Hierfür werden in einem Simulator trainierte Modelle erstellt, die auf Reinforcement Learning setzen und keine Imitation Learning-Szenarien benötigen. Durch die Kombination aus simuliertem Training, modularer Architektur und einer benutzerfreundlichen Schnittstelle können Anwender Aufgaben beschreiben, die gewünschte Ergebnisse definieren und die Kontrolle über die Robotiksysteme übernehmen – ohne sich mit komplexen Methoden oder tiefen Programmierkenntnissen auseinandersetzen zu müssen.

Das Ergebnis ist ein skalierbares System, das nicht nur die vorhandenen Aufgabenbereiche von humanoiden Robotern erweitert, sondern auch neue, bislang unerschlossene Einsatzfelder eröffnet – von der präzisen Ausführung von Aufgaben, die für Menschen gefährlich oder unmöglich sind, bis hin zur automatischen Anpassung an veränderte Produktionsbedingungen.

ESF-Plus, Landesinnovationspromotion

Prof. Dr. André Ludwig, Universität Leipzig, Wirtschaftswissenschaftliche Fakultät