Autonome Systeme gewinnen immer mehr an Bedeutung, wenn es um Aufgaben geht, die für den Menschen entweder zu gefährlich, zu schwierig oder zu monoton sind. Die Systeme reagieren auf Ereignisse in ihrer Umgebung und treffen eine passende Entscheidung: Sie nehmen wahr, lernen, denken und handeln selbstbewusst und reagieren intelligent auf unvorhergesehene Veränderungen in der Umwelt.
Auch für die kollaborative Robotik bieten autonome Systeme große Potenziale. Sie können beispielsweise aus eintrainierter Erfahrung vorhersagen , was der Werker als nächstes tun wird und ihre Bewegungen dahingehend steuern. Diese Bewegungsprädiktion macht die Zusammenarbeit sicherer und effizienter.
Kennt ein autonomer Roboter den gewünschten Endzustand, kann er mit entsprechenden Algorithmen der künstlichen Intelligenz (KI) auch selbst alle Arbeitsschritte ableiten, die zum Lösen der Aufgabe nötig sind. Neben Reinforcement Learning nuten wir dazu auch Bio-inspired AI: Diese effiziente und spezialisierte KI ist inspiriert von der Intelligenz von Ameisen, Bienen und anderen Insekten.
To enable these and other intelligent robot capabilities such as packing boxes or estimating weight, the AI can be taught using virtually generated data sets. Sim2Real Learning – learning during simulations or using hybrid systems and transferring what has been learned to the real robot – is also used.