De LearningGripper lijkt abstract gezien op de menselijke hand. En ook zijn acties hebben veel met zijn natuurlijke voorbeeld gemeen: de robotgrijper met vier vingers leert met behulp van de Machine Learning-methode zelfstandig een opgetilde kogel in elke willekeurig vooraf ingestelde stand te draaien.
Voor de uitvoering van deze gecompliceerde taak zijn uitsluitend de elementaire acties en mogelijke posities van de vingers en de feedbackfuncties van de omgeving vooraf gedefinieerd. Er wordt alleen bepaald wat hij moet kunnen. Echter niet hoe hij de taak moet uitvoeren. De daarvoor benodigde bewegingsstrategie ontwikkelen de leeralgoritmes van de grijper zelfstandig – volledig zonder verdere programmering.
Volgens bepaalde theorieën zijn wij mensen alleen zo intelligent omdat onze hand zo vele complexe taken kan uitvoeren. Baby's beginnen al zeer vroeg objecten te grijpen – bijvoorbeeld de vinger van de moeder. Zodra wij hebben geleerd om een object correct vast te pakken, kunnen wij het omdraaien en van alle kanten bekijken. Alleen zo kan een driedimensionaal beeld van het object in het hoofd worden gereconstrueerd. De hand dient de mens dus ook voor het leren.
De leermethodes van machines zijn vergelijkbaar met die van de mens: positief of negatief – ze hebben feedback over hun acties nodig om deze te kunnen ordenen en daarvan te leren. Bij de LearningGripper wordt de methode van het Reinforcement Learning toegepast, d.w.z. leren door versterking. De grijper krijgt daarbij opdracht om een concrete handeling uit te voeren, die hij moet nabootsen. Hij optimaliseert zijn vaardigheden uitsluitend aan de hand van de feedback over zijn voorgaande acties. Dit verhoogt de waarschijnlijkheid dat hij een succesvolle actie opnieuw zal uitvoeren en een minder succesvolle handeling niet herhaalt.
De vier vingers worden aangedreven door in totaal twaalf pneumatische balgactoren met een lage druk tussen 2,5 en 3,5 bar. Elk daarvan beschikt over drie vrijheidsgraden en de basisfuncties van de wijsvinger. Alleen in de starttoestand kan de gehele hand kiezen uit 3¹² totale handelingen om de stand van de kogel te veranderen. Door de intelligente coördinatie van de vingers en de flexibele balgstructuur is de kinematica vrij beweegbaar en meegevend. Deze kan zelf zeer gevoelige objecten veilig vastpakken, optillen en draaien – net zoals zijn natuurlijke voorbeeld.
Bij het beursmodel van de LearningGripper demonstreert een grijper hoe hij binnen een uur een bewegingsstrategie machinaal leert – van de eerste poging tot aan de betrouwbare uitvoering van de betreffende taak. Een tweede grijper toont de geleerde procedure al in het gewenste doelscenario: hij tilt de kogel op en draait deze zodanig dat de ingegraveerde tekst uiteindelijk aan de bovenkant herkenbaar is.