De manière abstraite, le LearningGripper ressemble à la main humaine. Et ses actions ont également beaucoup en commun avec son modèle biologique : le robot préhenseur à quatre doigts apprend de lui-même, grâce au machine learning, comment faire tourner une balle dans n'importe quelle orientation prédéfinie.
Pour réaliser cette action complexe, seules les actions élémentaires et les positions possibles des doigts ainsi que la fonction de retour d'expérience de l'environnement sont définies à l'avance. On lui donne seulement ce qu'il doit être capable de faire. Mais pas la manière de résoudre le problème. Les algorithmes d'apprentissage du préhenseur développent indépendamment la stratégie de mouvement nécessaire - sans aucune autre programmation.
Les théories disent que nous, les humains, ne sommes si intelligents que parce que notre main peut résoudre tant de tâches complexes. Les bébés commencent à saisir des objets très tôt, par exemple le doigt de leur mère. Dès que nous avons appris à saisir correctement un objet, nous pouvons le tourner et le regarder de tous les côtés. C'est la seule façon de reconstruire une image tridimensionnelle de l'objet dans votre tête. Ainsi, la main nous sert aussi, à nous les humains, pour apprendre.
Les méthodes d'apprentissage des machines sont comparables à celles des humains : qu'elles soient positives ou négatives – elles ont besoin d'un retour d'informations sur leurs actions pour pouvoir les classer et en tirer des enseignements. Le LearningGripper utilise la méthode de l'apprentissage par renforcement. Le préhenseur ne reçoit pas d'action concrète à imiter. Il optimise ses compétences uniquement sur la base des retours d'information sur ses actions précédentes. Cela augmente la probabilité qu'il réalise une action réussie et ne répète pas une action moins réussie.
Les quatre doigts sont animés par un total de douze actionneurs pneumatiques à soufflet à basse pression entre 2,5 et 3,5 bar. Chacun d'eux dispore de trois degrés de liberté et des fonctions de base de l'index. Dans le seul état initial, la main entière a 3¹² actions totales à choisir pour réorienter la balle. Grâce à la coordination intelligente des doigts et à la structure flexible du soufflet, la cinématique est librement mobile et souple. Elle peut saisir, soulever et faire tourner en toute sécurité les objets les plus sensibles, tout comme son modèle naturel.
Sur la maquette présentant le LearningGripper lors de salons professionnels, un manipulateur démontre comment il apprend une stratégie de déplacement en une heure, de la première tentative jusqu'à la résolution fiable du problème posé. Un deuxième manipulateur montre la méthode apprise dans le scénario cible souhaité : il soulève la balle et la tourne de sorte que le logo soit finalement visible au centre de la partie supérieure.