Ein humanoider Roboter kann kaum mehr heben als seine eigenen Arme. Was hat das mit schwerem Gerät zu tun – und warum trainiert ein Industrieunternehmen wie Konecranes überhaupt einen solchen Roboter?
Auf den ersten Blick ergibt ein Roboter mit menschenähnlichem Körper in einer industriellen Umgebung überhaupt keinen Sinn, sagt Markku Häivälä, F&E-Direktor bei Konecranes.
„Besser wäre zum Beispiel ein vierbeiniger Roboter oder einer mit Rädern, damit er nicht so leicht umkippt.“
Der laufende humanoide Roboter bietet jedoch etwas anderes: eines der besten „Gehirne“ auf dem Markt. Der Roboter Unitree G1 verfügt über fortschrittliche, auf neuronalen Netzen basierende Bewegungsfähigkeiten und einen Software-Stack, der von Nvidias KI-Rechenleistung unterstützt wird.
Entscheidend ist sein ‚Gehirn‘.
„Jede Ingenieurin und jeder Ingenieur weiß, dass es verdammt schwierig ist, einen laufenden Roboter zu programmieren“, sagt Häivälä.
Die humanoide Form an sich ist nicht entscheidend.
„Entscheidend ist sein ‚Gehirn‘. Es ist eine Forschungsplattform für Technologien wie Reinforcement Learning und Programmierung, VR, AR und digitale Zwillinge.“
Konecranes gehört zu den Industrieunternehmen, die beim Testen und Trainieren humanoider Roboter in vorderster Reihe stehen.
Automobilunternehmen haben gemeinsam mit Robotikfirmen Pilotprojekte durchgeführt, doch trotz aller Medienaufmerksamkeit stehen humanoide Roboter noch ganz am Anfang – echte kommerzielle Anwendungsfälle sind nach wie vor begrenzt.
Wie trainiert man einen Roboter?
In einer industriellen Testhalle setzt der Forschungsingenieur Timo Lundstedt eine VR-Brille auf. Er hebt die Hand. Der Roboter hebt seine Hand gleichzeitig – fast ohne Verzögerung.
Das ist eine Möglichkeit, wie ein humanoider Roboter lernt: durch das Nachahmen menschlicher Handlungen. Das nennt man Teleoperation. Auf Basis dessen, was der Roboter seinen Forschungsingenieurinnen und -ingenieuren bei Konecranes nachmacht, kann er sich selbst programmieren.
In Zukunft könnten Roboter neue Aufgaben vielleicht durch Videoanleitungen lernen – ähnlich wie Menschen YouTube-Tutorials anschauen, um einen Reifen zu wechseln oder Locken ohne Hitze zu machen.
Eine weitere Lernmethode ist das, was Häivälä als Reinforcement Learning bezeichnet: Der Roboter erhält positives Feedback, jedes Mal, wenn er etwas richtig macht. Einen Roboter zu trainieren, ähnelt dem Training eines Hundes.
Für jede Bewegung, die der Roboter lernt, wird ihm ein vortrainiertes neuronales Netzwerk bereitgestellt – eine Art KI-Modell. Die Forschungsingenieurinnen und -ingenieure schreiben den Code, um diese einzelnen Fähigkeiten zu koordinierten Bewegungsabläufen und einem orchestrierten Gesamtsystem zusammenzuführen.
Auf diese Weise kann der Roboter ganze Bewegungsabläufe oder mehrstufige Aufgaben lernen. Dinge, die für Menschen selbstverständlich sind, wie das Winken mit der Hand, erfordern viel Aufwand. Dem Roboter beizubringen, mit der Hand zu winken, hat Lundstedt und seine Kolleginnen und Kollegen drei Monate gekostet.
„Der Roboter kann in einer bestimmten Aufgabe gut sein, aber Menschen werden ihm in ihren Fähigkeiten noch sehr lange überlegen bleiben“, sagt Lundstedt.
Lundstedt, Iina Lumme und Sami Terho arbeiten Seite an Seite daran, den Roboter zu trainieren. Die Idee ist, dass jede und jeder lernt, entdeckt und das gemeinsame Know-how in verschiedenen Anwendungen einsetzen kann.
Jede Fähigkeit, die ein Roboter erlernt, kann später auf andere Roboter übertragen werden. Eine winkende Gruppe humanoider Roboter ist jedoch nicht das, was den Expertinnen und Experten von Konecranes vorschwebt.
Aus Ideen Wirkung machen
Mit autonomen Robotern zu arbeiten, ist ein bisschen wie ein Moonshot.
„Mit autonomen Robotern zu arbeiten, ist ein bisschen wie ein Moonshot“, sagt Markku Häivälä.
„Zum Mond zu fliegen ist noch immer nicht wirtschaftlich rentabel, aber die Entwicklung dieser Technologie hat zu zahllosen Innovationen im Alltag geführt – vom Staubsauger bis zum Memory-Schaum.“
Häivälä und sein Team interessiert, wie sich diese Art des Lernens nutzen lässt, um Anwendungen für die bestehenden Geräte und Services von Konecranes zu entwickeln.
Laut Markku Häivälä ist die Lücke zwischen dem ganzen Hype um humanoide Roboter und dem, was tatsächlich plausibel und anwendbar ist, groß.
Das Endziel könnte natürlich Automatisierung, autonome Roboter oder die unbemannte sogenannte Dark Factory sein. Noch interessanter ist jedoch das, was schon heute da ist oder direkt bevorsteht – etwa KI-gestützte Programmierung und Testumgebungen für Software oder die Entwicklung digitaler Zwillinge zur Effizienzsteigerung in industrieller Produktion und Logistik.
Natürlich gibt es auch in vielen Industrieanlagen Situationen, in denen eine humanoide Form hilfreich sein könnte – zum Beispiel in gefährlichen Umgebungen wie Kernkraftwerken oder Gießereien.
Oder die Roboter könnten Seite an Seite mit Menschen und schweren Maschinen arbeiten. Wenn 20 Tonnen Last in der Luft hängen, hat Sicherheit für Konecranes und seine Kundinnen und Kunden höchste Priorität.
„Ein Roboter könnte vor der Last hergehen oder rollen und den Kran informieren, wenn er eine Person oder ein Fahrzeug auf seinem Weg erkennt. Eine sehr einfache Lösung – aber sie könnte ein Leben retten und zugleich den Betrieb des Kunden am Laufen halten“, sagt Markku Häivälä.
Langfristig könnte der Kran selbst in der Lage sein, seine Umgebung zu erfassen und auf dieser Basis sicher zu handeln.
„Wenn unsere Maschinen über solche autonomen Entscheidungsfähigkeiten verfügten – das würde mich definitiv „Wow“ sagen lassen“, sagt Häivälä.
Das Beste daran
Wenn man sich ansieht, woran das Team derzeit arbeitet, ist dieses Szenario vielleicht gar keine Science-Fiction.
„Mich interessiert am meisten, wie dieser Roboter seine Umgebung mithilfe von Sensoren, einem Lidar-Laserscanner und einer Kamera wahrnehmen und verstehen kann“, sagt Senior Specialist Sami Terho, der an der Schnittstelle von Computer Vision, Deep Learning und industrieller Automatisierung arbeitet.
Terho treibt Forschungskooperationen mit der Universität Helsinki und der Aalto-Universität voran, um Computer Vision und KI anzuwenden. Sein Kollege Timo Lundstedt hat die Möglichkeiten automatisierter Smart Cranes in einem Fabrik-Ökosystem untersucht.
Am Ende des Tages ist es nur eine Maschine. Wirklich spannend ist die Lernkurve des Expertenteams, das mit ihr arbeitet.
Dennoch muss noch viel passieren, bevor Häivälä seinen „Wow!“-Moment erlebt. Für humanoide Roboter gibt es keine Handbücher – und kaum belastbare Vergleichsdaten.
„Für mich ist der beste Teil der Arbeit die Teleoperation, also dem Roboter mithilfe einer VR-Brille etwas beizubringen. Am schwierigsten ist, dass es für nichts fertige Dokumentation gibt“, sagt Iina Lumme.
Warum hat Konecranes sich dafür entschieden, die schwere Arbeit zu übernehmen und als Vorreiter voranzugehen?
Als Technologieführer verfügt Konecranes laut Häivälä über die Kultur und die Bereitschaft zu Innovation.
„Unsere Mitarbeitenden sind immer hungrig auf alles Neue.“
„Am Ende des Tages ist es nur eine Maschine. Wirklich spannend ist die Lernkurve des Expertenteams, das mit ihr arbeitet.“
