US-NSF investiert 30 Millionen Dollar in die Gründung eines Forschungszentrums für die gemeinsame Anpassung von Mensch und Roboter

de.wedoany.com-Bericht: Die University of Texas at Austin (UT Austin) wird ein Forschungszentrum der National Science Foundation (NSF) mit einem Budget von 30 Millionen US-Dollar und einer Laufzeit von fünf Jahren leiten, das sich einem Problem widmet, das Roboter außerhalb von Fabriken und Lagerhallen bewältigen müssen: menschliches Verhalten ist unvorhersehbar und verändert sich im Laufe der Zeit.

Das Forschungsprojekt mit dem Namen „Center for Human and Robot Co-Adaptation" vereint 39 Forscher von sechs Universitäten, die sich damit befassen, wie Menschen und Maschinen bei langfristiger Interaktion voneinander lernen und ihr jeweiliges Verhalten anpassen. Das Zentrum untersucht nicht, ob ein Roboter eine Aufgabe in einer Demonstration erfolgreich ausführen kann, sondern was passiert, wenn dieselbe Gruppe von Menschen und Robotern über Monate oder sogar Jahre zusammenarbeitet.

Unternehmen wie Amazon, Apptronik, Diligent Robotics, Google DeepMind, Hello Robot, MassRobotics, NVIDIA und Robust AI sind als Industriepartner beteiligt und decken Bereiche wie humanoide Roboter, mobile Manipulation, künstliche Intelligenz und kommerzielle Robotik ab. Joydeep Biswas, Direktor des Zentrums und außerordentlicher Professor für Informatik an der UT Austin, sagte: „Der nächste Sprung in der Robotik besteht nicht nur darin, Roboter mehr Aufgaben ausführen zu lassen, sondern sie dazu zu bringen, die Menschen um sie herum zu verstehen, ihre Bedürfnisse, Vorlieben, Werte und Einschränkungen zu erfassen – und gleichzeitig zu erkennen, dass Menschen ihr Verhalten ebenfalls anpassen, wenn sie Roboter in ihre Umgebung einführen."

Die Robotik hat sich lange Zeit darauf gestützt, Umgebungsvariablen auf ein Minimum zu reduzieren, um einen stabilen Betrieb zu gewährleisten. Industrieroboter arbeiten an sorgfältig gestalteten Arbeitsplätzen, Teile treffen wie erwartet an den vorgesehenen Positionen ein, und Barrieren sowie Sensoren trennen Menschen von potenziellen Gefahren. Obwohl sich neuere Generationen von kollaborativen und autonomen mobilen Robotern an wechselnde Bedingungen anpassen können, bleiben sie dennoch an klar definierte Arbeitsabläufe und Umgebungsgrenzen gebunden. Physische KI treibt Roboter dazu, diese Annahmen zu durchbrechen. Roboter, die für den Einsatz in der Medizin, der Altenpflege, im Hotelgewerbe, im Bauwesen und sogar in Privathaushalten entwickelt werden, müssen künftig in Räumen arbeiten, die nicht für Maschinen umgestaltet werden können – und die Herausforderung besteht nicht nur darin, dass sich die Umgebung verändert, sondern auch die Menschen darin: Die körperlichen Fähigkeiten eines Patienten können sich von Woche zu Woche ändern, die Bedürfnisse älterer Menschen können sich innerhalb weniger Jahre wandeln, und Arbeiter entwickeln neue Formen der Zusammenarbeit, sobald sie die Stärken und Schwächen eines Roboters kennen.

Das Zentrum bezeichnet diese wechselseitige Anpassung als „gemeinsame Anpassung von Mensch und Roboter". Die UT Austin veranschaulicht dies mit einem einfachen Beispiel: Einen Roboter zu lehren, einen Tisch zu decken, ist nicht schwer – aber dass er bemerkt, dass jemand Chili zubereitet, und von sich aus einen Löffel bereitstellt, ohne dass ein expliziter Befehl nötig ist, erfordert ein tieferes Verständnis von Kontext, Verhalten und Vorlieben. Im medizinischen Bereich ist dies noch entscheidender: Ein Assistenzroboter kann lernen, seine Reichweite an die körperlichen Einschränkungen einer Person anzupassen und ihr zu helfen, ein Glas Wasser zu holen; der Mensch lernt seinerseits, wozu der Roboter fähig ist und wie er ihn um Hilfe bitten kann – so entsteht eine Rückkopplungsschleife gegenseitiger Anpassung.

Diese Veränderung bringt neue Bewertungsdimensionen für Roboterunternehmen. Systeme müssen nicht nur aktuelle Aufgaben zuverlässig erfüllen, sondern auch beurteilen, ob ein gestriges erfolgreiches Verhalten heute noch angemessen ist. Dauerhafte Modelle von Nutzern und Umgebungen, ein besseres Kontextverständnis und die Fähigkeit, aus unvorhersehbarem Verhalten zu lernen, sind notwendige Bestandteile – gleichzeitig werfen sie eine Reihe von Fragen zu Privatsphäre, Sicherheit und Einwilligung auf: Wie viel Autonomie sollte einem Roboter zugestanden werden, der sich ständig an Menschen anpasst? Wenn Roboter von kontrollierten Werkhallen in Haushalte, Krankenhäuser und betreute Wohneinrichtungen ziehen, wird die Komplexität dieser Fragen nur noch weiter zunehmen.

Das Zentrum plant, seine Forschung auf einem Netzwerk realer Einsatzorte aufzubauen, das als „Human Environment with Robots (HERO) Facility Network" bezeichnet wird. Die Standorte werden in Wohnhäusern, Wohnheimen, Cafés, öffentlichen Museen, Rehabilitationskliniken sowie in Einrichtungen der Alten- und Assistenzpflege an der UT Austin und ihren Partnerinstitutionen – dem Massachusetts Institute of Technology (MIT), der Yale University, der Indiana University Bloomington, der University of Utah und der Tufts University – eingerichtet. Langfristige Einsätze helfen den Forschern zu beobachten, was geschieht, wenn die anfängliche Begeisterung nachlässt: Bewohner könnten Abkürzungen entdecken, ihre Kommunikationsweise mit den Maschinen ändern oder Verwendungszwecke finden, die die Entwickler nie vorhergesehen haben; auch können Gemeindemitglieder ihre Meinung dazu äußern, wann, wo und wie die Einsätze durchgeführt werden.

Das Zentrum knüpft auch an mehrere Technologien an, die derzeit die Investitionen in physische KI vorantreiben. Das Texas Advanced Computing Center (TACC) der UT Austin wird die Rechenleistung für Simulation, maschinelles Lernen, Datenspeicherung und digitale Zwillinge für die HERO-Standorte bereitstellen, sodass Forscher Methoden zunächst in virtuellen Umgebungen testen können, bevor sie sie in Wohnheimen oder Pflegeheimen einsetzen. NVIDIA wird beschleunigte Rechen-, Simulations- und Roboterplattformen für das Training und die Evaluierung in großem Maßstab bereitstellen und gleichzeitig Basismodelle prüfen, die die Mensch-Roboter-Zusammenarbeit unterstützen. Deepu Talla, Vizepräsident für Robotik und Edge-KI bei NVIDIA, erklärte, dass Roboter, um Teil des Alltags zu werden, nützlich bleiben müssten, während sich die Bedürfnisse, Aufgaben und Umgebungen der Menschen im Laufe der Zeit verändern.

Der Humanoide-Roboter-Hersteller Apptronik hat eine engere Verbindung zur UT Austin: Das in Austin ansässige Unternehmen wurde 2016 aus dem Human Centered Robotics Lab der Universität ausgegründet. Die Forscher planen, dessen Roboterkonstruktionen und Rechenmodelle in die Erforschung des sicheren Einsatzes humanoider Maschinen in menschlichen Umgebungen einzubeziehen. Diligent Robotics, Hello Robot und Robust AI bringen jeweils Erfahrungen mit mobiler Manipulation und Robotern ein, die für die Arbeit mit und um Menschen herum entwickelt wurden; Amazon und Google DeepMind liefern Perspektiven aus den Bereichen Automatisierung in großem Maßstab und künstliche Intelligenz. Durch die Beteiligung dieser Industriepartner ist das Zentrum nicht nur ein akademisches Projekt, sondern schlägt eine Brücke zwischen der Grundlagenforschung zum menschlichen Verhalten und den kommerziellen Plattformen, die versuchen, physische KI in alltägliche Umgebungen zu bringen.

Der kommerzielle Wert der gemeinsamen Anpassung hängt letztlich von Auslastung und Kapitalrendite ab. Roboter, die für eine einzelne Aufgabe entwickelt wurden, können Werte schaffen, solange die Aufgabenfrequenz hoch genug ist, um die Investition zu amortisieren – hochrepetitive Szenarien wie die Automobilfertigung haben dieses Modell bereits bestätigt. Viele Märkte, die Unternehmen für physische KI anvisieren, sind jedoch anders: Die Aufgaben sind vielfältig, die Umgebungen verändern sich ständig, und Kunden erwarten möglicherweise, dass derselbe Roboter im Laufe der Zeit mehr Funktionen übernimmt. Roboter, die Nutzerpräferenzen lernen, sich an Prozessänderungen anpassen und ohne umfangreiche Neuprogrammierung neue Fähigkeiten erwerben können, haben ein breiteres Anwendungsspektrum und erreichen leichter die für die Amortisation erforderliche Auslastung; Systeme hingegen, die bei jeder Änderung der Umgebung oder des Prozesses manuelle Eingriffe benötigen, könnten trotz technischer Beeindruckung kommerziell scheitern.

Rückblickend auf den Großteil der Robotikgeschichte bestand die Branchenstrategie im Umgang mit Variabilität darin, sie technisch aus der Umgebung zu eliminieren: Fabriken wurden um Roboter herum gebaut, weil Maschinen äußerst effizient sind, wenn die Welt um sie herum vorhersehbar bleibt. Die neue Generation der Robotertechnologie versucht etwas Schwierigeres: Physische KI soll Maschinen hervorbringen, die wahrnehmen, schlussfolgern und in Umgebungen handeln können, die für Menschen und nicht für Maschinen gestaltet sind. Basismodelle, Simulation, geschicktere Manipulation und robustere Hardware sind Teile dieses Puzzles. Aber Roboter in menschliche Umgebungen zu bringen, führt auch eine Variable ein, die sich nicht durch Technik eliminieren lässt – den Menschen. Menschen werden sich mit dem Verhalten der Maschinen vertraut machen, ihre Prozesse um sie herum ändern oder sich auf sie verlassen, auf Weisen, die die Entwickler nicht vorhergesehen haben. Die NSF investiert diese 30 Millionen Dollar in die gemeinsame Anpassung von Mensch und Roboter, genau um zu verstehen, wie sich diese Beziehung entwickeln wird; für eine Branche, die bereits Milliarden investiert hat, um Roboter von kontrollierten Umgebungen in die menschliche Welt zu bringen, könnte die Antwort darüber entscheiden, welche Systeme wirklich Bestand haben.