Roboter der Zukunft: Ist es Zeit, Daten die Priorität über mathematische Modelle zu geben?

Die Robotikbranche steht an einem Scheideweg: Während die einen den Wert von umfangreichen Datensätzen hervorheben, argumentieren andere für die anhaltende Bedeutung mathematischer Modelle. Auf der IEEE International Conference on Robotics and Automation (ICRA) diskutierten führende Experten, darunter Daniela Rus und Russ Tedrake, über die Zukunft der Robotik und die Rolle von Daten versus Modellen bei der Entwicklung intelligenter Maschinen. Die Debatte zeigt das Spannungsfeld zwischen datengetriebenen Methoden und der Notwendigkeit, theoretische Grundlagen zu bewahren, um robuste, leistungsfähige Systeme zu schaffen, die in der realen Welt agieren können.

Die Diskussion wurde durch die Frage eingeleitet, ob die Zukunft der Robotik mehr durch Code oder durch Daten geprägt wird. Daniela Rus und Russ Tedrake plädierten für einen datenorientierten Ansatz. Sie argumentierten, dass große Datensätze, die durch maschinelles Lernen gestützt sind, entscheidend sind für die Fähigkeit von Robotern, zuverlässig in der realen Welt zu agieren. Rus wies darauf hin, dass physikalische Modelle zwar in kontrollierten Umgebungen funktionieren, jedoch in unvorhersehbaren, menschenzentrierten Kontexten an ihre Grenzen stoßen. Sie betont, dass Roboter Erfahrung benötigen, um sich anzupassen, und diese kommt aus Daten.

An der CSAIL forscht Rus mit ihrem Team an multimodalen Datensätzen, in denen menschliche Tätigkeiten wie Kochen und Handhabung von Gegenständen aufgezeichnet werden. Diese Daten bieten tiefgehende Einsichten in menschliche Handlungen, die für das Training von KI-Systemen genutzt werden können. Ziel ist nicht nur die Nachahmung menschlicher Aufgaben, sondern auch die Fähigkeit von Robotern, mehrere Aufgaben zu verallgemeinern und sich an wechselnde Bedingungen anzupassen.

Das Team von Tedrake zeigt durch das Training ihrer Roboter, dass das Skalieren von Daten zu einer gesteigerten Fähigkeit führt, fehlerhafte Situationen zu meistern. Roboter können sich an die unterschiedlichsten Bedingungen anpassen und sogar ein gewisses Maß an “gesundem Menschenverstand” entwickeln, was bei der Ausführung komplexer Aufgaben wie dem Schneiden von Äpfeln sichtbar wird.

Im Gegensatz dazu forderten Kaelbling, Billard und Park die Rolle mathematischer Modelle und theoretisches Verständnis. Kaelbling brachte vor, dass ohne Modelle Systeme zwar funktionieren können, aber nicht verlässlich sind. Sicherheitsrelevante Anwendungen erfordern tiefergehende Einsichten als bloße Versuch-und-Irrtum-Methoden. Billard äusserte Bedenken, dass das blinde Skalieren von Daten ohne zugrundeliegende Struktur zu instabilen Systemen führen könnte.

Die Debatte zielt darauf ab, einen Mittelweg zu finden: Animesh Garg schlug einen hybriden Ansatz vor, bei dem sowohl Daten als auch Modelle genutzt werden, um die Stärken beider Seiten zu vereinen. Diese Strategie könnte dazu beitragen, Herausforderungen im Bereich der Robotik zu bewältigen, die man allein mit Daten oder nur mit Modellen nicht lösen könnte. Die Panelisten betonten außerdem, dass die Vielfalt der Ansätze und Meinungen in der Robotik als Stärke gesehen werden sollte, um die zukünftigen Herausforderungen der Branche zu meistern.

Zusammenfassung der Debatte zur Zukunft der Robotik

• Führende Experten debattieren über das Spannungsfeld zwischen datengetriebenen Ansätzen und mathematischen Modellen in der Robotik.
• Die Anwendung von großen Datensätzen könnte die Anpassung und Flexibilität von Robotern in unvorhersehbaren Umgebungen verbessern.
• Ein hybrider Ansatz, der sowohl Daten als auch Modelle kombiniert, könnte die optimale Lösung für zukünftige Herausforderungen in der Robotik darstellen.

Was Operations-Profis wissen sollten

Die Diskussion um Daten versus Modelle ist für Operations-Profis von entscheidender Bedeutung. Die Umsetzung solcher Technologien in realen Anwendungen erfordert einen tiefen Einblick in beide Ansätze. Daher sollten sie Folgendes beachten:

• Die Relevanz von empirischen Daten nehmen zu; die Analyse großer Datensätze kann wesentliche Einblicke in benutzerzentrierte Prozesse und Anpassungsfähigkeiten bieten.
• Mathematische Modelle sind für kritische Anwendungen unerlässlich, um Sicherheit und Effizienz zu gewährleisten und um unverhoffte Fehler zu vermeiden.
• Ein integrativer Ansatz, der Datenerhebung und Modellbildung kombiniert, könnte wichtige Verbesserungen in der Trainingsstrategie für robotische Systeme im operativen Alltag mit sich bringen.

Robert Reseneder – Interim Manager und Mentor
Tel. +49 175 265 6522

Diese Zusammenfassung basiert auf dem Beitrag MIT roboticists debate the future of robotics, data, and computing
Quelle: The Robot Report