Roboter-Schwarmintelligenz

Im Fokus des Projektes steht die kollaborative Weiterentwicklung von KI autonomer Schwarmrobotik mit Hilfe des Maschinellen Lernens. Roboter- sowie Drohnenschwärme sollen unter ständiger Optimierung erfolgreich koordiniert und navigiert werden. Weitere Forschungen sollen im Bereich des Roboter-Schwarmverhaltens sowie der Mensch-Technik-Interaktion betrieben werden.

Die „ai arena“

Bisher wurde Reinforcement Learning, welches ein Konzept des Machine Learning ist, in Simulationen von virtuellen Welten mit einzelnen Robotern getestet. Der Roboter muss sich dabei seinen Weg zum Zielpunkt durch die Umgebung bahnen. Sein Sichtfeld wird durch Hindernisse in seinem Umfeld eingeschränkt. Dieses Verfahren soll nun im Zuge des Projektes in der realen Welt auf einen Schwarm von echten Robotern angewendet werden.

Simulierter Roboter sucht seinen Weg durch Hindernisse hindurch zum Ziel (oranger Kreis)

Sobald mehrere Roboter in einer Umgebung aktiv sind, kommen weitere Herausforderungen hinzu. So können sich die Wege der Roboter kreuzen und es müssen Regeln aufgestellt werden, damit die Roboter nicht miteinander kollidieren. Diese Herausforderungen werden in der Logistik mit mobilen Robotern nach den folgenden Szenarien: Platztausch, Kreuzung und Verengung benannt. Somit stellt sich zum Beispiel die Frage, welcher Roboter an einer Kreuzung oder Verengung als erstes fahren soll. Können die Roboter mittels Deep Reinforcement Learning selber ein Verhalten erlenen, das beispielweise den festgelegten Straßenverkehrsregeln entspricht? (siehe Video). 

Zusätzliche Videoinformationen:
Die Roboter wurden in unterschiedlichen Umgebungen trainiert. Dazu gehören auch die ersten vier gezeigten logistischen Szenarien. Daraufhin wird das gelernte Verhalten der Roboter in einer für sie unbekannten Umgebung gezeigt. Zuletzt wird das erlernte Verhalten aus der Simulation auf einem realen Roboter vorgestellt. Bei allen Experimenten wird ein dezentraler Ansatz verwendet, wobei keine Kommunikation zwischen den Roboter stattfindet. Anhand des Laserscanners kann der Roboter die anderen Roboter wahrnehmen.  

Weitere Informationen

  • Youtube-Kanal vom Robotiklabor der Westfälischen Hochschule Gelsenkirchen WHG
  • Video des Trainingsprozesses in der Simulation mit anschließendem Einsatz in echter Umgebung