Back
Dr. Jens Kober´s Doktorarbeit mit dem Titel: "Learning Motor Skills: From Algorithms to Robot Experiments" (Prüfung im April 2012 an der TU Darmstadt), wurde zur besten europäischen Doktorarbeit im Forschungsgebiet der Robotik gekürt. Dafür wurde Jens Kober am 20. März 2013 während des European Robotic Network-Forums EURON mit dem Georges Giralt Award ausgezeichnet. Er ist erst der vierte deutsche Robotiker, der diesen Preis entgegen nehmen durfte.
Durchgeführt hat Kober einen Großteil der Experimente und Berechnungen im Labor für Roboter-Lernen am Max-Planck-Institut für Intelligente Systeme. Mit der Berufung des Laborleiters Prof. Dr. Jan Peters auf den Lehrstuhl Intelligente Autonome Systeme an der Technischen Universität Darmstadt zog es auch Jens Kober an die TU Darmstadt. Dort verteidigte er 2012 seine Dissertation. Die Doktorarbeit präsentiert erste Schritte zum gleichzeitigen Erlernen motorischer Fähigkeiten und einer übergeordneten Strategie – d.h. der Fähigkeit zum „intelligenten, adaptiven Verhalten“, grob beschrieben durch den Feedback-Kreis von Wahrnehmen – Aktion – Lernen. Grundlage sind neuartige Algorithmen und Anwendungen, die hochdynamische Aufgaben zeigen und einen sehr effizienten Lernprozess ausweisen. Zum Schluss war ein Barrett WAM in der Lage, eine Tischtennisball-Jonglier-Aufgabe auszuführen. Die Robotik Forschung wandelt sich Eine der größten Herausforderungen in der Robotik Forschung ist, dass Roboter immer noch sehr spezialisiert sind und sich nicht ohne weiteres an sich ändernde Umgebungen und Anforderungen anpassen können. Seit den 1960ern versuchen Wissenschaftler, Roboter mit mehr Autonomie, Anpassungsfähigkeit und Intelligenz auszustatten. Die Forschung auf diesem Gebiet ist sehr aktiv, hat sich allerdings von regel-basierten Systemen hin zu statistischem maschinellen Lernen verlagert. Sowohl Navigation (d.h. sich in unbekannten oder sich ändernden Umgebungen zu bewegen) als auch Motorsteuerung (d.h. das Koordinieren von Bewegungen, um komplexe Aktionen auszuführen) sind hierbei wichtige Teilaufgaben. Von einfachen zu „intelligenten“ Bewegungen In seiner Doktorarbeit diskutiert Jens Kober Ansätze, die es Robotern ermöglichen, motorische Fähigkeiten zu erlernen. Ein Roboterarm erlernt eine einzelne motorische Fertigkeit, eine sogenannte Motor-Primitive, mittels Reinforcement-Learning (bestärkendes Lernen). Im zweiten Schritt werden solche erlernten Motor-Primitiven verallgemeinert, um auf neue Situationen zu reagieren. Schließlich zeigt Kober in seiner Doktorarbeit, wie sich mehrere Motor-Primitive kombinieren lassen, um komplexere Aufgaben zu erfüllen. Prof. Dr. Jan Peters, Betreuer und einer der Gutachter der Doktorarbeit erklärt: „Hinter diesen einfachen Aussagen verbergen sich zwei neuartige, komplizierte Algorithmen (s. Glossar am Ende). Indem wenige globale Parameter angepasst werden, ermöglicht es einer der Algorithmen, die - durch Nachahmung oder Reinforcement-Learning erlernten - Motor-Primitiven zu verallgemeinern und so mit aktuellen Situationen umgehen zu können. Dadurch wird vermieden, dass Bewegungen komplett neu gelernt werden müssen“. Die Doktorarbeit zeigt letztendlich, wie diese Methode verschiedenen realen Robotern, u.a. ein Barrett WAM und ein KUKA KR 6 Roboter, erfolgreiche / eigenständige Dart-Würfe und Tischtennisschläge beibringen kann.