- Anzeige -
- Anzeige -
Lesedauer: 0min
Roboterforschungsprojekt an der TU Wien
Neugierde und das Herausfinden von Informationen sind Eigenschaften, die für den Menschen selbstverständlich sind und ihn in der Evolution weit gebracht haben. Doch Maschinen tun sich mit diesem Thema immer noch schwer. Ein Forschungsprojekt der TU Wien versucht nun, Robotern beizubringen, unbekannte Objekte zu erkennen und mit Bildern aus dem Internet zu vergleichen.

Bild: TU Technische Universität Wien

Entdeckt der Mensch etwas Unbekanntes, weiß er sich meist schnell zu helfen. Früher halfen ihm Bücher weiter, heute ist es selbstverständlich, Suchbegriffe bei Google einzugeben. Eine Forschungsgruppe um den Leiter des Labors Vision for Robotics, Markus Vincze, an der TU Wien widmet sich jetzt innerhalb eines dreijährigen, vom Wissenschaftsfonds FWF finanzierten Projekts diesem Problem. Die Fähigkeiten von Robotern sollen so erweitert werden, dass sie in der Lage sind, unbekannte Objekte als unbekannt zu identifizieren und sich alle nötigen Informationen zum Erkennen der Objekte im Internet zu beschaffen.

Roboter nutzt das Internet

Dies soll mit Hilfe von Deep Learning umgesetzt werden. Zusammen mit internationalen Projektpartnern aus Italien, Frankreich und Großbritannien entwickelten die Forscher ein Verfahren mit mehreren Stufen. Zunächst erfolgt die Segmentierung. Hier unterscheidet der Roboter ein Objekt von seiner Umgebung. Im zweiten Schritt erstellt er ein 3D-Modell des Objekts, das mit der internen Datenbank des Roboters abgeglichen wird. Ist dieser Abgleich nicht erfolgreich, greift der Roboter auf das Internet zu. Dafür verwendet er Suchalgorithmen wie ImageNet oder die Google-Bildersuche. Anhand der Begleittexte zu den Bildern identifiziert er die Substantive, die am häufigsten in Zusammenhang mit dem jeweiligen Bild genannt werden. In einem anschließenden Gegencheck gibt der Roboter dann wiederum die gefundenen Substantive ein und vergleicht die daraufhin erscheinenden Bilder mit den zuvor gefundenen Bildern.

Erste Praxistests

Das neu entwickelte Verfahren wird bereits an existierenden Robotermodellen, wie z.B. dem auch an der TU Wien entwickelten Hilfsroboter Hobbit, getestet. In einem Praxistest wurden dem Roboter in einer normalen Büroumgebung zehn typische Utensilien auf einem Schreibtisch präsentiert. Sie fanden sich alle in der Datenbank des Roboters. Anschließend löschten die Forscher eines der Objekte aus der Datenbank des Roboters, der nun herausfinden musste, um welches Objekt es sich handelte. Mit diesem Test sollte sich zeigen, inwiefern der Roboter in der Lage ist, wichtige Kontextinformationen zu verarbeiten.

Autor:
Firma:

News

- Anzeige -

Weitere Beiträge

Das könnte Sie auch interessieren

Mit Machine Learning präzise Vorhersagen treffen

Viele Unternehmen haben das Potenzial selbstlernender Systeme, die Machine Learning benutzen, erkannt. Dieser Teilbereich der künstlichen Intelligenz basiert auf Algorithmen, die Muster und Gesetzmäßigkeiten in großen Datenmengen erkennen. Mithilfe neuronaler Netze lassen sich aus den Datenbeständen Rückschlüsse ziehen und Prognosen treffen. In vielen Branchen bereits etabliert, findet Machine Learning als Analyse- und Steuerungsinstrument nun auch zunehmend Anwendung in der Logistik. Ein Beispiel dafür ist die Verknüpfung des Microsoft Azure Machine Learning Studios mit Bestandsmanagement- oder ERP-Systemen. Mit diesen Lösungen lassen sich unter anderem Bestände und Bestellungen optimieren sowie Lagerprozesse erheblich verbessern.

mehr lesen

Studie von VDE und Bertelsmann Stiftung: KI-Ethik messbar machen

In einer neuen Studie zeigen die Technologieorganisation VDE und die Bertelsmann Stiftung, wie sich Ethikprinzipien für künstliche Intelligenz (KI) in die Praxis bringen lassen. Zwar gibt es eine Vielzahl an Initiativen, die ethische Richtlinien für die Gestaltung von KI veröffentlicht haben, allerdings bis dato kaum Lösungen für deren praktische Umsetzung. Genau hier setzt der VDE als Initiator und Leiter der ‚AI Ethics Impact Group‘ gemeinsam mit der Bertelsmann Stiftung an.

mehr lesen

KI in der medizinischen Diagnostik

Das Robotik Startup Robominds hat in Reaktion auf die aktuelle Corona-Pandemie eine Lösung entwickelt, die Roboterarme befähigt, Proben und Reagenzien für die medizinische Diagnostik vor zu sortieren. Auf Basis künstlicher Intelligenz erkennt das Soft-und Hardwaresystem Robobrain Position und Farbe der Probenröhrchen und kann diese ohne vorheriges Einlernen voll automatisiert vor- und einsortieren.

mehr lesen

Künstliche Intelligenz für ‚Beyond 5G‘

Während viele europäische Staaten gerade dabei sind, den Mobilfunk der 5. Generation aufzubauen, arbeitet die Forschung bereits an seiner Optimierung. Denn obwohl 5G seinen Vorgängern weit überlegen ist, hat auch der neueste Mobilfunkstandard noch Verbesserungspotenzial: Besonders in urbanen Gebieten, in denen ein direkter Sichtkontakt zwischen Sender und Empfänger erschwert ist, funktioniert die Funkverbindung oftmals noch nicht zuverlässig. In dem kürzlich gestarteten EU-Projekt Ariadne erforschen nun elf europäische Partner, wie sich durch die Nutzung von hohen Frequenzbändern und künstlicher Intelligenz eine fortschrittliche Systemarchitektur für »Beyond 5G« entwickeln lässt.

mehr lesen

Schutz der Privatsphäre und KI in Kommunikationssystemen

Alle zwei Jahre vergeben der VDE, die Deutsche Telekom sowie die Städte Friedrichsdorf und Gelnhausen den mit 10.000 Euro dotierten Johann-Philipp-Reis-Preis an einen Nachwuchswissenschaftler. Dieses Jahr geht er an Prof. Dr.-Ing. Delphine Reinhardt von der Georg-August-Universität Göttingen und an Dr.-Ing. Jakob Hoydis von den Nokia Bell Labs in Nozay, Frankreich. Die beiden Preisträger teilen sich die Auszeichnung und damit das Preisgeld.

Infor bringt Infor Coleman AI auf den Markt

Infor, Anbieter von branchenspezifischer Business-Software für die Cloud, hat bekanntgegeben, dass die Plattform Infor Coleman AI für Embedded-Machine-Learning-Modelle ab sofort verfügbar ist. Sie bietet die Geschwindigkeit, Wiederholbarkeit und Personalisierung, die Unternehmen benötigen, um KI vollständig zu operationalisieren.