Zhiyuan stellt Lernverfahren CEL für Roboterschwärme vor

Robotik

Das Robotikunternehmen Zhiyuan hat zusammen mit der Tsinghua-Universität und dem Unternehmen Wuwen Xinqiong ein Lernverfahren namens CEL vorgestellt. Es nutzt die realen Arbeitsabläufe von Roboter-Pendants als Erfahrungsquelle für das Training. Dazu gehören ein Algorithmus namens FERT, der aus fehlgeschlagenen Versuchen lernt, sowie ein fehlertolerantes asynchrones Trainingssystem namens FATS.

Bei fünf realen Aufgaben, Blumenstecken, Kleidung falten, Handy aufladen, einen Hocker zusammenbauen und ein Handy verpacken, übertrafen die mit CEL trainierten Strategien nach Angaben des Unternehmens durchgehend den Durchschnitt von sechs menschlichen Fernbedienern, im besten Fall um 16,7 Prozentpunkte. Bei der Verpackungsaufgabe stieg die Zahl der beteiligten Roboter von 16 auf 96, die Erfolgsquote von 86,7 Prozent auf 98,3 Prozent.

Für mich ist der entscheidende Punkt hier die Skalierung: Mit mehr Robotern im Trainingsverbund steigt die Erfolgsquote, nicht umgekehrt. Das ist genau das Argument, das Zhiyuan für seinen Ansatz braucht, denn es deutet darauf hin, dass sich Schwarmtraining lohnt, je größer die Flotte wird. Wer an Fertigungsrobotik arbeitet, sollte sich die Frage stellen, ob ähnliche Trainingsverfahren auch mit kleineren Flotten praktikabel sind, denn die Zahlen hier stammen ausschließlich aus einem Unternehmens-Setup mit bereits 96 Maschinen.

Offen bleibt: Alle Zahlen stammen allein aus der Mitteilung des beteiligten Unternehmens Zhiyuan, eine unabhängige Prüfung der Erfolgsquoten liegt nicht vor.

Quelle: 36Kr Newsflashes