Veröffentlicht am: 12. März 2025 / Update vom: 12. März 2025 – Verfasser: Konrad Wolfenstein
Forscher Sepehr Samavi und Prof. Angela Schoellig neben Roboter Jack – Bild: Astrid Eckert, Muenchen
Pionierarbeit in der Robotik: TUM entwickelt vorausschauenden Roboter
Autonome Systeme: Wie Roboter lernen, mit Menschen zu interagieren
In einer Welt, die sich rasant in Richtung Automatisierung und künstliche Intelligenz entwickelt, stellen autonome Systeme einen immer wichtigeren Bestandteil unseres Alltags dar. Von selbstfahrenden Autos über intelligente Assistenzroboter bis hin zu hochentwickelten Industrieanlagen – die Fähigkeit von Maschinen, selbstständig Entscheidungen zu treffen und in komplexen Umgebungen zu agieren, transformiert zahlreiche Bereiche unseres Lebens. Eine besonders spannende und herausfordernde Disziplin innerhalb der Robotik ist die Entwicklung von Systemen, die sich sicher und effizient in dynamischen, von Menschen bevölkerten Umgebungen bewegen können. Hierbei geht es nicht nur darum, Hindernissen auszuweichen, sondern auch darum, das Verhalten von Menschen zu verstehen, vorherzusagen und darauf zu reagieren, um eine reibungslose und sichere Interaktion zu gewährleisten.
Genau an dieser Schnittstelle von Robotik, künstlicher Intelligenz und menschlichem Verhalten arbeiten Forschende der renommierten Technischen Universität München (TUM) mit Hochdruck. In ihrem Learning Systems and Robotics Lab unter der Leitung von Professorin Angela Schoellig haben sie einen innovativen Roboter namens “Jack” entwickelt, der in der Lage ist, sich mit bemerkenswerter Geschicklichkeit und Voraussicht durch Menschenmengen zu navigieren. Was Jack von vielen anderen Robotern unterscheidet, ist seine Fähigkeit, nicht nur die unmittelbare Umgebung wahrzunehmen, sondern auch aktiv darüber nachzudenken, wie sich Menschen in seiner Nähe bewegen werden und wie sie auf seine eigenen Bewegungen reagieren könnten. Diese vorausschauende Denkweise ermöglicht es Jack, seinen Weg durch belebte Räume nicht nur reaktiv, sondern proaktiv und intelligent zu planen.
Passend dazu:
Die Herausforderung der Navigation in Menschenmengen
Die Navigation in Menschenmengen stellt für Roboter eine enorme Herausforderung dar, die weit über die einfache Hindernisvermeidung hinausgeht. Im Gegensatz zu statischen oder vorhersehbaren Umgebungen sind Menschenmengen dynamisch, unvorhersehbar und von komplexen sozialen Interaktionen geprägt. Jeder Mensch in einer Menge bewegt sich individuell, beeinflusst aber gleichzeitig die Bewegungen der anderen. Diese Interdependenz, kombiniert mit der natürlichen Variabilität menschlichen Verhaltens, macht es für Roboter extrem schwierig, sich sicher und effizient zu bewegen.
Traditionelle Navigationsalgorithmen für Roboter, die oft auf starren Regeln und einfachen Sensordaten basieren, stoßen in solchen Umgebungen schnell an ihre Grenzen. Sie reagieren in der Regel reaktiv auf Hindernisse, indem sie abrupt stoppen oder ausweichen, was in einer Menschenmenge zu unerwünschten Staus, ineffizienten Routen oder sogar gefährlichen Situationen führen kann. Um sich in Menschenmengen erfolgreich zu bewegen, benötigen Roboter daher eine deutlich fortschrittlichere Form der Intelligenz, die es ihnen ermöglicht, menschliches Verhalten zu verstehen, vorherzusagen und aktiv in ihre Navigationsplanung einzubeziehen.
Jacks innovativer Ansatz: Vorausschauendes Denken und Interaktion
Der von den TUM-Forschenden entwickelte Roboter Jack geht einen entscheidenden Schritt über traditionelle Ansätze hinaus. Sein Kernstück ist ein ausgeklügelter Algorithmus, der es ihm ermöglicht, die Bewegungen von Menschen in seiner Umgebung nicht nur wahrzunehmen, sondern auch aktiv vorherzusagen und in seine eigene Routenplanung einzubeziehen. Professorin Schoellig betont den grundlegenden Unterschied zu herkömmlichen Methoden: “Unser Roboter modelliert, wie Menschen auf seine Bewegung reagieren werden, um seine eigenen Wege zu planen. Das ist der große Unterschied zu anderen Ansätzen, die diese Interaktion typischerweise ignorieren.”
Diese Fähigkeit zur Interaktionsmodellierung ist der Schlüssel zu Jacks Erfolg. Anstatt Menschen lediglich als unvorhersehbare Hindernisse zu betrachten, versteht Jack sie als intelligente Akteure, deren Verhalten er teilweise vorhersagen und sogar beeinflussen kann. Dies ermöglicht es ihm, sich auf eine Weise durch Menschenmengen zu bewegen, die der menschlichen Navigation in vielerlei Hinsicht ähnelt. Er zögert nicht, sich in Lücken zu bewegen, antizipiert die Bewegungen von Fußgängern und passt seine Route dynamisch an, um Kollisionen zu vermeiden und gleichzeitig effizient sein Ziel zu erreichen.
Sensorik und Rechenleistung im Zusammenspiel
Um diese anspruchsvolle Aufgabe zu bewältigen, ist Jack mit einer hochentwickelten Sensorik und Rechenleistung ausgestattet. Ein zentrales Element ist ein Lidar-Sensor (Light Detection and Ranging), der permanent Laserstrahlen in die Umgebung aussendet und die reflektierten Signale empfängt. Aus diesen Daten erstellt der Lidar in Echtzeit eine präzise 360-Grad-Karte der Umgebung, die nicht nur statische Objekte, sondern insbesondere auch die Position und Bewegung von Menschen erfasst. Der Lidar liefert dem Roboter somit ein detailliertes “Bild” seiner Umgebung, das die Grundlage für seine Navigationsentscheidungen bildet.
Ergänzend zum Lidar verfügt Jack über Sensoren in seinen Rädern, die sein eigenes Tempo und die zurückgelegte Strecke präzise messen. Diese Informationen sind entscheidend, um die eigene Position in der Umgebung genau zu bestimmen und die Effizienz der Navigation zu optimieren. Alle Sensordaten werden von einem leistungsstarken Bordcomputer verarbeitet, der in der Lage ist, komplexe Algorithmen in Echtzeit auszuführen. Dieser Computer ist das “Gehirn” von Jack und verantwortlich für die Analyse der Sensordaten, die Vorhersage von Menschenbewegungen und die Berechnung der optimalen Route.
Passend dazu:
Der Algorithmus im Detail: Vorhersage, Planung und Anpassung
Das Herzstück von Jacks Intelligenz ist der von den TUM-Forschern entwickelte Navigationsalgorithmus. Dieser Algorithmus arbeitet in mehreren Schritten, um Jack eine sichere und effiziente Navigation in Menschenmengen zu ermöglichen.
1. Wahrnehmung und Datenerfassung
Zunächst erfasst Jack mithilfe seiner Sensoren kontinuierlich Daten über seine Umgebung. Der Lidar liefert Informationen über die Position und Bewegung von Menschen, während die Radsensoren Daten über die eigene Bewegung des Roboters liefern.
2. Vorhersage von Menschenbewegungen
Auf Basis der gesammelten Daten analysiert der Algorithmus das Bewegungsmuster der Menschen in der Umgebung. Er versucht, die wahrscheinlichen Wege vorherzusagen, die die Menschen in den nächsten Sekunden einschlagen werden. Diese Vorhersage basiert auf statistischen Modellen, die aus umfangreichen Datensätzen menschlichen Bewegungsverhaltens in Menschenmengen gelernt wurden.
3. Routenplanung
Gleichzeitig plant der Algorithmus die optimale Route zum Ziel des Roboters. Dabei berücksichtigt er nicht nur die vorhergesagten Bewegungen der Menschen, sondern auch die eigenen Fähigkeiten und Einschränkungen des Roboters, wie zum Beispiel seine Geschwindigkeit und Wendigkeit. Das Ziel ist es, eine Route zu finden, die möglichst schnell und effizient zum Ziel führt, ohne dabei Kollisionen mit Menschen zu riskieren.
4. Dynamische Anpassung
Ein zentraler Aspekt des Algorithmus ist seine Fähigkeit, sich dynamisch anzupassen. Der gesamte Prozess der Datenerfassung, Vorhersage und Routenplanung wird kontinuierlich etwa zehn Mal pro Sekunde wiederholt. Dadurch kann Jack seine Route in Echtzeit an die sich ständig ändernde Umgebung anpassen. Diese hohe Anpassungsfrequenz ist essenziell, um in einer dynamischen Umgebung mit vielen Menschen sicher und effizient zu navigieren, da der Roboter gleichzeitig die Wege der Menschen erkennt und darauf reagiert, wie der TUM-Forscher Sepehr Samavi erläutert.
Lernen aus menschlichem Verhalten: Der Schlüssel zur menschenähnlichen Navigation
Ein weiterer entscheidender Aspekt von Jacks Intelligenz ist seine Fähigkeit, aus menschlichem Verhalten zu lernen. Die TUM-Forschenden haben Jack nicht einfach mit starren Regeln und Algorithmen programmiert, sondern ihm die Möglichkeit gegeben, sich durch die Analyse von Daten menschlichen Bewegungsverhaltens kontinuierlich zu verbessern.
Professorin Schoellig erklärt, dass das mathematische Modell, auf dem der Planungsalgorithmus basiert, aus menschlichen Bewegungen abgeleitet und in Gleichungen übersetzt wurde. Der Algorithmus stützt sich somit nicht auf abstrakte Annahmen über menschliches Verhalten, sondern direkt auf reale Daten, die Bewegungen von Menschenmengen dokumentieren. Um dies zu ermöglichen, sammelten die Forschenden umfangreiche Datensätze, die menschliches Verhalten in verschiedenen Situationen und Umgebungen beschreiben und als Lehrmaterial für Jack dienen.
Durch die Analyse dieser Daten lernt Jack, typische Bewegungsmuster von Menschen zu erkennen, zu antizipieren und in seine eigenen Entscheidungen einzubeziehen. Zum Beispiel lernt er, dass Menschen in der Regel ausweichen, wenn sie auf ein Hindernis zusteuern, oder dass sie ihre Geschwindigkeit anpassen, um einen Zusammenstoß zu vermeiden. Diese Erkenntnisse fließen in den Algorithmus ein und ermöglichen es Jack, sich auf eine Weise zu verhalten, die dem intuitiven Verhalten von Menschen in Menschenmengen ähnelt.
Ein konkretes Beispiel für diesen Lernprozess ist Jacks Umgang mit potenziellen Kollisionen. Ein traditioneller Roboter würde in der Regel sofort stoppen, sobald er ein Hindernis, wie zum Beispiel einen Menschen, auf Kollisionskurs erkennt. Jack hingegen, der aus menschlichem Verhalten gelernt hat, reagiert differenzierter. Er kalkuliert mit ein, dass Menschen sich in der Regel anpassen und ausweichen werden, um einen Zusammenstoß zu vermeiden. Daher bleibt er nicht sofort stehen, sondern setzt seine Bewegung zunächst fort, während er gleichzeitig die Reaktion des Menschen beobachtet. Nur wenn es Anzeichen dafür gibt, dass der Mensch nicht ausweichen wird, plant Jack kurzfristig um und wählt eine alternative Route. Dieses Verhalten ist deutlich effizienter und menschenähnlicher als das abrupte Stoppen eines traditionellen Roboters.
Evolutionäre Entwicklung: Von reaktiv zu interaktiv
Die Entwicklung von Jacks Navigationsfähigkeiten war ein evolutionärer Prozess, der in drei Stufen verlaufen ist. Jede Stufe repräsentiert einen Fortschritt in der Komplexität und Intelligenz des Algorithmus.
Stufe 1: Reaktive Navigation.
In der ersten Stufe reagierte Jack lediglich reaktiv auf seine Umgebung. Er wich Hindernissen aus, sobald er sie wahrnahm, ohne jedoch das Verhalten von Menschen vorherzusagen oder zu antizipieren. Diese Stufe war zwar funktional, aber ineffizient und führte oft zu abrupten Stopps und Umwegen.
Stufe 2: Prädiktive Navigation.
In der zweiten Stufe wurde der Algorithmus erweitert, um die Bewegung von entgegenkommenden Menschen vorherzusagen. Dies ermöglichte es Jack, vorausschauender zu navigieren und Kollisionen zu vermeiden, bevor sie unmittelbar bevorstanden. Diese Stufe stellte bereits einen deutlichen Fortschritt dar, war aber immer noch begrenzt, da sie die Interaktion zwischen Roboter und Mensch weitgehend ignorierte.
Stufe 3: Interaktive Navigation.
Die aktuelle Version von Jack repräsentiert die dritte und bisher fortschrittlichste Evolutionsstufe: die interaktive Navigation. In dieser Stufe ist Jack nicht nur in der Lage, die Bewegungen von Menschen vorherzusagen, sondern auch aktiv zu berücksichtigen, wie Menschen auf seine eigenen Bewegungen reagieren werden. Er ist in der Lage, durch sein eigenes Verhalten das Verhalten von Menschen zu beeinflussen und gleichzeitig Kollisionen zu vermeiden. Diese interaktive Fähigkeit ist der entscheidende Durchbruch, der Jack zu einem wirklich intelligenten und menschenähnlichen Navigationssystem macht.
Forscher Samavi erklärt, dass Jack einerseits die Bewegungen anderer Menschen vorhersagen kann und gleichzeitig in der Lage ist, durch sein eigenes Verhalten deren Aktionen zu beeinflussen, während er Kollisionen vermeidet. Diese Form der interaktiven Navigation ermöglicht es Jack, sich sicher, effizient, sozial akzeptabel und intuitiv durch Menschenmengen zu bewegen.
Anwendungsbereiche: Von Lieferrobotern bis zum autonomen Fahren
Die innovative Technologie, die in Jack steckt, hat ein enormes Potenzial für eine Vielzahl von Anwendungsbereichen. Obwohl Jack zunächst als Forschungsplattform entwickelt wurde, denken die TUM-Forschenden bereits über konkrete Einsatzmöglichkeiten in der realen Welt nach.
Lieferroboter
Eine naheliegende Anwendung sind Lieferroboter, die Waren und Pakete autonom in urbanen Umgebungen zustellen können. Diese Roboter müssen sich sicher und effizient auf Gehwegen, in Fußgängerzonen und in belebten Innenstädten bewegen können. Jacks Fähigkeit zur Navigation in Menschenmengen ist hierfür von entscheidender Bedeutung. Autonome Lieferroboter könnten in Zukunft einen wesentlichen Beitrag zur Lösung von Problemen der “letzten Meile” in der Logistik leisten und den städtischen Verkehr entlasten.
Passend dazu:
Rollstühle
Eine weitere vielversprechende Anwendung ist die Integration der Technologie in intelligente Rollstühle. Für Menschen mit Mobilitätseinschränkungen kann die Navigation in belebten Umgebungen eine große Herausforderung darstellen. Ein Rollstuhl, der mit Jacks Navigationsalgorithmus ausgestattet ist, könnte die Selbstständigkeit und Lebensqualität dieser Menschen erheblich verbessern. Der Rollstuhl könnte Hindernissen automatisch ausweichen, sich sicher durch Menschenmengen bewegen und den Nutzer autonom zum gewünschten Ziel bringen.
Autonomes Fahren
Professorin Schoellig betrachtet das autonome Fahren als ein besonders relevantes Anwendungsfeld für die interaktive Navigationstechnologie. Dabei hebt sie hervor, dass genau diese interaktiven Szenarien eine zentrale Herausforderung darstellen. In komplexen Verkehrssituationen, etwa beim Einfädeln auf Autobahnen, beim Abbiegen an Kreuzungen oder im Umgang mit Fußgängern und Radfahrern, ist es essenziell, nicht nur die eigene Bewegung zu planen, sondern auch das Verhalten anderer Verkehrsteilnehmer vorherzusehen und in die eigene Planung einzubeziehen. Die Fähigkeit der Technologie zur interaktiven Navigation könnte somit einen bedeutenden Beitrag zur Entwicklung sicherer und effizienter autonomer Fahrzeuge leisten. Sie führt als Beispiel das Einfädeln auf eine Autobahn an: Wenn ein Fahrzeug auf der Beschleunigungsspur einer Autobahneinfahrt fährt, wechseln viele von hinten kommende Fahrerinnen und Fahrer die Spur oder bremsen leicht ab. Genau in solchen Situationen ermöglicht der neue Ansatz, die Reaktionen der anderen Verkehrsteilnehmer angemessen zu berücksichtigen.
Humanoide Roboter
Humanoide Roboter könnten besonders von den Algorithmen profitieren, vor allem in Bereichen wie der Pflege, dem Service oder der Produktion, in denen sie eng mit Menschen zusammenarbeiten. Um von Menschen akzeptiert und effektiv eingesetzt zu werden, ist es essenziell, dass sie sicher und intuitiv in menschlichen Umgebungen navigieren können. Professorin Schoellig weist jedoch auf eine zentrale Herausforderung hin: Während ein fahrender Roboter bei Bedarf einfach anhalten kann, sind humanoide Roboter derzeit noch recht instabil und verlieren schnell ihr Gleichgewicht. Die Verbesserung der Stabilität humanoider Roboter in dynamischen Umgebungen stellt ein wichtiges Forschungsfeld dar, das weiterentwickelt werden muss, um das volle Potenzial der interaktiven Navigation auch für humanoide Roboter nutzbar zu machen.
Fortschrittliche Roboternavigation: Wie Jack menschliches Verhalten versteht
Die Forschung der TUM im Bereich der interaktiven Roboternavigation stellt einen bedeutenden Fortschritt auf dem Weg zu intelligenten und autonomen Systemen dar, die sicher und effizient in menschlichen Umgebungen agieren können. Der Roboter Jack zeigt eindrucksvoll, dass es möglich ist, Maschinen zu entwickeln, die nicht nur ihre Umgebung wahrnehmen, sondern auch menschliches Verhalten verstehen, vorhersagen und in ihre Entscheidungen einbeziehen können. Diese Fähigkeit zur interaktiven Navigation eröffnet neue Möglichkeiten für eine Vielzahl von Anwendungen, von Lieferrobotern über intelligente Rollstühle bis hin zum autonomen Fahren.
Die Entwicklung von Jack ist jedoch erst der Anfang. Die Forschung im Bereich der Robotik und künstlichen Intelligenz schreitet rasant voran, und wir können in den kommenden Jahren und Jahrzehnten mit weiteren spannenden Innovationen rechnen. Die Integration von Robotern in unseren Alltag wird zunehmend selbstverständlicher werden, und autonome Systeme werden eine immer wichtigere Rolle in unserer Gesellschaft spielen. Es ist daher von entscheidender Bedeutung, dass wir die Entwicklung dieser Technologien verantwortungsvoll gestalten und die ethischen und gesellschaftlichen Aspekte von Anfang an berücksichtigen. Nur so können wir sicherstellen, dass Roboter und Menschen in Zukunft zum Wohle aller zusammenarbeiten können.
Passend dazu:
Ihr globaler Marketing und Business Development Partner
☑️ Unsere Geschäftssprache ist Englisch oder Deutsch
☑️ NEU: Schriftverkehr in Ihrer Landessprache!
Konrad Wolfenstein
Gerne stehe ich Ihnen und mein Team als persönlicher Berater zur Verfügung.
Sie können mit mir Kontakt aufnehmen, indem Sie hier das Kontaktformular ausfüllen oder rufen Sie mich einfach unter +49 89 89 674 804 (München) an. Meine E-Mail Adresse lautet: wolfenstein∂xpert.digital
Ich freue mich auf unser gemeinsames Projekt.
