M-Rock

Die aktuellen Entwicklungen in der Digitalisierung, der KI-basierten Datenverarbeitung und leistungsfähiger Hardware legen den Grundstein für zukünftige Roboter als verkörperte KI-Assistenten. Diese intelligenten Roboter müssen vielseitig, adaptiv und flexibel in Bezug auf Veränderungen in der Umgebung oder den Anforderungen sein, um für ihren Zweck der Unterstützung im Alltag und bei der Arbeit optimiert zu werden. Außerdem müssen sie auf die Bedürfnisse des Nutzers zugeschnitten sein, um eine hohe Akzeptanz zu erreichen und den Wunsch nach Individualität zu erfüllen. Der Anwender will entscheiden, wie ein System aussehen und sich verhalten soll. Dies gilt nicht nur für die persönliche Assistenz im Alltag, sondern auch für die Zusammenarbeit von Robotern und Menschen in Produktion, Logistik oder Pflege. Darüber hinaus sollen individuell zugeschnittene Roboter vom Anwender einfach gestaltet und möglichst automatisch während des Einsatzes an veränderte Bedürfnisse oder beobachtete neue Anforderungen angepasst werden.

Die X-Rock Serie adressiert genau diese Aspekte. X-Rock ermöglicht es Anwendern, ihren persönlichen Assistenten ohne jegliches Expertenwissen zu entwerfen, aber hilft auch Domänenexperten bei der Identifizierung von Verbesserungsmöglichkeiten eines Systems. Methoden der Modularisierung und Modellierung, die in D- Rock entwickelt wurden, ermöglichen eine effiziente Wiederverwendung von Komponenten und beschreiben, wie Komponenten in einem bestimmten Kontext verwendet werden können. Q-Rock bildet automatisch die strukturelle Hardware- und Softwarekomplexität aktueller Robotersysteme auf Verhaltensweisen ab.

M-Rock wird direkt auf den Ergebnissen von D-Rock und Q-Rock aufbauen. Sein Hauptziel ist es, die Nutzung von explizitem und implizitem Benutzerfeedback zu ermöglichen, um nicht nur das Verhalten auf der Softwareseite im Hinblick auf die individuellen Anforderungen des Anwenders zu optimieren, wie im Ausblick von Q-Rock gezeigt, sondern auch eine nachträgliche Optimierung des Q-Rock Softwareablaufs einschließlich der Hardwareauswahl zu realisieren. M-Rock ermöglicht es einem Anwender, Roboter individuell zu gestalten und, wenn möglich, automatisch während des Einsatzes an veränderte Bedürfnisse oder beobachtete neue Anforderungen anzupassen.

Das Ziel von M-Rock ist die Entwicklung eines Frameworks zur kontinuierlichen Anpassung und Verbesserung des Roboterverhaltens durch die Nutzung menschlichen Feedbacks. Um das Verhalten eines Roboters basierend auf menschlichem Feedback während der Mensch-Maschine-Interaktion kontinuierlich zu verbessern, wird eine geschlossene Feedbackschleife zur Aktualisierung des Roboterverhaltens eingerichtet, so dass M-Rock eine sicherere Integration in gemischten Teams ermöglicht und die Grundlage für eine kontinuierliche Reaktion auf das Feedback von Bedienern, menschlichen Mitarbeitern oder Kunden bietet. Da das Roboterverhalten sowohl von Software als auch von Hardware abhängt, ist die Anpassung
des Verhaltens in M-Rock nicht auf Softwareänderungen beschränkt, sondern kann auch Änderungen des Hardwaredesigns erfordern. Daher wird M-Rock auch Methoden und Strategien für eine effektive, ganzheitliche Anpassung von Systemen untersuchen, die als sogenanntes Roundtrip-Tooling zur Verfügung gestellt werden, um schließlich vom menschlichen Feedback zu den erforderlichen strukturellen und funktionalen Änderungen zu gelangen.

Um eine automatische Adaption eines Roboters an die individuellen Anforderungen und Vorlieben des interagierenden Menschen zu ermöglichen, soll in M-Rock explizites Feedback (d.h. Feedback auf Basis einer Bewertungsskala zur Leistungsbeurteilung) mit implizitem Feedback kombiniert werden. Als Quelle für implizites menschliches Feedback werden in M-Rock die EEGs der Benutzer ausgewertet, um Muster in EEG zu erkennen, die mit der Wahrnehmung von Fehlern korrelieren bzw. von diesen ausgelöst werden. Anhand von zwei verschiedenen Evaluationsszenarien werden wir zeigen, wie die Entwicklungen in M-Rock durch die Nutzung von explizitem und implizitem menschlichen Feedback innerhalb des Q-Rock-Zyklus zur Optimierung von Soft- und Hardware eines Roboters sowohl von Laien als auch von Domänenexperten genutzt werden können.