"Entwicklung einer gestenbasierten Mensch-Roboter-Schnittstelle auf Basis von bestärkendem Lernen mit fehlerkorrelierten Potentialen"

Heutzutage arbeiten Menschen und Roboter in der Produktion noch größtenteils getrennt voneinander. Ursachen sind sowohl sicherheitsrelevante Gründe, als auch die mangelnde Flexibilität der Roboter und die Komplexität deren Bedienung. Die Vision des Konzeptes Industrie 4.0 sind Mensch und Roboter, die gemeinsam an einem Arbeitsplatz Hand in Hand arbeiten und sich bestmöglich ergänzen.
Diese enge Zusammenarbeit im breiten Einsatz stellt neue Anforderungen an die Bedienschnittstellen zwischen Mensch und Roboter. Im Rahmen dieser Arbeit soll eine flexible, gestenbasierte Mensch-Roboter-Schnittstelle im Kontext dieses Anwendungsszenarios entwickelt werden.
Besonders interessante Möglichkeiten bietet dabei die Kombination aus bestärkendem Lernen und der Fehlerpotentialerkennung aus EEG-Daten. Fehlerpotentiale werden im Gehirn bei der Wahrnehmung eines Fehlers evoziert und deren automatische Erkennung ermöglicht es der Mensch-Roboter-Schnittstelle, mittels bestärkendem Lernen aus gemachten Fehlern zu lernen. Dadurch sollte es potentiell möglich sein, die Genauigkeit einer gestenbasierten Steuerung über lange Zeit aufrecht zu erhalten oder zu verbessern. Darüber hinaus ermöglicht es dieser Ansatz, dass die Schnittstelle sich im laufenden Betrieb automatisch an geänderte Anforderungen in einer dynamischen Produktionsumgebung anpasst, beispielsweise wenn der Roboter neue Arbeitsschritte übernehmen soll.