Justus Piater lehrt seinem Roboter das Lernen – mit Erfolg. So lernte der Roboter, wie sich ­ Objekte bewegen, wenn er sie anschubst, und wie er diese stapeln kann. Nun soll er sich aus gelernten ­Bewegungen neue erschließen und mit dem Menschen interagieren lernen.

Nachhaltigkeit - Wenn Roboter in menschlichen Umgebungen arbeiten, dann brauchen Sie soziale Fähigkeiten. Forscher wollen es ihnen beibringen und dabei das tatsächliche Lernverhalten von Menschen nachbilden.

Recycling obsolete electronic devices (E-waste) is a dangerous task for human workers. Automated E-waste recycling is an area of great interest but challenging for current robotic applications. We focus on the problem of segmenting inner parts of E-waste devices into manipulable elements. First, we extend a dataset of hard-drive disk (HDD) components with labelled occluded and non-occluded points of view of the parts, in order to increase the diversity and the quality of the learning data with different angles. We then perform an extensive evaluation with three different state-of-the-art models, namely CenterMask, BlendMask and SOLOv2 (including variants) and two types of metrics: the average precision as well as the frame rate. Our results show that instance segmentation using state-of-the-art deep learning methods can precisely detect complex shapes along with their boundaries, as well as being suited for fast tracking of parts in a robotic recycling system. (Rojas et al. 2022)

Künstliche Intelligenz (KI) ist bereits heute ein täglicher Begleiter, doch vom universellen Haushaltsroboter sind wir noch weit entfernt. Automatisierte Systeme werden zwar Jobs übernehmen, Maschinen werden aber noch lange nicht die Weltherrschaft an sich reißen, falls überhaupt. Zur Langen Nacht der Forschung spricht Martin Kubin im #derWoche „Maschinenzukunft“ mit Prof. Justus Piater vom Institut für Informatik über Chancen und Gefahren von KI. Er weiß auch, warum KI etwa die Justiz unterstützen kann, aber ein KI-Richter niemals objektiv urteilen könnte.