Autor: sozialeRRoboter

Veröffentlicht am

Pilotstudie zum EInsatz von Robotik und künstlicher Intelligenz in der Altenpflege

Eine Pilotstudie zur Interaktion mit dem sozialen Roboter Pepper in der Pflege ist darauf ausgerichtet, den Einsatz von Robotik und künstlicher Intelligenz in der Altenpflege zu erforschen. Der soziale Roboter Pepper wird in dieser Studie eingesetzt, um die Interaktionen zwischen den Senioren und dem Roboter zu untersuchen. Dabei wird analysiert, wie die Senioren auf den Roboter reagieren, wie sie mit ihm interagieren und inwiefern diese Interaktionen ihr Wohlbefinden beeinflussen.

Die Studie zielt darauf ab, die Akzeptanz von Robotern in der Pflege zu untersuchen und herauszufinden, ob der Einsatz von Robotern dazu beitragen kann, die soziale Isolation von Senioren zu verringern und ihre Lebensqualität zu verbessern. Indem die Interaktionen zwischen den Senioren und dem Roboter genauer betrachtet werden, können Erkenntnisse darüber gewonnen werden, wie Roboter in der Pflege eingesetzt werden können, um die Betreuung und Unterstützung von Senioren zu ergänzen.

Die Ergebnisse dieser Pilotstudie könnten wichtige Impulse für die zukünftige Entwicklung und den Einsatz von Robotern in der Altenpflege liefern und dazu beitragen, innovative Lösungen für die Herausforderungen im Pflegebereich zu entwickeln.

Literatur

https://www.b-tu.de/news/artikel/27005-robotik-in-der-pflege-pilotstudie-zur-interaktion-mit-sozialem-roboter-pepper

Veröffentlicht am

KI und Philosopie

In einer Zeit, in der der öffentliche Diskurs zunehmend von Fake News und Verschwörungstheorien geprägt ist, bietet die Philosophie Orientierung und Werkzeuge, um Wissen von Unwissen und Wahrheit von Lüge zu unterscheiden. Das Forschungsprojekt „Wissen in der Krise” vereint Philosophen aus Österreich, um die Herausforderungen der modernen Wissensgesellschaft zu beleuchten. Die Untersuchung zentraler Fragestellungen wie „Wie können wir wahr von falsch unterscheiden?” und „Was erklärt die Wissenskrise?” zielt auf die Analyse der Rolle von Wissen und Wissenschaft in einer Welt voller Informationen ab.

Die Kernaussagen lassen sich wie folgt zusammenfassen:

  • Wissen stellt die Grundlage für effektives Handeln und gesellschaftlichen Zusammenhalt dar. Die Flut an Informationen im Internet erschwert jedoch die Unterscheidung von Wahrheit und Falschheit.
  • Die Verbreitung von Deep Fakes und anderen gefälschten Inhalten kann durch KI zu einer Verschärfung der genannten Probleme führen.
  • Philosophie bietet einen Rahmen, um kritisch zu denken und Informationen zu bewerten.
  • Bildung und Investitionen in Wissenschaft sind wichtig, um das Vertrauen in die Wissenschaft zu stärken.

Politiker sollten wissenschaftliche Erkenntnisse bewerten und transparente Entscheidungen treffen. Das Projekt „Wissen in der Krise” knüpft an diese Tradition an und bietet in einer Zeit der Informationsflut einen wertvollen Kompass für die Orientierung. In einer Welt voller Informationen und Meinungsvielfalt spielt Philosophie daher eine unverzichtbare Rolle. Sie hilft, die Qualität von Informationen einzuschätzen, fundierte Entscheidungen zu treffen und die Demokratie zu stärken.

Veröffentlicht am

Roboterhaut aus menschlichen Zellen

Forscher haben erfolgreich eine fortschrittliche Roboterhaut entwickelt, die aus lebenden menschlichen Zellen besteht. Diese innovative biohybride Haut ist in der Lage, wie echte menschliche Haut Empfindungen wie Spannung und Berührung zu erfassen.

Diese Technologie markiert einen bedeutenden Fortschritt in der Robotik und könnte in Zukunft zur Herstellung von humanoiden Robotern oder hochentwickelten Prothesen verwendet werden. Die Verwendung von lebenden menschlichen Zellen in Robotersystemen eröffnet neue Möglichkeiten für die Schaffung von biohybriden Systemen, die menschenähnliche Funktionen bieten.

Diese Entwicklung verdeutlicht das wachsende Potenzial der Verbindung von biologischen Zellkomponenten mit Technologie, um lebensechte und vielseitige Robotiklösungen zu schaffen.

Literatur

Kawai, Michio, Nie, Minghao, Oda, Haruka & Takeuchi, Shoji (2024).Perforation-type anchors inspired by skin ligament for robotic face covered with living skin. Cell Reports Physical Science, doi:10.1016/j.xcrp.2024.102066

Veröffentlicht am

Das Ziel der Pflege-Robotik

Die Pflege-Robotik ist dazu bestimmt, das Leben von Pflegekräften in vielerlei Hinsicht zu erleichtern. Diese Roboter werden in verschiedenen Bereichen des Gesundheitswesens eingesetzt, um Aufgaben zu übernehmen, die bislang von Pflegekräften erledigt wurden. Dazu zählen vor allem die Unterstützung von Pflegebedürftigen bei alltäglichen Verrichtungen sowie die Entlastung des Pflegepersonals, damit es sich auf anspruchsvollere und fachspezifischere Tätigkeiten konzentrieren kann.

Konkret können Pflege-Roboter ältere Menschen dabei unterstützen, ihren Alltag selbstständiger zu bewältigen. Sie können beispielsweise beim An- und Ausziehen, bei der Körperpflege oder bei der Nahrungsaufnahme helfen. Darüber hinaus können die Roboter auch bei bestimmten therapeutischen Übungen assistieren, etwa bei Bewegungsübungen zur Förderung der Mobilität. Auf diese Weise tragen sie dazu bei, die Lebensqualität der Patienten zu verbessern.

Gleichzeitig entlasten die Roboter das Pflegepersonal von zeitaufwendigen Routineaufgaben. Dadurch können sich die Pflegekräfte stärker auf die individuellen Bedürfnisse und die ganzheitliche Betreuung der Patienten konzentrieren. Sie haben mehr Zeit für den zwischenmenschlichen Kontakt, die Kommunikation und die emotionale Unterstützung der Pflegebedürftigen.

Obwohl die Pflege-Robotik zweifelsohne großes Potenzial bietet, um Pflegekräfte und Patienten zu unterstützen, gibt es auch Bedenken hinsichtlich der ethischen und sozialen Auswirkungen dieser Technologien. Es ist daher äußerst wichtig, dass die Einführung von Pflege-Robotern sorgfältig geplant und begleitet wird. Nur so kann sichergestellt werden, dass die Roboter die Pflegekräfte wirklich optimal unterstützen, ohne dabei die menschliche Fürsorge und den direkten zwischenmenschlichen Kontakt zu beeinträchtigen. Letztendlich sollen die Roboter die Pflegekräfte entlasten und ihnen mehr Zeit für die persönliche Zuwendung zu den Patienten ermöglichen.

Veröffentlicht am

Einsatz weicher Materialien in der Soft-Robotik

Anpassungsfähige Lösungen für sichere Mensch-Maschine-Interaktion Durch den Einsatz weicher Materialien in der Soft-Robotik entstehen flexible Systeme, die für den Menschen ein hohes Maß an Sicherheit bieten. Allerdings fehlt diesen Systemen oft die nötige Stabilität, um viele Aufgaben erfüllen zu können. Im Rahmen des Fraunhofer Cluster of Excellence Programmable Materials (CPM) werden Strukturen mit anpassbarer Steifigkeit entwickelt, um eine größere Tragfähigkeit bei gleichzeitiger Gewährleistung der Sicherheit zu erreichen. Dafür wird ein programmierbares Material geschaffen, das seine Steifigkeit wiederholbar und ortsgenau dynamisch verändern und fixieren kann. Diese Funktion ermöglicht den Einsatz als schaltbares Gelenk in menschennahen Robotern und erlaubt eine schlanke, akzeptanzsteigernde Bauweise. Es werden zwei Ansätze verfolgt, die ausgehend von den Primäranforderungen nach hohem Schaltfaktor und hoher Schaltdynamik geeignete Mechanismen identifizieren, im Systemansatz umsetzen, testen und anschließend in ein programmierbares Material überführen. Einer dieser Ansätze, der Vakuum-Mechanismus, kombiniert die Effekte der Partikel- und Schichtstauung, die durch Evakuierung des Systems entstehen. Dadurch wird eine reversibel und wiederholbar schaltbare Steifigkeitsveränderung mit einem Schaltfaktor K > 100 erreicht.

Durch den Einsatz eines programmierbaren Materials mit pneumatisch schaltbaren Rastmechanismen in den Elementarzellen kann eine schnelle und präzise Formveränderung und Formfixierung in weniger als 1 Sekunde erreicht werden. Im Gegensatz zu herkömmlichen Ansätzen erfolgt die Steifigkeitsanpassung unabhängig von der Bewegungsaktorik, was völlig neue Bewegungskonzepte für die Robotik ermöglicht.

Um die Skalierbarkeit dieses Ansatzes zu verstehen, wird ein Simulationsmodell entwickelt, das die Zusammenhänge zwischen den Geometrieparametern und den funktionellen Eigenschaften der Elementarzellen abbildet. Dadurch kann die Übertragbarkeit dieses innovativen Mechanismus der Bistabilität auf verschiedene Anwendungsskalen gewährleistet werden.

Veröffentlicht am

Künstliche Haut für komplexe Roboterstrukturen

Wissenschaftler haben eine innovative Methode entwickelt, um künstlich gezüchtete Haut auf die komplexen Oberflächen humanoider Roboter aufzubringen. Diese Technologie verspricht, die Bewegungsfähigkeit, Selbstheilungskräfte, integrierten Sensorfunktionen und das realistische Erscheinungsbild von Robotern erheblich zu verbessern.

Um eine stabilere Verbindung zwischen Roboterteilen und künstlicher Haut zu schaffen, wurde eine neue Technik mit speziellen V-förmigen Perforationen in festen Materialien entwickelt. Diese Innovation könnte nicht nur in der Robotik, sondern auch in der Schönheitsindustrie und in der Ausbildung von Chirurgen für rekonstruktive Eingriffe Anwendung finden. Für die Befestigung der Haut verwendeten die Forscher ein spezielles Kollagengel, dessen natürliche Viskosität es erschwerte, es in die winzigen Perforationen einzubringen.

Mit Hilfe des speziellen Gels gelang es, die feine Struktur der Haut nachzubilden und diese eng mit der Oberfläche zu verbinden. Professor Takeuchi und sein Team verfolgen mit ihrer Forschung nicht nur wissenschaftliche Erkenntnisse, sondern auch praktische Anwendungen in der Medizin. Das Konzept eines „Face-on-a-Chip“ könnte sich beispielsweise für die Erforschung von Hautalterung, Kosmetika oder chirurgische Eingriffe als sehr nützlich erweisen. Darüber hinaus könnten integrierte Sensoren die Wahrnehmungs- und Interaktionsfähigkeiten von Robotern verbessern. Obwohl die Forschung noch am Anfang steht, haben die Entwickler bereits neue Herausforderungen identifiziert, wie die Notwendigkeit von Oberflächenfalten und einer dickeren Epidermis, um eine menschenähnlichere Optik zu erreichen.

Veröffentlicht am

Render and Diffuse

Menschen entwickeln beim Erlernen neuer manueller Fähigkeiten keine aufwendigen Berechnungen, um die erforderlichen Bewegungen ihrer Gliedmaßen zu ermitteln. Stattdessen stellen sie sich vor, wie ihre Hände sich bewegen müssen, um eine bestimmte Aufgabe effektiv auszuführen.

Forscher vom Imperial College London und dem Dyson Robot Learning Lab haben eine innovative Methode entwickelt, um Roboter effizienter und menschenähnlicher lernen zu lassen. Ihr Ansatz, „Render and Diffuse“ (R&D) genannt, zielt darauf ab, die Kluft zwischen hochdimensionalen Beobachtungen und niedrigdimensionalen robotischen Aktionen zu überbrücken, insbesondere wenn Datenmangel herrscht.

Ein wesentlicher Bestandteil dieser Methode ist die Nutzung virtueller Darstellungen eines 3D-Robotermodells. Indem niedrigdimensionale Aktionen im Beobachtungsraum visualisiert werden, konnte der Lernprozess deutlich vereinfacht werden. Ein Beispiel dafür ist das Herunterklappen eines Toilettendeckels – eine Aufgabe, die laut humorvoller Aussage von Frauen viele Männer nicht bewältigen können.

Diese Render and Diffuse-Methode ermöglicht es Robotern, etwas Ähnliches zu tun: Sie können ihre Aktionen innerhalb der virtuellen Darstellung ‚visualisieren‘, indem sie digitale Abbilder ihres eigenen Körpers verwenden.

Durch eine reduzierte Anzahl von Übungen lässt sich dasselbe Ergebnis erzielen, nämlich eine bessere Fähigkeit, das Gelernte in unterschiedlichen Situationen anzuwenden.

Literatur

Vosylius, Vitalis, Seo, Younggyo, Uruç, Jafar & James, Stephen (2024). Render and Diffuse: Aligning Image and Action Spaces for Diffusion-based Behaviour Cloning.

Veröffentlicht am

Der Einsatz von Cobots in der Bäckerei

Der Einsatz von Cobots in der Bäckerei

Der Mangel an Fachkräften stellt derzeit für viele Unternehmen ein großes Hindernis dar. Um dennoch wettbewerbsfähig zu bleiben, müssen nicht nur die Kernprozesse, sondern auch vor- und nachgelagerte Arbeitsschritte zunehmend automatisiert werden. Hierbei kommen immer häufiger kollaborative Roboter, sogenannte Cobots, zum Einsatz, die ihre Stärken genau in diesen Bereichen ausspielen. Ein Cobot mit einer eigenen SPS-Steuerung lässt sich leicht nachrüsten und kann Aufgaben übernehmen, die zuvor von Menschen durchgeführt wurden.

Ein anschauliches Beispiel dafür sind automatisierte Großbäckereien. In diesen Umgebungen, zwischen Brötchen und Laugengebäck, werden Cobots immer häufiger eingesetzt. Insbesondere in Fertigungsstraßen, in denen regelmäßig Backbleche zugeführt und am Ende der Backzeit wieder entnommen werden müssen, leisten sie wertvolle Dienste.

Da diese Tätigkeiten eine gewisse Vorsicht erfordern und in unmittelbarer Nähe zu menschlichem Personal stattfinden, sind herkömmliche Roboter hierfür ungeeignet. Moderne Cobots hingegen, mit ihrem großen Arbeitsradius und ihrer hohen Beweglichkeit, können diese Aufgaben problemlos und ohne Risiko für die Mitarbeiter übernehmen. Dies führt zu einer Entlastung der Beschäftigten und einer effektiveren Nutzung ihrer Arbeitskraft an anderer Stelle.

Veröffentlicht am

Roboter zum Kuscheln

Die japanische Firma Groove X verdient mit dem Roboter Lovot erfolgreich Geld, indem sie auf emotionale Bedürfnisse der Menschen abzielt. Lovot, ein kleiner, kuscheliger Roboter, der auf Wärme und Aufmerksamkeit reagiert, wurde seit 2018 etwa 14.000 Mal verkauft. Mit einem Preis von 3000 Euro pro Stück und monatlichen Servicegebühren von 70 Euro bleibt Lovot wirtschaftlich erfolgreich, da 90 Prozent der Kunden ihn auch nach drei Jahren noch nutzen.

Lovot gehört zur Kategorie der „haptischen Wesen“, die durch ihre einfache Technik, aber hohe emotionale Bindung auffallen. Diese Roboter bieten keine komplexen Interaktionen, sondern schaffen durch ihre Sensoren eine physische Erfahrung, die Menschen emotional anspricht. Vorläufer dieser Bewegung waren Roboter wie die Roboter-Robbe Paro. Andere Beispiele sind das schwanzwedelnde Kissen Qoobo und der mechanische Hamster Moflin.

Der Gründer von Groove X, Kaname Hayashi, erkannte während seiner Karriere bei Toyota und Softbank die Marktlücke für einfachere, emotional ansprechende Roboter. Seine Erfahrung mit dem humanoiden Roboter Pepper, der kommerziell nicht erfolgreich war, führte ihn zu der Einsicht, dass die Erwartungen der Menschen an Roboter oft zu hoch sind.

Hayashi sieht den aktuellen Hype um humanoide Roboter kritisch und glaubt, dass echte Durchbrüche noch Zeit benötigen. Bis dahin setzen er und andere auf Roboter, die emotionale Unterstützung bieten, wie Lovot. Die Hauptkäufergruppe sind Frauen zwischen 40 und 50 Jahren, die den Roboter als Ersatz für Haustiere sehen. Hayashi plant, Roboter mit KI zu entwickeln, die als persönliche Coaches fungieren und den Menschen helfen sollen, in einer sich schnell verändernden Welt glücklich zu bleiben und weiterzulernen.

Veröffentlicht am

Sollen KI-Modelle auch schlafen?

In Bezug auf die Art und Weise, wie Menschen Erinnerungen speichern und abrufen, existieren unterschiedliche Theorien. Eine dieser Theorien ist die Complementary Learning Systems Theorie, welche besagt, dass das Zusammenspiel zwischen dem Hippocampus und dem Neokortex, zwischen einem vereinfacht gesagt schnell lernenden und einem langsam lernenden Hirnareal, maßgeblich daran beteiligt ist, neue Erfahrungen in Erinnerungen umzuwandeln. Dieser Prozess findet vorrangig im Schlaf statt.

Die Entwicklerinnen und Entwickler neuronaler Netze machen sich derartige Theorien aus der Hirnforschung zunutze. Im Jahr 2021 hat ein Team aus Singapur mit DualNet ein KI-Modell vorgestellt, welches sowohl einen langsamen als auch einen schnellen Trainingsprozess anwendet und somit das menschliche Lernen imitiert.

In einer aktuellen Studie gehen Forschende der Universität von Catania in Italien noch einen Schritt weiter, indem ihr Algorithmus mit an diese Theorie angelehnten Schlaf- und Wachphasen arbeitet. Man wollte herausfinden, ob KI-Modelle zuverlässiger werden, wenn sie nicht durchgängig mit neuen Informationen bombardiert werden, sondern zwischendurch die Möglichkeit haben, Informationen „sacken zu lassen”. In der Tat gibt es im maschinellen Lernen ein Phänomen, das als „katastrophales Vergessen“ bezeichnet wird. Hierbei vergessen die Algorithmen das zuvor Gelernte komplett. Eine mögliche Erklärung für dieses Phänomen ist, dass während des sequentiellen Lernens neue Repräsentationen die alten überlagern und somit aus dem Gedächtnis zurückdrängen.

Um zu überprüfen, ob eine Aufteilung in Schlaf- und Wachphasen die Algorithmen in der Anwendung robuster macht, haben die Forscherinnen und Forscher aus Catania eine Trainingsmethode namens Wake-Sleep Consolidated Learning entwickelt und auf ein Modell zur Bilderkennung angewendet. Sie führten eine Schlafphase ein, die die Zustände des menschlichen Gehirns nachahmt, in denen synaptische Verbindungen, Gedächtniskonsolidierung und das Lernen von Bildern im Vordergrund stehen.

In der Wachphase wurde das Modell mit Trainingsdaten gefüttert, in diesem Fall mit neuen Bildern von Tieren. In dieser Phase werden neue Erfahrungen gewissermaßen im Kurzzeitgedächtnis gespeichert. Die Wachphase wird durch die Schlafphase abgelöst, die sich ihrerseits in zwei Phasen unterteilt, die dem menschlichen Schlaf ähneln. Die erste Phase wird als Non-REM-Schlaf bezeichnet und dient der Verarbeitung von Erinnerungen, die während der Wachphase gesammelt wurden. Zudem werden vergangene Erfahrungen verarbeitet, wobei ältere Trainingsdaten im Langzeitgedächtnis konsolidiert werden. Die zweite Phase wird als REM-Schlaf bezeichnet und ist durch das Träumen gekennzeichnet. Des Weiteren ist der REM-Schlaf zu nennen, in dem das Träumen neue Erfahrungen simuliert und das Gehirn auf zukünftige Ereignisse vorbereitet. Diese Traumphase, in der die KI abstrakte Bilder mit verschiedenen Tierkombinationen verarbeitet, ist von Bedeutung, da sie dazu beiträgt, bisherige Wege digitaler Neuronen zusammenzuführen und somit Platz für andere Konzepte in der Zukunft zu schaffen. Dies sollte dazu beitragen, dass das Modell neue Konzepte leichter erlernen kann, was als eine Art Gehirnjogging für die KI bezeichnet werden kann.

Im Anschluss wurde der mit dieser Methode trainierte Algorithmus mit drei gängigen Bilderkennungsmodellen verglichen. Dabei zeigte sich, dass die Erkennungsrate zwischen zwei und zwölf Prozent höher lag. Zudem war der sogenannte Vorwärtstransfer höher, was bedeutet, dass das Modell mehr altes Wissen anwendete, um neue Aufgaben zu lernen. Dies lässt den Schluss zu, dass die Plastizität neuronaler Netze durch konkrete Schlaf- und Wachphasen verbessert werden kann.

Literatur

https://www.heise.de/news/Lernen-im-Schlaf-Wieso-auch-eine-KI-mal-abschalten-sollte-9621667.html (24-06-09)