Reinforcement Learning (RL) in der Robotik
Das Reinforcement Learning (RL) ist eines der drei großen Bereiche des maschinellen Lernens. Es basiert auf der Prämisse, dass ein Agent in einer Umgebung agiert, dadurch den aktuellen Zustand der Umgebung verändert und dafür eine entsprechende Belohnung (oder Bestrafung) erhält. Diese Schritte werden mehrfach aneinandergereiht wiederholt, wobei das Ziel des Agenten darin besteht, seine resultierende Belohnung insgesamt zu maximieren.
Das TTZ-Günzburg beschäftigt sich mit der Anwendung und Forschung von RL im Bereich der Robotik. Hierbei hat es sich der Adaption menschlichen Verhaltens (Imitation Learning), im Bereich der Industrierobotik, verschrieben.
Angesichts des aktuellen Fachkräftemangels und demografischen Wandels, der einen zukünftigen Rückgang der Arbeitskräfte prognostiziert, erweist sich unser Forschungsfeld als besonders relevant. Dies bedeutet, dass die Industriemechanismen in den Lieferketten angepasst werden müssen, um die Aufrechterhaltung der Versorgung zu gewährleisten. Der Einsatz von Robotern in der Industrie, in Kombination mit RL, bietet dafür einen vielversprechenden Ansatz.
Unser Ziel ist es, Produktionsprozesse mithilfe von RL zu automatisieren, zu optimieren und zu beschleunigen. Angetrieben werden wir von der Forschungsfrage, wie RL-Systeme so weiterentwickelt werden können, dass sie menschlichen Verhaltensweisen im Robot Learning effektiver adaptieren und auch für Multi-Task-Anwendungen in der industriellen Produktion schnell anpassbar und flexibel einsetzbar sind.
