Ein neuer, von Forschenden am MIT entwickelter Ansatz ist schneller und genauer als einige Alternativen und könnte für Roboter nützlich sein, die mit Menschen interagieren oder auf engem Raum arbeiten.
Forschende am MIT haben ein Verfahren zur schnellen Sicherheitsprüfung entwickelt, das gewährleisten soll, dass ein Roboter bei der Ausführung einer Aufgabe keine Kollisionen verursacht.
(Bild: IM Imagery/stock.adobe.com)
Bevor ein Roboter das Geschirr aus einem Regal nimmt, um den Tisch zu decken, muss er sicherstellen, dass sein Greifer und sein Arm nicht mit irgendetwas kollidieren und möglicherweise das feine Porzellan zerbrechen. Im Rahmen der Bewegungsplanung führt ein Roboter in der Regel Sicherheitsprüfalgorithmen aus, die sicherstellen, dass seine Trajektorie kollisionsfrei ist.
Manchmal jedoch erzeugen diese Algorithmen falsch-positive Ergebnisse. Sie behaupten dann nämlich, eine Flugbahn sei sicher, obwohl der Roboter tatsächlich mit etwas kollidieren würde. Andere Methoden zur Vermeidung von Fehlalarmen sind in der Regel zu langsam für Roboter in der realen Welt.
Sicherheitsprüfung für Roboter
Jetzt haben Forschende des MIT eine Sicherheitsprüfungstechnik entwickelt, die mit 100-prozentiger Genauigkeit nachweisen kann, dass die Flugbahn eines Roboters kollisionsfrei bleibt (vorausgesetzt, das Modell des Roboters und der Umgebung ist genau). Ihre Methode ist so präzise, dass sie Trajektorien unterscheiden kann, die nur um Millimeter voneinander abweichen, und liefert den Nachweis in nur wenigen Sekunden.
Aber ein Benutzer muss sich nicht auf das Wort der Forscher verlassen - der mit dieser Technik erzeugte mathematische Beweis lässt sich mit relativ einfachen mathematischen Mitteln schnell prüfen. Die Forschenden erreichten dies mit einer speziellen algorithmischen Technik, der so genannten Summe-der-Quadrate-Programmierung, und passten sie an, um das Problem der Sicherheitsüberprüfung effektiv zu lösen. Durch die Summe-der-Quadrate-Programmierung lässt sich ihre Methode auf ein breites Spektrum komplexer Bewegungen verallgemeinern.
Nützlich für Roboter, die sich schnell bewegen müssen
Diese Technik könnte sich als besonders nützlich für Roboter erweisen, die sich schnell bewegen müssen, um Kollisionen in mit Objekten überfüllten Räumen zu vermeiden, wie zum Beispiel Roboter, die in einer Großküche Lebensmittel zubereiten. Sie eignet sich auch gut für Situationen, in denen Roboterkollisionen zu Verletzungen führen könnten, etwa bei Pflegerobotern, die gebrechliche Patienten betreuen. "Mit dieser Arbeit haben wir gezeigt, dass man einige schwierige Probleme mit konzeptionell einfachen Mitteln lösen kann. Die Sum-of-Squares-Programmierung ist eine leistungsstarke algorithmische Idee, die zwar nicht jedes Problem löst, aber wenn man sie sorgfältig anwendet, kann man einige nicht ganz triviale Probleme lösen", sagt Alexandre Amice, Student der Elektrotechnik und Informatik (EECS) und Hauptautor eines Artikels über diese Technik.
Präsentation auf der International Conference on Robots and Automation
Amice arbeitet zusammen mit dem EECS-Absolventen Peter Werner und dem Hauptautor Russ Tedrake, dem Toyota-Professor für EECS, Luft- und Raumfahrttechnik und Maschinenbau und Mitglied des Computer Science and Artificial Intelligence Laboratory (CSAIL), an der Arbeit. Die Arbeit wird auf der International Conference on Robots and Automation vorgestellt.
Sicherheit zertifizieren
Viele bestehende Methoden, die prüfen, ob die geplante Bewegung eines Roboters kollisionsfrei ist, tun dies, indem sie die Flugbahn simulieren und alle paar Sekunden prüfen, ob der Roboter auf etwas trifft. Diese statischen Sicherheitsprüfungen können jedoch nicht feststellen, ob der Roboter in den dazwischen liegenden Sekunden mit etwas kollidieren wird.
Für einen Roboter, der in einem offenen Raum mit wenigen Hindernissen umherwandert, mag das kein Problem sein, aber bei Robotern, die komplizierte Aufgaben auf engem Raum ausführen, können ein paar Sekunden Bewegung einen enormen Unterschied ausmachen.Eine Möglichkeit zu beweisen, dass ein Roboter nicht auf eine Kollision zusteuert, wäre, ein Stück Papier hochzuhalten, das den Roboter von allen Hindernissen in der Umgebung trennt. Mathematisch gesehen wird dieses Stück Papier als Hyperebene bezeichnet. Viele Algorithmen zur Sicherheitsprüfung erzeugen diese Hyperebene zu einem einzigen Zeitpunkt. Jedes Mal, wenn sich der Roboter bewegt, muss jedoch eine neue Hyperebene berechnet werden, um die Sicherheitsprüfung durchzuführen.
Beweisen, dass die gesamte Flugbahn kollisionsfrei ist
Stattdessen erzeugt diese neue Technik eine Hyperebenenfunktion, die sich mit dem Roboter mitbewegt, so dass sie beweisen kann, dass eine gesamte Flugbahn kollisionsfrei ist, anstatt eine Hyperebene nach der anderen zu bearbeiten.Die Forscher verwendeten die Summe-der-Quadrate-Programmierung, eine algorithmische Toolbox, die ein statisches Problem effektiv in eine Funktion umwandeln kann. Diese Funktion ist eine Gleichung, die beschreibt, wo die Hyperebene an jedem Punkt der geplanten Flugbahn liegen muss, damit sie kollisionsfrei bleibt. Die Summe-der-Quadrate-Methode kann das Optimierungsprogramm verallgemeinern, um eine Familie von kollisionsfreien Hyperebenen zu finden. Sie wird oft als schwerfällige Optimierung angesehen, die nur für den Offline-Einsatz geeignet ist. Aber die Forscher haben gezeigt, dass sie für dieses Problem äußerst effizient und genau ist.
Stand: 16.12.2025
Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer Datenschutzerklärung.
Einwilligung in die Verwendung von Daten zu Werbezwecken
Ich bin damit einverstanden, dass die WIN-Verlag GmbH & Co. KG, Chiemgaustraße 148, 81549 München einschließlich aller mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel Communications Group) meine E-Mail-Adresse für die Zusendung von redaktionellen Newslettern nutzt. Auflistungen der jeweils zugehörigen Unternehmen können hier abgerufen werden.
Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere (redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote. Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der vorgenannten Unternehmen und Marktforschung genutzt werden.
Meine Einwilligung umfasst zudem die Verarbeitung meiner E-Mail-Adresse und Telefonnummer für den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern wie z.B. LinkedIN, Google und Meta. Hierfür darf die Vogel Communications Group die genannten Daten gehasht an Werbepartner übermitteln, die diese Daten dann nutzen, um feststellen zu können, ob ich ebenfalls Mitglied auf den besagten Werbepartnerportalen bin. Die Vogel Communications Group nutzt diese Funktion zu Zwecken des Retargeting (Upselling, Crossselling und Kundenbindung), der Generierung von sog. Lookalike Audiences zur Neukundengewinnung und als Ausschlussgrundlage für laufende Werbekampagnen. Weitere Informationen kann ich dem Abschnitt „Datenabgleich zu Marketingzwecken“ in der Datenschutzerklärung entnehmen.
Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die hier genannten Zwecke verwendet werden.
Recht auf Widerruf
Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter https://kontakt.vogel.de/de/win abrufbare Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde ich in der Datenschutzerklärung, Abschnitt Redaktionelle Newsletter.
Herausforderung: Eine erste Formulierung finden
"Der Schlüssel dazu war, herauszufinden, wie man Sum-of-Squares auf unser spezielles Problem anwenden kann. Die größte Herausforderung bestand darin, eine erste Formulierung zu finden. Wenn ich nicht will, dass mein Roboter gegen irgendetwas fährt, was bedeutet das mathematisch, und kann der Computer mir eine Antwort geben?" sagt Amice.Wie der Name schon sagt, ergibt sich schließlich eine Funktion, die die Summe mehrerer quadrierter Werte ist. Die Funktion ist immer positiv, da das Quadrat einer beliebigen Zahl immer ein positiver Wert ist.
Vertrauen und prüfen
Durch die doppelte Überprüfung, dass die Hyperebenenfunktion quadrierte Werte enthält, kann ein Mensch leicht überprüfen, ob die Funktion positiv ist, was bedeutet, dass die Flugbahn kollisionsfrei ist, erklärt Amice. Obwohl die Methode mit perfekter Genauigkeit zertifiziert, setzt dies voraus, dass der Benutzer ein genaues Modell des Roboters und der Umgebung hat; der mathematische Zertifizierer ist nur so gut wie das Modell."Das Schöne an diesem Ansatz ist, dass die Beweise wirklich einfach zu interpretieren sind, so dass man nicht darauf vertrauen muss, dass ich es richtig kodiert habe, sondern es selbst überprüfen kann", fügt er hinzu. Sie testeten ihre Technik in der Simulation, indem sie bescheinigten, dass komplexe Bewegungspläne für ein- und zweiarmige Roboter kollisionsfrei waren. Die langsamste Methode benötigte nur einige hundert Millisekunden, um einen Nachweis zu erbringen, und war damit viel schneller als einige andere Verfahren."Dieses neue Ergebnis deutet auf einen neuartigen Ansatz für den Nachweis der Kollisionsfreiheit einer komplexen Flugbahn eines Robotermanipulators hin, der auf elegante Weise Werkzeuge der mathematischen Optimierung nutzt, die in eine überraschend schnelle (und öffentlich verfügbare) Software umgesetzt wurden. Dieses Ergebnis bietet zwar noch keine vollständige Lösung für die schnelle Planung von Bahnen in unübersichtlichen Umgebungen, aber es öffnet die Tür zu mehreren interessanten Richtungen für die weitere Forschung", sagt Dan Halperin, Professor für Informatik an der Universität Tel Aviv, der nicht an dieser Forschung beteiligt war.
Teils immer noch zu langsam
Ihr Ansatz ist zwar schnell genug, um in einigen realen Situationen als abschließende Sicherheitsprüfung eingesetzt zu werden, aber er ist immer noch zu langsam, um direkt in eine Roboterbewegungsplanungsschleife implementiert zu werden, in der Entscheidungen innerhalb von Mikrosekunden getroffen werden müssen, sagt Amice. Die Forschenden planen, ihren Prozess zu beschleunigen, indem sie Situationen ignorieren, die keine Sicherheitsprüfungen erfordern, zum Beispiel wenn der Roboter weit von Objekten entfernt ist, mit denen er kollidieren könnte. Sie wollen auch mit speziellen Optimierungslösungen experimentieren, die schneller laufen könnten.
Leistungsstarker neuer Algorithmus
"Roboter geraten oft in Schwierigkeiten, wenn sie Hindernisse streifen, weil sie bei der Erstellung ihrer Routen schlechte Näherungswerte verwenden. Amice, Werner und Tedrake haben einen leistungsstarken neuen Algorithmus entwickelt, der schnell dafür sorgt, dass Roboter ihre Grenzen nicht überschreiten, indem er fortschrittliche Methoden der algebraischen Geometrie nutzt", fügt Steven LaValle, Professor an der Fakultät für Informationstechnologie und Elektrotechnik der Universität Oulu in Finnland, hinzu, der an dieser Arbeit nicht beteiligt war. Diese Arbeit wurde zum Teil von Amazon und dem U.S. Air Force Research Laboratory unterstützt.