Robotern menschliches Verhalten beibringen: Die Zukunft der Automatisierung am Arbeitsplatz

Stellen Sie sich eine Zukunft vor, in der Sie in Ihrem Lager oder Büro nicht nur einen menschlichen Auszubildenden anleiten, sondern Ihr neuer Kollege ein Roboter ist. Das klingt zwar ein bisschen futuristisch, ist aber gar nicht so abwegig, wie es zunächst erscheinen mag. Ein Teil Ihrer täglichen Routine könnte darin bestehen, dem Roboter zu zeigen, wie man bestimmte Dinge macht, und dabei Ihre Handgriffe zu erklären – ganz ähnlich wie bei einem ‘Zeig-und-erzähl’-Spiel.

Wenn Roboter zu Kollegen werden

Stellen Sie sich Folgendes vor: Sie befinden sich in einem Zoom-Gespräch mit einem Kunden und bitten Ihren Roboter-Kollegen, Ihnen eine Tasse Kaffee zu holen – wobei Sie darauf achten müssen, dass er einen angemessenen Abstand einhält und den Kaffee nicht auf Ihren teuren Laptop verschüttet. Solche differenzierten Aufgaben erfordern präzise Vorführungen und spezifische Anweisungen, was mitunter mühsam und zeitaufwendig sein kann. Möglicherweise müssen Sie entweder mehrere praktische Vorführungen aufzeichnen oder umfassende Anleitungen verfassen.

Im Mittelpunkt all dessen stehen die MIT-Forscher vom Labor für Informatik und Künstliche Intelligenz (CSAIL). Sie haben eine innovative Methode namens “Masked Inverse Reinforcement Learning” (Masked IRL) entwickelt, die darauf abzielt, den Trainingsprozess zu vereinfachen. Diese Methode ermöglicht es Robotern, vage oder mehrdeutige Anweisungen auch mit weniger Demonstrationsdaten zu verstehen. Das ist ein Segen für Maschinen, die in unterschiedlichen Umgebungen wie Haushalten, Fabriken und Büros arbeiten.

Den Code knacken mit „Masked IRL“

Minyoung Hwang, Doktorandin am MIT, erklärt, dass dieses neue Modell darauf abzielt, Maschinen in die Lage zu versetzen, zu verstehen, was die Nutzer wirklich wollen, selbst wenn ihre Anweisungen nicht eindeutig sind. Dies ist besonders hilfreich in Umgebungen, in denen es Faktoren gibt, die zwar nicht ausdrücklich erwähnt werden, aber für die Erfüllung einer Aufgabe entscheidend sind.

Der eigentliche Lernprozess von „Masked IRL“ nutzt die Sensoren eines Roboters, um Informationen über seine Umgebung zu sammeln. Während ein Nutzer den Roboter bei Vorführungen physisch führt, wird jede Bewegung sorgfältig protokolliert. Mithilfe großer Sprachmodelle (LLMs) werden diese Bewegungen mit der kürzestmöglichen Route verglichen, wodurch die Anweisungen im Sinne größtmöglicher Klarheit verfeinert werden. Um den Fokus auf wesentliche Elemente zu legen, wertet ein weiteres LLM die Daten aus und ignoriert irrelevante Details.

Spannenderweise hat dieser Ansatz gezeigt, dass Roboter lernen können, Aufgaben schnell und präzise zu erledigen, ohne auf zahlreiche Vorführungen angewiesen zu sein. In Testläufen manövrierten die Roboter Objekte präzise um Hindernisse herum und interpretierten dabei gekonnt die Präferenzen der Nutzer, die in deren Anweisungen nicht ausdrücklich angegeben waren.

Die Roboter von morgen könnten mit Kameras ausgestattet sein und so ein besseres Verständnis ihrer Umgebung erlangen. Diese faszinierende Forschungsarbeit wird von der Tata-Gruppe und dem US-Verteidigungsministerium unterstützt und wird auf der IEEE International Conference on Robotics and Automation 2026 von dem renommierten MIT-Forschungsteam vorgestellt, zu dem Alexandra Forsey-Smerek, Nathaniel Dennler und Assistenzprofessorin Andreea Bobu gehören.

Möchten Sie KI-Automatisierung in Ihr Geschäftsmodell integrieren? Entdecken Sie weitere KI-Lösungen unter implementi.ai.

Wenn Sie sich näher mit dieser bahnbrechenden Forschung befassen möchten, lesen Sie den Originalartikel unter MIT-Nachrichten.