Ein Unternehmen für Vision-Technologie beweist, dass Roboter endlich gut genug sehen können, um sich in der Nähe von Menschen sicher bewegen zu lassen.
Ein humanoider Roboter bewegte sich durch einen Raum, kartierte ihn, wich Hindernissen aus und bewältigte Höhenunterschiede, ohne dass jemand ihn an der Hand führte. Keine Fernsteuerung. Keine streng vorgegebene Umgebung. Nur eine Maschine, die die Welt wahrnimmt und sich darin nach eigenen Regeln bewegt.
Hinter diesem Moment stand RealSense, ein in Cupertino ansässiges Computer-Vision-Unternehmen, das sich im vergangenen Jahr aus Intel herausgelöst hat. Gemeinsam mit dem in Shenzhen ansässigen Robotikunternehmen LimX Dynamics präsentierte RealSense eine nach eigenen Angaben weltweit einzigartige Demonstration autonomer humanoider Navigation – eine Demonstration, die einen Wendepunkt dafür markieren könnte, wie Roboter im Alltag gemeinsam mit Menschen eingesetzt werden.
Warum Sehen nicht ausreicht – außer man sieht in 3D
Seit Jahren können Roboter „sehen“. Doch zwischen einer Kamera, die ein Objekt erkennt, und einer Maschine, die den dreidimensionalen Raum um sich herum wirklich versteht, liegt ein gewaltiger Unterschied.
Rollende Roboter wie Saugroboter , die durch das Wohnzimmer rattern, kommen mit einer einfachen Navigation auf einer flachen Ebene zurecht. Sie bewegen sich auf vorhersehbaren Oberflächen und brauchen nur eine grobe Vorstellung davon, was vor ihnen liegt. Humanoide Roboter stellen eine völlig andere Herausforderung dar. Sie gehen auf zwei Beinen, verlagern ständig ihr Gewicht und müssen gleichzeitig Stufen, Steigungen, Bordsteine und sich bewegende Menschen verstehen.
Herkömmliche Verfahren wie encoderbasierte Odometrie und 2D-LiDAR, die bei rollenden Maschinen recht gut funktionieren, reichen für Laufroboter, die sich in einem vollständig dreidimensionalen Raum bewegen, schlicht nicht aus. Das Ergebnis: Viele humanoide Roboter sind weiterhin auf menschliche Überwachung oder sorgfältig kontrollierte Testumgebungen angewiesen – kaum eine gute Voraussetzung für den Einsatz in der realen Welt.
Der Ansatz von RealSense lautet, dass eine dichte 3D-Tiefenwahrnehmung diese Gleichung grundlegend verändert.
Die Technologie dahinter
Die Demonstration auf der GTC bringt mehrere Technologieebenen zusammen , die im Zusammenspiel arbeiten. Die Tiefenkameras von RealSense erfassen umfangreiche räumliche Daten über die Umgebung. Diese Daten werden anschließend mithilfe von Visual SLAM verarbeitet. Dadurch kann der Roboter gleichzeitig eine Karte seiner Umgebung erstellen und seine eigene Position darin verfolgen.
Darauf aufbauend kommt Nvidia cuVSLAM zum Einsatz, ein visuelles Odometriesystem, das die räumliche Wahrnehmung des Roboters weiter präzisiert. Das Ergebnis ist eine Maschine, die Hindernisse nicht nur sieht, sondern versteht, wo sie sich befindet, was sie umgibt und wie sie sich sicher bewegen kann.
„Humanoide Roboter bewegen sich in drei Dimensionen, gemeinsam mit Menschen und in Umgebungen, die sich ständig verändern“, sagte Nadav Orbach, CEO von RealSense, in einer Stellungnahme. „Wenn Roboter sicher neben Menschen arbeiten sollen, trägt die Wahrnehmung eine Verantwortung, die über reine Sensordaten hinausgeht. Sie muss als visueller Kortex des Roboters fungieren und eine präzise Lokalisierung, Kollisionsvermeidung, Geländeauswertung sowie stabile, vorhersehbare Bewegungen in unstrukturierten Umgebungen ermöglichen.“
Der Vergleich mit dem visuellen Kortex ist bewusst gewählt. Das Unternehmen argumentiert, Kameras und Wahrnehmungssoftware seien nicht bloß Werkzeuge, sondern die kognitive Grundlage dafür, dass ein humanoider Roboter sinnvoll und sicher in menschlichen Umgebungen existieren kann.
Roboter in der Matrix trainieren
Der vielleicht spannendste Teil dieser Entwicklung ereignete sich, bevor der Roboter überhaupt einen echten Schritt gemacht hatte.
LimX Dynamics trainierte seinen humanoiden Roboter mit Nvidia Isaac Lab, einer hochpräzisen Simulationsumgebung, in der der Roboter unzählige Male komplexe 3D-Manöver in einer digitalen Welt übte. Dieser „Simulations-zuerst-Ansatz“ half dabei, die von Ingenieuren so genannte „Sim-to-Real-Lücke“ zu schließen – die frustrierende Realität, dass etwas, das in der Software perfekt funktioniert, in der physischen Welt oft katastrophal scheitert.
Als der humanoide Roboter auf der GTC erschien, hatte er schwierige Bewegungsabläufe virtuell bereits gemeistert; validierte und vorhersehbare Sicherheitsprotokolle waren in seine neuronalen Netze integriert.
So beeindruckend ein Roboter auch ist, der durch eine Konferenzhalle läuft – das Ziel ist deutlich größer.
Diese Technologie soll Humanoiden den Weg in reale Arbeitsfelder ebnen, etwa in Lagerhäuser oder das Gesundheitswesen, wo die Umgebung unübersichtlich und unvorhersehbar ist.