In Simulationen trainieren
Dafür wurden in einer Physiksimulation tiefe neuronale Netze zur Erkennung und Auflösung von Verhakungen trainiert. Die Daten werden so realistisch wie möglich aufbereitet und z.B. mit einem Rauschen unterlegt, um in der Realität vorkommende Sensorungenauigkeiten nachzubilden. Anschließend wird das neuronale Netz dann in die reale Anwendung transferiert. Dadurch kann der Roboter dann z.B. metallisch glänzende, flache und sich leicht verhakende Rundstahlschrauben in der Kiste lokalisieren, die Lage schätzen und den Griff planen. Als Ergebnis hängen die Schrauben sauber geordnet an ihrer Aufhängvorrichtung.
