Warum ist es relevant, das aus der Ferne zu tun?

Das Fern-Teaching von Robotern ermöglicht es Expert:innen, Aufgaben von überall aus zu demonstrieren – ohne physisch neben dem Roboter zu stehen. Das ist besonders nützlich, wenn sich der Roboter an schwer zugänglichen Orten befindet – etwa in der Chirurgie, im Weltraum oder in einer Fabrik am anderen Ende der Welt. Zudem lässt sich Fachwissen so besser skalieren: Eine qualifizierte Person kann mehrere Systeme unterrichten, ohne zu reisen (und damit den Zugang zu Fähigkeiten demokratisieren).

Was sind eure größten Herausforderungen?

Die größte Herausforderung ist das Netzwerk – Verzögerungen und Datenverluste können die Qualität des haptischen Feedbacks und die Genauigkeit der Demonstration stark beeinträchtigen. Das ist besonders kritisch bei kontaktintensiven Aufgaben, die auf präzises Kraftfeedback angewiesen sind. Um dem entgegenzuwirken, haben wir ein System entwickelt, das erkennt, wann Teile einer Demonstration von Verzögerung oder Störungen betroffen sind, und entsprechend anpasst, wie stark sie das Lernen des Roboters beeinflussen – für mehr Robustheit und Autonomie.

Wer in der Industrie interessiert sich dafür?

Solche Lösungen sind besonders relevant für Branchen wie das Gesundheitswesen, die Fertigung und die Luft- und Raumfahrt – überall dort, wo Präzision, Sicherheit und Fernzugriff entscheidend sind. Auch Unternehmen, die kollaborative Roboter oder Teleoperationssysteme entwickeln, suchen nach besseren Möglichkeiten, die Ferninteraktion intuitiver und zuverlässiger zu gestalten.