Agile Justin führt das Benchmark-Szenario "Bau eines Mars-Habitats" durch. Dies demonstriert vor allem die auf schnellem Lernen basierende Ganzkörper-Bewegungsplanung.
Der humanoide Roboter Agile Justin ist eine Forschungsplattform für lernende künstlicher Intelligenz (KI) im Bereich feinfühliger Manipulation. Zukünftige Anwendungsbeispiele für das System sind insbesondere der Service-Roboter für daheim oder die Unterstützung von Astronauten im Weltraum.
Der Roboter wird kontinuierlich weiterentwickelt, sein erster Vorgänger – damals noch ohne Räder –wurde bereits 2008 der Öffentlichkeit vorgestellt.
Taktile Haut mit Auflösung: 1-5cm am Körper & 2mm an den Händen
Rechenleistung: Onboard: 4x Intel Xeon Quadcore
Extern
GPGPU-Server & Cloud-Zugang
Systembeschreibung
Agile Justin ist einer der weltweit fortschrittlichsten humanoiden Roboter für mobile Manipulation. Er ist mit sensorischen und motorischen Fähigkeiten ausgestattet, die denen des Menschen nahekommen. Das Autonomous Learning Lab des DLR nutzt Agile Justin als ideale Plattform für die Erforschung moderner Architekturen der lernenden Künstlichen Intelligenz (KI), insbesondere von generativen KI und des Deep Reinforcement Learning (RL). Das Labor erforscht das Lernen als Kernprinzip der Wahrnehmung, Modellierung und Handlung in autonomen Systemen, die in komplexen und sich ständig verändernden Umgebungen agieren.
J. Pitz, L. Röstel, L. Sievers, and B. Bäuml. Dextrous tactile in-hand manipulation using a modular renforcement learning architecture. In Proc. IEEE International Conference on Robotics and Automation, 2023.
Lennart Röstel, Leon Sievers, Johannes Pitz, and Berthold Bäuml. Learning a state estimator for tactile in-hand manipulation. In Proc. Int. Conf. Intelligent Robots and Systems, 2022.
Leon Sievers, Johannes Pitz, and Berthold Bäuml. Learning purely tactile in-hand manipulation with a torque-controlled hand. In Proc. IEEE International Conference on Robotics and Automation, 2022.
Johannes Tenhumberg and Berthold Bäuml. Massively speeding up optimization-based motion planning through deep learning. In Proc. Int. Conf. Intelligent Robots and Systems 2022.
Dominik Winkelbauer and Berthold Bäuml. A two-stage learning architecture that generates high-quality grasps for a multi-fingered hand. In Proc. Int. Conf. Intelligent Robots and Systems, 2022.
Agile Justin performing purely tactile dextrous in-hand manipulation. The strategy is learned from scratch in simulation using modern reinforcement learning methods.
