Tactile Robotic Assembly

Tactile Robotic Assembly - Autonomes Fügen modularer Konstruktionen durch Roboter, Tastsensorik und Künstliche Intelligenz

Das Projekt erforscht konstruktive, nachhaltige und produktivitätssteigernde Potentiale von Digitalisierung und künstlicher Intelligenz in der Architektur. Im Projekt soll maschinelles Lernen beim Bauen eingesetzt werden. Dafür ist es notwendig, dass Maschinen architektonisch/konstruktive Aspekte als Bewertungskriterien in Lernprozessen nutzen können. Konkret sollen prototypisch modulare Bausysteme aus seriell, industriell und wirtschaftlich hergestellten Elementen entwickelt und durch autonome Roboter gefügt werden. Das vollständige sequentielle Zusammenfügen zu einer Struktur (Demonstrator) inklusive aller Montageschritte soll auf der Grundlage einer abstrakten Beschreibung (3D Modell) erfolgen. Roboter bestimmen dabei ihre Bewegungsabläufe selber und “begreifen” Gewicht, Dimension und Oberflächeneigenschaften von Bauteilen durch visuotaktile Sensorik. Maschinelles Lernen und Sensorik soll dabei helfen, Bauaufgaben, die derzeit aufgrund ihrer Komplexität nicht vorab zu programmieren sind oder eine permanente Anpassungsfähigkeit des Systems erfordern, autonom durchzuführen. Im Projekt soll untersucht werden wie architektonisch/konstruktive Aspekte für das verstärkende maschinelle Lernen (Reinforcement Learning) als Belohnungen (Rewards) repräsentiert werden können. Außerdem sollen algorithmische Entwurfswerkzeuge für elementierte Konstruktionen entwickelt werden, mit denen die neu gewonnen gestalterisch/konstruktiven Möglichkeiten autonom bauender Roboter vollumfänglich ausgeschöpft werden können. Die im Projekt gewonnenen Erkenntnisse werden anhand von Prototypen und Demonstrator-Konstruktionen exemplarisch angewendet und evaluiert. Letztlich soll der Erkenntnisgewinn zur Nutzung architektonisch/konstruktiver Kriterien in Prozessen des maschinellen Lernens so verallgemeinert werden, dass er für vielfältige Anwendungen des Entwerfens und Bauens nutzbar wird und Architekturschaffende ein vertieftes Verständnis für maschinelles Lernen im Bauen entwickeln.