Federated Embodied AI Technology Harmonizing Efficient Robotics (FEATHER)

Embodied AI (EAI) beschreibt KI-Systeme, die über sensorisch-motorische Fähigkeiten verfügen und durch direkte Interaktion mit ihrer Umwelt lernen und handeln – etwa in Robotern. Das Projekt FEATHER erforscht den Einsatz von Federated Learning (FL), bei dem Modelle dezentral auf realen Robotersystemen trainiert werden, ohne sensible Daten zentral zu erfassen. Statt Rohdaten zu übertragen, werden ausschließlich lokal erlernte Modellparameter geteilt und aggregiert. Dies gewährleistet Datenschutz und ermöglicht organisationsübergreifendes Lernen in realen Produktionsumgebungen.

Durch die Kombination von Beobachtungen verschiedener EAI-Systeme entstehen Modelle mit höherer Generalisierung, die roboterübergreifend einsetzbar sind und komplexe Interaktionsmuster abbilden können. Der fachliche Fokus liegt auf nachgiebigen Endeffektoren (Soft-Endeffektoren), die durch ihre Flexibilität neue Manipulationsfähigkeiten erschließen – etwa für automatisierte Montage bei hoher Variantenvielfalt.

FEATHER entwickelt hierzu eine offene Softwareplattform, die das Management, die Kommunikation und die Koordination verteilter Lernprozesse unterstützt – einschließlich Funktionen zur Datenvorverarbeitung, Modellsynchronisierung und Qualitätssicherung.