Daniel Leidner erhielt die Auszeichnung als Jungwissenschaftler der Stiftung Werner-von-Siemens-Ring in Anerkennung seiner herausragenden Arbeit zu KI-gestützter Telerobotik und deren Anwendung in der Raumfahrt, der Pflegeassistenz und der Pandemiebekämpfung.
Über Daniel Leidner
Daniel Leidner leitet die Gruppe für fehlertolerante Autonomiearchitekturen am Institut für Robotik und Mechatronik des Deutschen Zentrums für Luft- und Raumfahrt (DLR). Hier ist auch seine Nachwuchsgruppe für fehler- und unsicherheitstoleranten universellen Roboterbetrieb (FUTURO) angesiedelt. Seit 2016 ist er Koordinator des Rollin‘ Justin-Teams. Er promovierte 2017 an der Universität Bremen, wo er mit dem Helmholtz-Doktorandenpreis im Forschungsbereich Raumfahrt und dem Georges-Giralt-PhD-Award für die beste europäische Doktorarbeit in der Robotik ausgezeichnet wurde. 2019 wurde er zum „MIT Technology Review Innovator Under 35“ ernannt. Es folgten 2020 die Ernennung als „Business Punk Top 10 in Tech & Engineering“ und als „Falling Walls Emerging Talent“.
Zu Daniel Leidners Forschungsinteressen gehören semantische Zustandsinferenz, ausfallsichere kognitive Architekturen und Fehlerbehandlung in der Robotermanipulation. Damit folgt er seiner Vision, dass Roboter in Zukunft nicht mehr nur Werkzeuge, sondern vielmehr intelligente Kollegen für die Raumfahrt und Gesellschaft sein werden.
Widerstandsfähige Roboter für eine widerstandsfähige Gesellschaft
Die Arbeit von Daniel Leidner beschäftigt sich mit der Frage, wie Roboter in Zukunft noch autonomer werden können, um den Menschen in verschiedenen Anwendungsbereichen zu unterstützen. Zwei Aspekte sind dabei entscheidend. Erstens muss ein wirklich autonomer Roboter in der Lage sein, sich von unvorhergesehenen Fehlersituationen zu erholen – und zwar möglichst ohne menschliches Zutun. Zweitens muss ein Roboter, um sein volles Potenzial auszuschöpfen, ein reichhaltiges Angebot an Handlungen bieten und autonom über ihre Ausführungen entscheiden können. Um diese beiden Aspekte zu erfüllen, werden neueste Methoden aus der künstlichen Intelligenz und der Robotik kombiniert.
Konkret sollen zukünftige Roboter in der Lage sein, jederzeit zu verstehen, welche Auswirkungen ihre Handlungen auf die Umwelt haben. Dazu setzen die Methoden von Daniel Leidner und seinem Team auf Physiksimulationen zur semantischen Zustandsschätzung, um Interaktionen des Roboters mit seiner Umgebung in Echtzeit interpretieren zu können. Die Simulation der realen Welt liefert Informationen über mögliche Fehler, die bei der autonomen Ausführung von Aufgaben auftreten. Darüber hinaus kann die Simulationsumgebung mit maschinellem Lernen kombiniert werden, um neue Roboteraktionen zu erlernen, während der Roboter von einem Teleoperator ferngesteuert wird.
Die entwickelten Ansätze sind vielseitig anwendbar. Ursprünglich für die planetare Exploration entwickelt, sollen sie eines Tages zur Steuerung von Robotern auf fernen Himmelskörpern wie dem Mond oder Mars eingesetzt werden. Bis dahin werden die Methoden für Alltagsanwendungen stetig verfeinert.
Das erste terrestrische Anwendungsszenario ist die Unterstützung von Pflegepersonal in Altenheimen. Die Roboter sollen dabei per Teleoperation gesteuert werden, sodass sich wiederholende und zeitaufwändige Aufgaben teilautonom erledigt werden können. Pflegekräfte gewinnen so Zeit, sich vor Ort um die zu pflegende Person zu kümmern. Die Corona-Pandemie hat ein zweites relevantes Anwendungsszenario aufgezeigt, nämlich die Automatisierung von Laborarbeiten. Hier werden die gleichen Telerobotik-Methoden angewandt, um Roboter in Laboren mit hohen Biosicherheitsstufen unter Einhaltung räumlicher Distanzierungsmaßnahmen ferngesteuert und intuitiv zu bedienen.
