NAO-Lernroboter

Lernrobotik mit dem NAO-Roboter

Soziale Robotik in Lehre und angewandter Forschung

Seit der Anschaffung der NAO-Roboter im Studiengang Telematik im Jahr 2012 sind Projekte der sozialen Robotik ein fester Bestandteil von Lehre und angewandter Forschung im RoboticLab der TH Wildau. Aus studentischen Arbeiten, Lehrprojekten und anschließender Weiterentwicklung im RoboticLab entstanden eine Reihe von Anwendungen, in denen humanoide Roboter als soziale Begleiter in vielfältigen Gebieten eingesetzt werden. 

Diese Anwendungen bilden für auf den Bildungsbereich ausgelegte Vorarbeiten eine zentrale Basis: Sie zeigen, dass Kinder Roboter als motivierende, geduldige und nicht wertende Lernpartner akzeptieren und auch mit vergleichsweise einfachen technischen Interaktionsformen produktiv lernen können.

LeseNAO

LeseNAO – Der Roboter als geduldiger Lesepartner

Die Anwendung LeseNAO ist der wichtigste Vorläufer für das Vorhaben. Die Idee entstand aus studentischen Abschlussarbeiten und wurde in den letzten Jahren im RoboticLab weiterentwickelt. Grundschulkinder lesen dem Roboter laut vor; NAO sitzt ihnen gegenüber und simuliert aufmerksames Zuhören. Nach dem Lesen stellt der Roboter Verständnisfragen, reagiert über einfache Gesten und motivierende Sprachausgabe. Der Ablauf wird über ein Tablet durch eine betreuende Person gesteuert. Die Interaktion ist technisch bewusst einfach: Der Roboter versteht den vorgelesenen Text nicht eigenständig, sondern erzeugt eine soziale, motivierende und nicht wertende Übungssituation. Die bisherigen Einsätze zeigen, dass bereits die physische Präsenz eines freundlichen Roboters genügt, um Kinder zum Vorlesen und Mitmachen zu motivieren. Die Kinder erleben den Roboter dabei als geduldigen Zuhörer, der nicht bewertet, nicht unterbricht und auch bei Unsicherheiten freundlich bleibt.

Praxis- und Transferstand

LeseNAO wurde über mehrere Jahre hinweg in reale Anwendungskontexte überführt. Die Anwendung wurde wissenschaftlich veröffentlicht, als Open-Source-Projekt bereitgestellt und an mehreren Standorten in Deutschland erprobt und eingesetzt. Dazu zählen nach aktuellem Stand die Stadtbücherei Frankfurt am Main (gemeinsam mit der Stadtbücherei hat das LeseNAO Projekt im Jahr 2021 den deutschen Lesepreis erhalten), die Sigmund-Jähn-Grundschule Fürstenwalde, die Hamburger Bücherhallen, die Stadtbibliothek Reinickendorf und das LERNZENTRUM Cottbus.

 

MatheNAO

MatheNAO: Übertragung auf weitere Basiskompetenzen

Mit MatheNAO wurde im vergangenen Jahr das Prinzip des sozialen Lernroboters auf mathematische Basiskompetenzen übertragen. Kinder beantworten Quizfragen zum kleinen Einmaleins oder zu geometrischen Grundlagen. Die Antwort erfolgt über QR-Code-Karten, die je nach Lernmodus eine konkrete Zahl oder eine der vorgegebenen Möglichkeiten als Antwort geben. Nach einer Antwort gibt der Roboter Feedback, erklärt bei falschen Antworten die richtige Lösung und bestärkt die Kinder in der weiteren Bearbeitung. Die QR-Code-Karten werden vor die Kamera im Gesicht des NAOs gehalten. Erste Tests mit Kindern zeigten, dass auch diese simple Interaktionsform akzeptiert wird. Besonders relevant ist dabei: Die Kinder erwarteten keine perfekte freie Konversation. Sie ließen sich auf QR-Karten, klare Spielregeln, Wartezeiten und einen strukturierten Ablauf ein.

Motivationstheoretische Einordnung

Die Wirkung der NAO-Anwendungen lässt sich mit dem ARCS-Modell der Motivation begründen. Der Roboter erzeugt Aufmerksamkeit durch seine physische Präsenz, seine Stimme und seine Gesten. Relevanz entsteht, weil die Aufgaben unmittelbar an schulische Grundkompetenzen wie Lesen und Rechnen anschließen. Vertrauen wird unterstützt, weil der Roboter geduldig bleibt und Fehler nicht sozial sanktioniert. Zufriedenheit entsteht durch positives Feedback, spielerische Rückmeldungen und das gemeinsame Abschließen einer Aufgabe. 

 

ROS-E

ROS-E: Eigenentwickelte soziale Roboterplattform

Während die Arbeiten mit dem NAO gezeigt haben, dass Kinder Roboter als motivierende Lernpartner akzeptieren, machten dieselben Projekte auch die Grenzen einer kommerziellen, geschlossenen Roboterplattform deutlich. Der NAO war als Ausgangspunkt für soziale Robotik und erste Lernrobotik-Anwendungen sehr wertvoll, ist für einen breiten Transfer in Schulen, Bibliotheken und andere Bildungseinrichtungen jedoch nur eingeschränkt geeignet. Zentrale Hürden sind Beschaffbarkeit (verschärft wegen aktueller Insolvenzsituation) und mit über 8.000€ pro Roboter hohen Kosten, sehr eingeschränkte technische Erweiterbarkeit bei Soft- und Hardware, begrenzte Rechenkapazitäten, schwache Sensorik bezüglich Spracheingabe sowie ein hoher Betreuungs- und Wartungsaufwand. Der NAO konnte damit das pädagogische Prinzip demonstrieren, bot aber keine tragfähige Grundlage für ein skalierbares, autonomeres Lernrobotersystem.

ROS-E entstand ausgehend von einer Bachelorarbeit im Jahr 2019 und wurde anschließend im RoboticLab Team weiterentwickelt. Ziel war eine soziale Roboterplattform, die alle wesentlichen Elemente sozialer Interaktion bereitstellt, aber bewusst auf unnötige mechanische Komplexität verzichtet. Im Mittelpunkt standen gute Wahrnehmung, verständliche Ausgabe, soziale Ausdrucksfähigkeit und technische Erweiterbarkeit.

Die aktuelle Version von ROS-E wurde in vier funktionsfähigen Prototypen umgesetzt. Die Plattform integrierte unter anderem einen Raspberry Pi 4B als zentrale Recheneinheit, eine Pi Camera für visuelle Wahrnehmung, ein ReSpeaker-Mikrofonarray für Spracheingabe, Lautsprecher für Sprachausgabe, OLED-Displays für animierte Augen und Mund, Schritt- und Servomotoren für Kopfdrehbewegung und vertikale Kamerabewegung, eigene Elektronik zur Verbindung und Ansteuerung der Komponenten, und ein eigens designtes und produziertes Gehäuse.

Softwareseitig wurde ROS-E als modulare, erweiterbare Plattform aufgebaut. Genutzt wurden ROS 2, Python- und C++-basierte Komponenten, verschiedene Frontend-Apps und ein einfach nutzbares Paket- und Verwaltungskonzept, mit dem unterschiedliche Anwendungen und Studierendengruppen auf der Plattform arbeiten konnten. ROS-E konnte vollständig offline per Keyword aktiviert werden, Sprache verarbeiten, Absichten erkennen und Sprache wieder ausgeben. 

Mehr zu ROS-E

Veröffentlichungen zum NAO-Lernroboter

Repositories zum NAO-Lernroboter: