Uni Toronto: KI baut Selbstbau-Labor mit digitalem Zwilling

Forschende der University of Toronto, des Vector Institute, des Acceleration Consortium, von CIFAR und NVIDIA haben auf arXiv die Studie „Self-Building Labs“ vorgestellt. Jiaru Bai und Yuchi Zhao sind Erstautoren, Alán Aspuru-Guzik gehört zum Autorenteam. Ihr Konzept „Self-Building Lab“, kurz SBL, soll Laborautomation über bisherige selbstfahrende Labore hinaus erweitern. Statt ein festes Robotersystem nur vordefinierte Protokolle ausführen zu lassen, soll künstliche Intelligenz erkennen, welche Geräte vorhanden sind, welche Fähigkeiten fehlen und wie sich neue Geräte, Steuerungsschnittstellen, Bewegungsabläufe und Sicherheitsregeln aufbauen lassen. Grundlage ist ein digitaler Zwilling. Aus Fotos, Geräteangaben und Steuerungsdaten entsteht eine simulierte Laborumgebung mit virtuellen Modellen, Positionen, Bewegungsgrenzen und Gerätefunktionen. NVIDIA Isaac Sim dient als Plattform, um Robotereinsätze vorab zu testen. Drei Agenten teilen dabei Rollen: ein wissenschaftlicher Agent übersetzt Forschungsziele in experimentelle Abläufe, ein Twin-Agent macht daraus konkrete Roboterbefehle und ergänzt fehlende Fähigkeiten, ein Sicherheitsagent prüft Risiken und erzeugt Schutzregeln. In einem Demonstrationsexperiment stellte das Team Cadmiumsulfid-Quantenpunkte her. Ein OT-2-Flüssigkeitsroboter führte ein KI-generiertes Python-Programm mit 236 Befehlen aus, darunter Reagenzzubereitung, Pipettgeschwindigkeiten und Tip-Management. Anschließend koordinierte ein Roboterarm die Übertragung von 96-Loch-Platten zum Plattloc-Sealer und zum Cytation-5-Detektor, inklusive erneuter Greifposition und präziser Insertion. Der Roboter durchlief 19 abgestimmte Phasen. Bei millimetergenauen Aufgaben wurde das Simulationsergebnis nicht blind übernommen, sondern mit Vision, Tiefenbildern und Kraft-Moment-Feedback nachgeregelt. Eine zweite Version zeigt zudem Anwendungen in der Flow-Photochemie und bei der Handhabung von HPLC-Geräten, jeweils unter menschlicher Aufsicht. Langfristig planen die Autoren, den Ansatz auf weitere Geräte, mehrere Arbeitsstationen, robotergestützten Transport zwischen Laboren und möglicherweise 3D-gedruckte Spezialgeräte auszuweiten. Die menschliche Rolle verlagert sich nach ihrer Einschätzung vom operativen Feintuning hin zur Vorgabe von Randbedingungen, Sicherheitsgrenzen und physikalischen Rückmeldungen, die Sensoren nicht vollständig erfassen. SBL ist damit noch kein vollautonomes Labor, aber ein Schritt zu Systemen, die nicht nur vorhandene Abläufe ausführen, sondern bei neuen Forschungsfragen zusätzlich benötigte Laborfähigkeiten ergänzen.