Das Kochen eines Gerichts wie Spaghetti mit Tomatensauce zeigt anschaulich die kombinatorische Herausforderung von realen Robotikanwendungen. Nicht nur die Zutaten für die Sauce können stark variieren, auch die Reihenfolgen und Mengenangaben erhöhen die Dimensionalität. Nimmt man die sprachliche Vielfalt hinzu, mit der eine solche Aufgabe beschrieben werden kann, wird die Herausforderung für die Interaktionsforschung deutlich: wie kann ein Roboter alle Möglichkeiten verstehen oder auch die persönlichen Vorlieben überhaupt erlernen? Die im Rahmen von AuRorA entwickelten lernenden Behavior-Trees können für solche Aufgaben verwendet werden und haben den Vorteil, dass sie bereits sehr modular aufgebaut sind. Damit verbunden ermöglichen sie eine Wiederverwendung im Rahmen weiterer Aufgaben und Entscheidungskombinationen.



Für weitere Arbeiten mit dem System, könnte die allgemeine Robustheit des Demonstrators erhöht, sowie die Flexibilität und Adaptivität, durch Erkennen weiterer Zustände und Nutzerintentionen gesteigert werden. Hierfür könnten z.B. neue, noch effektivere Lernstrategien für die neu entwickelten, lernenden Behavior-Trees entwickelt werden. Momentan noch vom Entwickler vordefinierte Roboterverhalten, könnten durch eine dynamische, on demand Erstellung neuer Behavior-Trees durch den Nutzer selbst übernommen werden. Dieser könnte so im Nachhinein das System weiter auf die eigenen Bedürfnisse anpassen. Semantik wurde in der aktuellen Implementierung unter anderem in einen auf ROS basierenden Object-Tracker ausgelagert, könnte jedoch zukünftig auch nativ in die Behavior-Trees übernommen werden. Auch durch eine stärkere Verzahnung der verteilten Sensorik könnten die Fähigkeiten des Systems weiter gesteigert werden. Denkbar wäre in diesem Zusammenhang auch eine Stress-Level-Erfassung mit einer KI über die Vitalparametern, ähnlich der Müdigkeitserkennung. Dies wäre jedoch ein weiterführendes Forschungsdesiderat für zukünftige Projekte im Bereich MTI. Spannend wäre ebenfalls, die Entwicklung einer Metrik für die Akzeptanz von Servicerobotik, die von den Interaktionsformen abhängt. Dadurch wäre es möglich beim Interaktionsdesign bereits die Bedürfnisse des Menschen zu erfassen und in den Entwicklungsprozess einfließen lassen zu können.