Roboter lernt dank neuer KI aus seinen Fehlern

Forscher der University of Leeds haben einen Roboter mit einer besonderen Software ausgestattet, die auf zwei Arten der Künstlichen Intelligenz (KI) basiert und die Maschine aus Fehlern lernen lässt. Automatische Planung und verstärktes Lernen kommen dabei zum Tragen. [...]

Dank des neuen Ansatzes ist es dem Roboter möglich, in einer ungeordneten Umgebung, etwa im Regal eines Warenhauses oder im Kühlschrank, bestimmte Objekte zu finden und zu bewegen. Wenn er sie nicht direkt erreichen kann, räumt er die Hindernisse beiseite. Ziel der Forscher war es, dem Roboter eine gewisse Autonomie zu verleihen, sodass er in einer Situation, die er noch nie erlebt hat, eine ihm gestellte Aufgabe lösen kann – gewissermaßen aus seiner Vorerfahrung heraus.

„Roboter sind normalerweise in dem, was Menschen auszeichnet, nicht besonders gut“, so Forschungsleiter Matteo Leonetti. Menschen seien äußerst mobil und fingerfertig, im Gegensatz zu Robotern. Diese Fähigkeiten seien im Gehirn „fest verdrahtet“. Ein Roboter, der sein Ziel nicht direkt erreichen kann, muss sich einen Plan zurechtlegen, wie er es dennoch schafft. Ist er fertig, führt er ihn aus. Wenn er erfolglos bleibt, muss er seinen Plan modifizieren, bis es gelingt. Dazu ist so viel Rechenleistung nötig, dass minutenlange Pausen eintreten.

Immense Zeitersparnis

Leonetti und sein Team hingegen setzen das Werkzeug „Automatische Planung“ ein. Der Roboter sieht das Problem mithilfe seiner Kamera. Dann tritt sein Computer in Aktion. Er simuliert einen Lösungsweg. Ohne dass sich der Rechnerarm bewegt, lässt sich so prüfen, ob der Plan aufgeht. Ist das nicht der Fall, wird er verändert und ein neuer Simulationslauf gestartet. Das geht so lange, bis der Erfolg da ist.

Weil dieser Prozess Zeit kostet, haben die Forscher das zweite KI–Werkzeug, das „Verstärkte Lernen“ integriert. Mit der Methode „Versuch und Irrtum“ tastet sich der Roboter an die Lösung heran, wobei er die Einzelheiten der Fehlversuche speichert, um sie in einer ähnlichen Situation später nicht zu wiederholen. Genauso merkt er sich die Erfolge für die Zukunft. So ließ sich die Zeit zwischen Aufgabenstellung und Lösung auf ein Zehntel reduzieren.