Dieser Roboter kann Sie wahrscheinlich bei Jenga schlagen – dank seines Weltverständnisses

SCIENCE ROBOTICS / TITELBILD: JOHN HOPKINS UNIVERSITY, WILL KIRK / HOMEWOOD PHOTOGRAPHY Science Robotics / Titelbild: John Hopkins University, WILL KIRK / HOMEWOOD PHOTOGRAPHY

Trotz blendender Fortschritte in der KI sind Roboter immer noch schrecklich ungeschickt.

Forscher und Unternehmen wenden sich zunehmend dem maschinellen Lernen zu, um sie anpassungsfähiger und geschickter zu machen. Dies bedeutet normalerweise, dass Sie dem Roboter ein Video von dem, was sich vor ihm befindet, zuführen und ihn bitten, herauszufinden, wie er sich bewegen sollte, um dieses Objekt zu manipulieren. Forscher von OpenAI, einer gemeinnützigen Organisation in San Francisco, brachte einer Roboterhand bei, die Blockade eines Kindes zu manipulieren auf diese Weise.

Aber Menschen benutzen natürlich mehr als nur ihre Augen, um zu lernen, wie man mit Objekten umgeht. Das Sehen wird mit dem Tastsinn kombiniert – und wir lernen früh, dass Gegenstände, die instabil stehen, wahrscheinlich umfallen werden.

Das hat einen neuen Roboter inspiriert, der von Nima Fazeli und seinen Kollegen am MIT entwickelt wurde und dem ein grundlegendes Verständnis der Physik der realen Welt vermittelt wurde – und ein brauchbarer Tastsinn.

Seine Fingerfertigkeit bewies er beim Mastering Jenga , ein Spiel, bei dem Blöcke von einem prekär zusammengebauten Turm entfernt werden, im Idealfall ohne dass er umkippt. Der Roboter zeigte auch eine Art von Einfallsreichtum, die für menschliche Spieler entscheidend ist: zu beurteilen, welchen Block er entfernen kann, ohne dass der Turm einstürzt.

Die Forschung stützt sich auf mehrere Schlüsselideen, die von entwickelt wurden Josh Tenenbaum , in der Abteilung für Gehirn- und Kognitionswissenschaften am MIT, und seine Forschungen zur menschlichen Kognition. Dazu gehört die Idee, dass Menschen schon in jungen Jahren ein intuitives Verständnis der Physik entwickeln und dass Wahrscheinlichkeit der Schlüssel zum Denken über die Welt ist. Dies unterscheidet sich von einem Großteil der heutigen KI-Forschung, bei der es darum geht, so viele Daten wie möglich in sehr große oder tiefe neuronale Netze einzuspeisen.

Der Roboter, der sowohl mit Kraftsensoren als auch mit Kameras ausgestattet ist, lernt, Jenga zu spielen, indem er Blöcke anstößt und anstupst und visuelles und taktiles Feedback verwendet, um ein physikalisches Modell der Welt zu trainieren.

Als es dann mit einem neuen Turm aus Blöcken konfrontiert wurde, nutzte es das Modell, um probabilistisch abzuleiten, welchen Block es als nächstes versuchen sollte, aus dem Turm herauszustoßen. Wie gut es war, siehst du oben im Video.

Wissenschaftliche Robotik

Durch die Kombination von Vision, Berührung und diesem Modell der realen Physik kann der Roboter lernen, Jenga effizienter zu spielen, als dies sonst möglich wäre. Das intuitive Physikmodell lässt den Roboter auch schnell verstehen, dass ein über einer Kante hängender Block höchstwahrscheinlich fallen wird. Beim Testen übertraf der Ansatz herkömmliche Methoden des maschinellen Lernens. Die Forschung ist heute veröffentlicht in der Zeitschrift Science Robotics .

Diese menschenähnlichere Lerntechnik könnte dazu beitragen, Fabrik- und Lagerroboter weitaus leistungsfähiger zu machen. Wenn das fehlschlägt, könnten sie Sie zumindest zu einem lustigen Partyspiel herausfordern.

verbergen