Künstliche Intelligenz machte diesen Roboterhund zu einem sehr guten Jungen.

Triff JEDEN, einen vierbeinigen Roboter, dessen Name als “Tier” ausgesprochen wird. Das 73 Pfund schwere hundeähnliche Gerät ist ein in der Schweiz hergestelltes Gerät, das dank künstlicher Intelligenz schneller laufen, effizienter arbeiten und sich nach einem Unfall selbst zurücksetzen kann, erfolgreicher als vor seinem KI-Training.

Der Roboter, der in einer neuen Studie in der Zeitschrift Science Robotics vorgestellt wurde, lernte nicht nur mit KI, sondern auch durch Computersimulationen auf einem Desktop, ein viel schnellerer Ansatz als das Erlernen neuer Tricks in der realen, physischen Welt. Tatsächlich ist die Simulation laut der Studie etwa 1.000 Mal schneller als die reale Welt.

Dies ist nicht die einzige Arena, für die Simulation wichtig ist: In der Welt der selbstfahrenden Autos ist die Zeit in der Simulation eine entscheidende Voraussetzung dafür, dass Unternehmen die Software, die die Fahrzeuge bedient, testen und weiterentwickeln. In diesem Fall verwendeten die Forscher eine ähnliche Strategie, nur mit einem Roboterhund.

Um sicherzustellen, dass der Simulator, in dem der virtuelle Hund seine Fähigkeiten erlernte, genau war, haben die Forscher zunächst Daten darüber aufgenommen, wie sich der Roboter in der realen Welt verhält. Dann, in der Simulation, ein neuronales Netzwerk – eine Art maschinelles Lernwerkzeug – lernte, wie man den Roboter steuert.

Neben den Geschwindigkeitsvorteilen der Simulation ermöglichte die Technik den Forschern, Dinge mit dem Roboter zu machen, die sie im wirklichen Leben nicht tun wollten. Beispielsweise könnten sie den zerbrechlichen Roboterhund in der Simulation virtuell in die Luft werfen, sagt Jemin Hwangbo, die leitende Forscherin des Projekts und Postdoc im Robotic Systems Lab in Zürich, Schweiz. Dann konnte der Welpe herausfinden, wie er nach der Landung wieder aufstehen kann.

Nachdem das neuronale Netzwerk sein Training in Simulation beendet hatte, konnte das Team dieses Lernen auf dem physischen Roboter selbst einsetzen – der über zwei Fuß hoch steht, 12 Gelenke hat, elektrisch angetrieben ist und einem Roboter namens SpotMini von Boston Dynamics ähnlich sieht.

Das Endergebnis nach der Simulationszeit und der KI war, dass der Robo Pooch Anweisungen präziser befolgen konnte – wenn er zum Beispiel bei 1,1 mph laufen sollte, konnte er das genauer als zuvor tun, so Hwangbo; er war auch in der Lage, nach einem Sturz erfolgreich aufzustehen und schneller zu laufen. Die Programmierung eines komplexen Roboters wie JEDEM mit spezifischen Anweisungen zum Aufstehen nach einem Sturz ist kompliziert, während es einen viel robusteren Ansatz darstellt, wenn man ihn in der Simulation lernen lässt, wie man es macht.

Chris Atkeson, Professor am Robotics Institute und am Human-Computer Interaction Institute an der Carnegie Mellon University, sagte, dass die Methode, die Hwangbo und sein Team verwendet haben, Zeit und Geld spart, wenn es darum geht, einen Roboter dazu zu bringen, das zu tun, was man will.

“Sie haben die Roboterprogrammierung billiger gemacht”, sagt er. “Programmierung ist sehr teuer, und Roboterprogrammierung ist wirklich teuer, weil man im Grunde genommen Roboterflüsterer haben muss.” Das liegt daran, dass die Leute, die Roboter programmieren, sowohl gut im Programmieren als auch darin sein müssen, die Mechanik des Roboters richtig funktionieren zu lassen.

Aber mit Hwangbo und seinem Team konnte ihr Roboter in der Simulation lernen, im Gegensatz zu Programmierern, die jede Aktion sorgfältig programmieren. Es ist “ein großer Schritt zur Automatisierung dieser Art von Dingen”, sagt Atkeson.

Was die Tatsache betrifft, dass ein Video von Robotic Systems Lab zeigt, dass der Roboter getreten wird, vermutlich um zu testen, wie robust er ist? “Wenn dieser Roboter super intelligent wird, wird er sauer”, scherzt Atkeson. “Es gibt die Videoaufzeichnung von ihnen, die es treten – also werden sie die Ersten sein, die gehen, wenn die Roboterrevolution kommt.”