Künstliche Intelligenz machte diesen Roboterhund zu einem sehr guten Jungen.

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

Der Roboter, der in einer neuen Studie in der Fachzeitschrift 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 der einzige Bereich, für den die Simulation wichtig ist: In der Welt der selbstfahrenden Autos ist die Simulationszeit entscheidend, damit Unternehmen die Software testen und entwickeln können, die die Fahrzeuge antreibt. In diesem Fall verwendeten die Forscher eine ähnliche Strategie mit nur einem Roboterhund.

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

Zusätzlich zu den Geschwindigkeitsvorteilen der Simulation ermöglichte die Technik den Forschern, Dinge mit dem Roboter zu tun, die sie im wirklichen Leben nicht tun wollten. Zum Beispiel könnten sie den fragilen Roboterhund in der Simulation virtuell in die Luft jagen, sagt Jemin Hwangbo, Senior Researcher und Postdoc des Projekts am Robotic Systems Lab in Zürich, Schweiz. Dann könnte der Welpe herausfinden, wie er nach der Landung aufstehen kann.

Nachdem das neuronale Netzwerk sein Training in Simulation abgeschlossen hatte, konnte das Team dieses Lernen auf den physischen Roboter selbst anwenden – der über einen Meter hoch ist, 12 Gelenke hat, elektrisch betrieben wird und einem Boston Dynamics-Roboter namens SpotMini ähnelt.

Das Endergebnis nach der Simulationszeit und der KI war, dass der Robo Pooch den Anweisungen genauer folgen konnte – wenn er beispielsweise mit einer Geschwindigkeit von 1,6 km / h laufen würde, könnte er dies genauer als zuvor tun, sagte Hwangbo. Er konnte auch nach einem Sturz schneller aufstehen und rennen. Das Programmieren eines komplexen Roboters wie ALLES mit spezifischen Anweisungen zum Aufstehen nach einem Sturz ist kompliziert, während es ein viel robusterer Ansatz ist, wenn Sie lernen, wie man es in der Simulation macht.

Chris Atkeson, Professor am Robotics Institute und am Human-Computer Interaction Institute der Carnegie Mellon University, sagte, dass die von Hwangbo und seinem Team verwendete Methode Zeit und Geld spart, wenn es darum geht, einen Roboter dazu zu bringen, das zu tun, was Sie wollen.

“Sie haben die Roboterprogrammierung billiger gemacht”, sagt er. “Programmierung ist sehr teuer und Roboterprogrammierung ist sehr teuer, weil man im Grunde Roboterflüsterer haben muss.” Dies liegt daran, dass die Leute, die Roboter programmieren, sowohl gut programmieren als auch die Mechanik des Roboters richtig einsetzen müssen.

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 in Richtung Automatisierung dieser Art von Dingen”, sagt Atkeson.

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