Hinweis zu Affiliate-Links: Alle Produkte werden von der Redaktion unabhängig ausgewählt. Im Falle eines Kaufs des Produkts nach Klick auf den Link erhalten wir ggf. eine Provision.

Der humanoide Miniroboter Darwin lernt durch seine eigene „Vorstellungskraft“

von WIRED Staff
An der University of California, Berkeley macht der Roboter Darwin erstaunliche Fortschritte. Statt einfach nur vorprogrammierte Befehle auszuführen, kann er sich seine Aufgaben „vorstellen“, bevor er sie in die Tat umsetzt. Möglich wird das durch Algorithmen, die vom menschlichen Gehirn inspiriert sind.

Den kleinen Roboter Darwin können auch Privatpersonen für rund 12.000 Dollar bei der koreanischen Firma ROBOTIS erwerben. Das Labor von Pieter Abbeel, einem Professor an der UC Berkeley, nutzt den Roboter laut MIT Technology Review derzeit für ein ganz besonderes Experiment: Die Bewegungen des Roboters werden durch mehrere simulierte neuronale Netzwerke kontrolliert. Diese Algorithmen imitieren die Art und Weise, wie der Lernprozess in einem menschlichen Gehirn vonstattengeht. Das bedeutet, dass in Darwins artifiziellem Verstand tatsächlich „Überlegungen“ stattfinden, die seine Bewegungen langfristig verbessern.

Vor einigen Wochen konnte der mit großen Kulleraugen und Katzenohren ausgestattete Roboter nur mithilfe eines Sicherungsseils einigermaßen aufrecht stehen. So gesichert bewegte er sich hin und her, um herauszufinden, wie man sich am besten bewegt, ohne hinzufallen. Vor jeder Bewegung führt Darwin eine Reihe von Simulationen durch. Diese Vorgehensweise ist nach Meinung der Wissenschaftler mit der menschlichen Vorstellungskraft vergleichbar. Igor Mordatch, der die Studie an der UC Berkeley durchführt, sagte dazu: „Er geht die Simulationen etwa eine Stunde lang durch. Bei der Ausführung lernt er dann in Echtzeit, wie das Ausrutschen vermieden werden kann.“

Diese neue Technik könnte zukünftig allen arbeitenden Robotern helfen, sich besser auf ihre Umgebung einzustellen. Außerdem verfeinern sich durch den selbstständigen Lernprozess ihre Bewegungen. Dieter Fox, ein Professor der Computertechnik- und Entwicklungsabteilung der University of Washington, erklärt den Vorteil: „Das Problem war immer, dass die Modelle für den Einsatz in der echten Welt nicht geeignet waren. Doch Techniken wie Machine Learning und besonders Deep Learning erlauben es, dass das System von der Interaktion mit der realen Welt lernt.“ 

GQ Empfiehlt