Jüngste Fortschritte in der Künstlichen Intelligenz (KI), insbesondere in den Bereichen des Reinforcement Learnings und großer Basismodelle, ermöglichen die Entwicklung zunehmend autonomer Roboter, die über einfache Navigationsaufgaben hinausgehen. Matt Malchano, Vizepräsident für Software beim Robotikunternehmen Boston Dynamics, erklärt, dass sich die Zielsetzung der Autonomie in den letzten 15 Jahren von der bloßen Navigation eines Roboters von Punkt A nach Punkt B zu einem weitaus größeren Spektrum an Aufgaben verschoben hat, die ein Roboter eigenständig ausführen kann.
Entwicklung der Roboterautonomie
Die Vorstellung von vielseitig einsetzbaren, autonomen Robotern war lange Zeit schwierig umzusetzen. Historische Beispiele verdeutlichen die frühen Hürden: Der experimentelle Stanford Cart benötigte 1979 fünf Stunden, um 20 Meter in einem Hindernisparcours zurückzulegen. Der erste zweibeinige Roboter, der 1996 selbstständig balancieren konnte, markierte einen frühen Schritt. Die Internationale Organisation für Normung (ISO) definiert Autonomie in der Robotik als die „Fähigkeit, beabsichtigte Aufgaben basierend auf dem aktuellen Zustand und der Sensorik ohne menschliches Eingreifen auszuführen.“ Ziel ist es, Roboter zu schaffen, die immer mehr menschliche Tätigkeiten ohne direkte Aufsicht erledigen können.
KI als Treiber für vielseitige Robotik
Moderne KI-Techniken wie das Reinforcement Learning, bei dem Roboter durch Versuch und Irrtum lernen, ob physisch oder in Simulationen, sowie große Basismodelle (Foundation Models), die auf riesigen Datenmengen trainiert werden und ein grundlegendes Weltwissen vermitteln, haben das Potenzial der Robotik erweitert. Sergey Levine, Informatiker an der University of California Berkeley und Mitbegründer des KI- und Robotikunternehmens Physical Intelligence, beschreibt, dass die Fähigkeit, Roboter in unstrukturierten Umgebungen zuverlässig agieren zu lassen, derzeit an der Grenze des Machbaren liegt und sich von der Forschung in die reale Welt bewegt. Er prognostiziert, dass nicht ein einziger, hoch entwickelter humanoider Roboter alles können wird, sondern dass ein allgemeines KI-Modell viele verschiedene Robotertypen antreiben wird, die jeweils optimal für ihre spezifische Aufgabe geeignet sind.
Herausforderungen und Trainingsmethoden
Die Entwicklung autonomer Roboter für den Einsatz in der offenen Welt birgt jedoch erhebliche technische Komplexität. Dazu gehören die Verarbeitung komplexer Umgebungsdaten (Wahrnehmung), robuste motorische Fähigkeiten, die Fähigkeit, grundlegende Fehler zu überwinden, Anweisungen von Menschen zu verarbeiten und Verhaltensweisen auf neue Situationen zu verallgemeinern. Eine große Herausforderung bleibt die Beschaffung ausreichender und relevanter Daten für das Training. Methoden umfassen das direkte Steuern von Robotern durch Menschen mittels Teleoperation oder das Durchführen zahlreicher Experimente in Laboren. Physikbasierte Simulationen können das Training in virtuellen Umgebungen kostengünstiger gestalten, erfassen aber oft nicht alle Komplexitäten und Unsicherheiten der realen Welt.
Thema: Technologie / KI allgemein. Quelle/Inspiration: Ars Technica.