In der virtuellen Welt trainierte Roboter versagen häufig in der Realität. Forscher wollen ihnen deshalb Nachhilfe in Physik geben.

Roboter sollen immer komplexere Aufgaben durchführen: Menschen pflegen, die Logistik vollständig automatisieren oder autonom durch den Straßenverkehr lenken.

Mit komplexeren Aufgaben wächst der Bedarf an realistischeren Simulationen, denn das Training der Roboter-KI in der virtuellen Welt bietet entscheidende Vorteile: Die Anzahl gleichzeitig trainierender Roboter-KIs wird nur durch Rechenleistung beschränkt. Und Fehlschläge führen zum Neustart statt zu zerstörter Hardware oder Verletzungen. Außerdem läuft das VR-Training viel schneller ab.

Physik-Nachhilfe soll die Realitätslücke schließen

Also kann man Roboter ganz einfach in der virtuellen Welt trainieren und dann auf die echte loslassen? Ein guter Plan – der so nicht aufgeht. Denn selten lassen sich die virtuellen Errungenschaften in die Realität übertragen. Die Computerprogramme sind zu einfach und können die echte Welt nicht ausreichend genau simulieren, wenn navigiert, interagiert und geklettert werden soll.

Forscher der Universität Texas in Austin haben nun eine neue Methode vorgestellt, mit der der Sprung über die Realitätslücke gelingen soll. Die Idee der Forscher ist einfach: Physik-Nachhilfe für Roboter.

TuneNet gibt Nachhilfe im Schnellverfahren

Die Nachhilfe soll der Roboter-KI nach dem Training in der Simulation die Physik der echten Welt näherbringen. Die “TuneNet” genannte KI schafft das in nur einem Durchgang: Dafür vergleicht sie Simulation und Realität und passt die Physik-Vorhersagen der Roboter-KI an die Physik der realen Welt an.

In einem Beispiel analysiert TuneNet die Physik eines fallenden Balles per Video. Dann vergleicht sie diese mit der Physik eines fallenden Balles in einer VR-Simulation, wie sie die Roboter-KI kennt. Anschließend modifiziert TuneNet die gelernte Physik des Roboters so, dass sie der realen Physik entspricht.

TuneNet lernt anhand eines Videos das physikalische Verhalten eines echten Balls und optimiert dazu passend die Physik-Vorhersagen eines Roboterarms, der nur in einer Simulation trainiert wurde. Bild: Allevato et al.

TuneNet lernt anhand eines Videos das physikalische Verhalten eines echten Balls und optimiert dazu passend die Physik-Vorhersagen eines Roboterarms, der nur in einer Simulation trainiert wurde. Bild: Allevato et al.

Die KI, die den Roboterarm steuert, nutzt ihre neuen Kenntnisse beim Roboter-Basketball: Der Roboterarm lässt die Bälle in der echten Welt über eine schräge Platte in einen Korb springen – und trifft in immerhin 87 Prozent der Fälle.

Für einen Einsatz in der Realität ist diese Fehlerquote natürlich noch zu hoch: Ein Pflegeroboter, der in 13 Prozent der Fälle seine Patienten neben das Bett setzt, wäre unzumutbar. Doch den Forschern gelingt es schon mit der ersten Version von TuneNet, die Realitätslücke ein wenig zu schließen.

Quelle: Arxiv

Weiterlesen über Künstliche Intelligenz:


MIXEDCAST #167: Varjo VR-2 Ersteindruck, Hololens 2teindruck und AR-Brillen-Schwemme | Alle Folgen


Links auf Online-Shops in Artikeln können sogenannte Affiliate-Links sein. Wenn ihr über diesen Link einkauft, erhält MIXED.de vom Anbieter eine Provision. Für euch verändert sich der Preis nicht.