Roboter packen’s an. Dank KI.

Lesedauer 2 Minuten

Die Fußball spielenden Roboter sind erneut Thema im aktuellen Datareport – Heft hier bestellen – dank der Erfolge, die das Roboterteam B-Human der Universität Bremen und des Deutschen Forschungszentrums für Künstliche Intelligenz beim RoboCup 2019 erzielt hat. Mit einem 19:0 verteidigten fünf Roboter ihren deutschen Titel und mit einem 2:1 eroberten sie sich zum siebten Mal den Fußball-Weltmeistertitel.

Deep Learning ist der Schlüssel

„Der RoboCup bringt Forschungsergebnisse in den Bereichen Robotik und Künstliche Intelligenz voran. Er gilt als anspruchsvolle Möglichkeit, um viele bereits entwickelte Robotik-Verfahren zu testen“, erklärt Tim Laue von der Universität Bremen in unserem Rückblick auf das Heft 4 / 2018. Darin stellten wir den Wettbewerb RoboCup vor, bei dem Studenten und Wissenschaftler ihre Roboter in den Wettkampf schicken. Es geht vor allem um die Verfeinerung von Algorithmen. „Für diese RoboCup-Saison wurden insbesondere die Bereiche Aktionsauswahl und Objekterkennung mittels Deep Learning bearbeitet“, so Laue weiter.

Wer einen Überblick über künstliche Intelligenz und Deep Learning haben will und verstehen will, wie KI  eine bestimmte Fähigkeit erlernt, schaut in dieses Video rein:

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

Nicht nur Laufen, sondern auch Greifen

Aber auch beim Greifen macht die Robotik enorme Fortschritte. Industrieroboter werden vielfach in Produktionsprozessen eingesetzt und sollen vor allem eins können: etwas greifen und an anderer Stelle ablegen. Nun haben Forscher der Princeton Universität in Zusammenarbeit mit Google einen Roboterarm entwickelt, der Objekte greift, in einen Behälter wirft und sein Wurfverhalten kontinuierlich verbessert. Dank Künstlicher Intelligenz (KI) kann der Roboter die Erfolge seiner Würfe auswerten. Und verbessern. Das Ganze funktioniert mittels Machine Learning. Je mehr Wiederholungen der Algorithmus durchlaufen kann, desto besser sind seine Anpassungen.

Zweites Beispiel: Forscher des Massachusetts Institute of Technology (MIT) trainierten einen Roboterarm auf das Spielen von „Jenga“. Das ist ein Geschicklichkeitsspiel mit 54 oder 60 Holzblöcken, die zu einem Turm gestapelt werden müssen. Dann entfernen Mitspieler einzelne Bausteine und setzen sie oben neu auf – der Turm darf dabei nicht einstürzen. Den Forschern zufolge gelang es, dem Roboter nach einigen hundert Versuchen im Durchschnitt 21 Bausteine aus solchen Türmen mit 18 Reihen zu entfernen und oben wieder hinaufzulegen, bevor der Turm umfiel. Allerdings ging es den Wissenschaftlern nicht um die Zahl der bewegten Steine, sondern um die Verbesserung der Greiffähigkeit durch Wiederholung.

(Text: Andrea Brücken)

Mehr Input

Header text

Header text

Service für alle, die jetzt zuhause arbeiten

Das aktuelle Heft als PDF zum Download

  • Chatbots und mehr: KI in der Verwaltung
  • Verwaltungsdigitalisierung: Was nun
  • Mensch-Maschine: Wie die Beziehung gelingt
Ja, ich will den Datareport lesen
close-link