Simulation lehrt Roboterhand Fingerfertigkeit

Drehen, aber wie drehen, das ist hier die Frage.

Bild: openai.com

Das von Elon Musk mitgegründete KI-Labor OpenAI hat gezeigt, dass eine Roboterhand ausschließlich mithilfe von Simulationen eine gewisse Fingerfertigkeit erlernen kann. Dazu übt das System namens "Dactyl" quasi ein Jahrhundert in der virtuellen Welt, um das dort Gelernte dann auf die Realität zu übertragen. So kann die Hand dann relativ geschickt mit einem Würfel hantieren. An menschliche Fingerfertigkeit kommt sie zwar noch nicht heran, doch die Lernmethode ist vielversprechend.

Greifen begreifen

Für Menschen scheint es ganz natürlich, verschiedene Dinge vom Apfel bs zur Kaffeetasse zu greifen und damit sinnvoll umzugehen. Für Roboter dagegen ist menschenähnliches Greifen eine sehr komplexe Aufgabe. Heutige kommerzielle Roboterarme sind daher meist nur für ganz bestimmte Aufgaben programmiert, beispielsweise bestimmte Handgriffe an einem Fließband in einer Autofabrik. Das System von OpenAI zeigt, wie Roboterhände in Zukunft vielseitiger werden könnten, indem sie sich selbst neue Tricks beibringen.

Dactyl ist ein System, das dazu praktisch virtuell durch Versuch und Irrtum lernt. Im Experiment bestand die Aufgabe darin, einen Würfel mit einer bestimmten Seite nach oben zu drehen. In einer realen Stunde häuft Dactyl dabei mithilfe von Methoden des Tiefenlernens und randomisierten Bedingungen in der virtuellen Welt rund zwei Jahre simulierte Erfahrung an. In dieser Zeit hat die KI ganz von selbst gelernt, Finger und Hand auf sehr menschenähnliche Art zu bewegen, um ihr Ziel ihr erreichen.

Unvergleichlich geschickt

Das System hat dann eine echte "Dextrous Hand" der Shadow Robot Company http://shadowrobot.com gesteuert, die einen echten Würfel drehen musste. Dabei habe es dem Team zufolge ein "noch nie dagewesenen Grad an Geschicklichkeit einer physischen Hand mit fünf Fingern" gezeigt. Allerdings bleibt noch viel Luft nach oben. Das System konnte nach hundert Jahren virtuellem Training nur 13 von 50 Mal den realen Würfel korrekt ausrichten. Ein Kleinkind lernt im Vergleich dazu immer noch viel besser und schneller.

So weit selbstlernende Roboterhände mit menschenänlichem Geschick also letztlich noch entfernt scheinen, das Experiment erscheint dennoch als ein Meilenstein. "Unsere Ergebnisse zeigen, dass entgegen verbreiteter Annahme heutige tiefe Randomized-Learning-Algorithmen genutzt werden können, um komplexe reale Robotik-Aufgaben zu lösen, die für nicht lernbasierte Zugänge außer Reichweite sind", schreiben die Forscher abschließend.

Quelle: www.pressetext.com/Thomas Pichler