Roboter und künstliche Intelligenz vereinen sich, um die Roboter Ihrer Fantasie zu verwirklichen

Die Menschen stellen sich Roboter vor, die in Science-Fiction-Filmen vorkommen und die Menschen bei verschiedenen Dingen unterstützen und sogar Gefühle entwickeln können. Heutzutage sind echte Roboter in verschiedenen Produktions- und Lebensszenarien aktiv, beispielsweise in Form von Roboterarmen oder anderen Formen, und werden zur Bewältigung verschiedener beruflicher Situationen eingesetzt. So nutzen beispielsweise viele Familien bereits Kehrroboter, auch wenn die Menschen diese nicht als echte „Roboter“ betrachten. Um Roboter wirklich intelligent zu machen, wird die Technologie der künstlichen Intelligenz mit der Robotertechnologie kombiniert. Natürlich gibt es noch viele Herausforderungen.

Geschrieben von Zhao Shan und Lin Zeling

In den letzten Jahren haben Roboter mit dem Aufkommen neuer Technologien wie künstlicher Intelligenz, dem Internet der Dinge, selbstfahrenden Autos und intelligenten Transportmitteln allmählich in verschiedenen Formen Einzug in den Alltag der Menschen gehalten, und es sind immer mehr verschiedene Haushalts- und Serviceroboter auf den Markt gekommen. Haushaltskehrroboter hielten aufgrund ihrer moderaten Preise als erste Einzug in Tausende von Haushalten. Kehrroboter für den Haushalt verfügen über eine gewisse Intelligenz und können Reinigungsaufgaben wie Staubsaugen und Wischen des Bodens im Raum automatisch erledigen. Bei den Olympischen Winterspielen 2022 sorgte der vollintelligente Koch- und Essenslieferdienst durch Roboter im Medienrestaurant für Furore. Emotionale Roboter sind ein neuer Robotertyp, der in den letzten Jahren entstanden ist. Mithilfe algorithmischer Technologie werden Roboter mit „menschlichen Emotionen“ ausgestattet, sodass sie Freude, Trauer und Wut ausdrücken, erkennen und verstehen sowie menschliche Emotionen nachahmen, erweitern und ausbauen können. Sie können Kinder und ältere Menschen begleiten. Zu den bekanntesten gehören der Roboterhund Aibo von Sony und der Roboter Pepper der SoftBank Group.

Ein moderner Roboter ist ein komplexes System, das aus verschiedenen Hightech-Subsystemen besteht, darunter im Allgemeinen ein Prozessor, ein Sensor, ein Controller, ein Aktuator und verschiedene Funktionsbausätze (Effektoren), die im Allgemeinen am Ende des Roboterarms (Arm) installiert sind. Das Robotersystem ist komplex und weist interdisziplinäre technische Besonderheiten auf. Es besteht hauptsächlich aus zwei Teilen: Software und Hardware und deckt im Wesentlichen wichtige technische Ingenieurkategorien wie Mechanik, Elektronik, Steuerung, Herstellung und Verarbeitung ab. In jüngster Zeit hat sich die Robotertechnologie auch auf den Bereich der künstlichen Intelligenz ausgeweitet. Sie ist in der Lage, natürlicher mit Menschen zu kommunizieren, sich flexibler zu bewegen und über immer vielfältigere Funktionen zu verfügen. Sie ist sogar mit neuen Bereichen wie der Biotechnologie und den Neurowissenschaften verknüpft.

In den letzten zehn Jahren wurden fünf Technologien im Bereich der Robotik vom MIT Technology Review zu den „Top 10 Breakthrough Technologies in the World“ gewählt.

Der von Rethink Robotics entwickelte Baxter Blue-Collar Robot, im akademischen Fachjargon auch als kollaborativer Roboter bekannt, ist sicher, günstig, einfach zu programmieren und interaktiv. Es kann mit Menschen an Fertigungsstraßen zusammenarbeiten, um Aufgaben zu erledigen, und ist ein guter Helfer für den Menschen. Sein Aufkommen bedeutet auch, dass viele Engpässe in der Entwicklung der traditionellen Industrierobotertechnologie überwunden wurden.

Um die Sicherheit der Arbeiter zu gewährleisten, verfügten die ersten kollaborativen Roboter nicht über eine interne Stromquelle und wurden im Allgemeinen von menschlichen Arbeitern angetrieben. Seine Funktion besteht darin, computergesteuerte Bewegungen zu ermöglichen, indem die Nutzlast in Zusammenarbeit mit der Besatzung umgeleitet oder gelenkt wird. Die weiterentwickelten kollaborativen Roboter verfügen über eine begrenzte Leistung und verfügen über mehrere Sensoren, um den Status der Roboter und des kooperierenden Personals zu überwachen und so die Sicherheit des Personals zu gewährleisten. Obwohl es derzeit noch viele Herausforderungen gibt, um die Ziele einer hervorragenden Vielseitigkeit, Mensch-Maschine-Freundlichkeit und erschwinglicher Preise zu erreichen, streben kollaborative Roboter danach, die anfängliche Servicebeziehung zwischen Mensch und Roboter in eine Partnerschaft umzuwandeln und damit ein neues Kapitel in der Roboterforschung aufzuschlagen. Auch diese Studien haben sich allmählich von der anfänglichen bloßen Überlagerung von Anwendungsfunktionen hin zu Veränderungen der Arbeitsbeziehungen und -strukturen weiterentwickelt. Durch die Teamarbeit zwischen Menschen und Robotern kann die Arbeitseffizienz im Vergleich zur Einzelarbeit von Menschen oder Robotern erheblich gesteigert werden.

Auf unebenen und unbekannten Oberflächen kann der Roboter relativ schnell laufen. Foto von Webb Chappell

Am Beispiel von Baxter ist das Symbol der kollaborativen Robotertechnologie ein flexibler Roboterarm mit mehreren Sensoren wie Kameras, Sonar, Kraftrückkopplung, Kollisionserkennung usw., der die Interaktion zwischen Mensch und Roboter sicherer macht. Durch die praktische Demonstration und Einweisung des Bedieners wird die Schwelle zur Aufgabenprogrammierung gesenkt, sodass sich Roboter schneller und einfacher an neue Aufgaben anpassen können. Es eignet sich sehr gut für die Kleinserienproduktion und die immer kürzer werdenden Produktproduktionszyklen kleiner und mittlerer Unternehmen. Sie sind außerdem kleiner und können normalerweise neben einer Werkbank aufgestellt werden, um Arbeiter bei der Erledigung sich stark wiederholender Aufgaben wie Kommissionieren, Platzieren, Verpacken, Kleben, Schweißen usw. zu unterstützen. Schließlich sind kollaborative Roboter auch günstiger als herkömmliche Industrieroboter.

Kollaborative Roboter stellen den neusten Entwicklungstrend in der Robotertechnologie dar und repräsentieren die Weiterentwicklung der Beziehung zwischen Mensch und Roboter, vom Werkzeug zum echten Assistenten. Auch der Markt für kollaborative Roboter war in den letzten Jahren äußerst vielversprechend. Nach Angaben der International Federation of Robotics (IFR) beliefen sich die weltweiten Verkäufe von Industrierobotern im Jahr 2016 auf 294.000 Einheiten, und der weltweite Bestand an Industrierobotern betrug 1,828 Millionen Einheiten. Berkeley Capital prognostiziert, dass der globale Markt für kollaborative Roboter von 116 Millionen US-Dollar im Jahr 2015 auf 11,5 Milliarden US-Dollar im Jahr 2025 wachsen wird. Sie werden hauptsächlich in der Kommissionierung, Verpackung, Montage von Teilen an Fließbändern, Materialvorbereitung, Bedienung anderer Maschinen usw. eingesetzt. Man geht davon aus, dass sie in der kleinen und mittleren Fertigung, in der Medizin, bei elektronischen Bauteilen und in anderen Bereichen breite Anwendung finden werden.

Der Markt für kollaborative Roboter befindet sich in einer Phase schnellen Wachstums und innerhalb von 10 Jahren wird die Marktgröße die oben genannte Schätzung bei weitem übertreffen. Dies liegt daran, dass kollaborative Roboter nicht nur im industriellen Bereich eingesetzt werden können, sondern dass die größere Wachstumsdynamik auch aus dem nicht-industriellen bzw. kommerziellen Bereich kommt, auch wenn Roboterarme in Verbraucherqualität und mit praktischem Nutzen kurzfristig noch nicht realistisch sind. In naher Zukunft werden die Umsätze im nicht-industriellen Bereich enorm wachsen.

Die Logistiklagerhaltung und die medizinische Versorgung sind zwei Bereiche, in denen derzeit am meisten geforscht und produziert wird. Im Kommissionierprozess im Bereich Lager und Logistik gibt es derzeit vor allem zwei Lösungsansätze. Eine davon ist „Ware zum Menschen“, repräsentiert durch Amazons Kiva-Roboter und die intelligente Lagertechnologie von Ocado in Großbritannien; Die andere Möglichkeit besteht darin, mobile Roboter und Roboterarme einzusetzen, die Arbeiter ersetzen und das Sortieren der festen Regale übernehmen. Dies ist auch der Hauptinhalt der Robot Sorting Challenge (Amazon Picking Challenge) von Amazon. Einige Teams haben bereits die Lichtroboter der LRMate200-Serie von FANUC mit 3D-Vision-Systemen zum Sortieren von Regalen eingesetzt. Sowohl E-Commerce als auch intelligente Lagerlogistik sind Märkte mit großem Potenzial. Ein weiteres Thema sind Roboter für die medizinische Rehabilitation und Prothesenroboter. Da kollaborative Roboter relativ sicher sind und ihre Roboterarme die Flexibilität menschlicher Arme nachahmen können, eignen sie sich sehr gut für den Einsatz in diesen Fällen. Darüber hinaus sind Anwendungen wie Roboter, die kochen, als Reiseführer oder als Kellner in Restaurants arbeiten, sehr vielversprechend und bieten uns mehr Möglichkeiten für Roboter, in das Leben der normalen Menschen einzutreten.

Allerdings sind bei der Entwicklung kollaborativer Robotertechnologie auch Probleme aufgetreten: Unterschiedliche Hardware erfordert eine unabhängige Programmierung und Forschung und Entwicklung sind zeit- und arbeitsintensiv, was zu hohen Kosten führt. Industrieroboter werden hauptsächlich in der Fertigung und Produktion eingesetzt. Sie erfüllen ihre jeweiligen Aufgaben am Fließband und können die an den jeweiligen Arbeitsplätzen anfallenden Aufgaben präzise erledigen. Nach diesem Modell der Roboterentwicklung muss für unterschiedliche Roboter unabhängige Hardware entwickelt werden und entsprechende Steuerungssoftware muss verwendet werden, um spezifische und präzise Anweisungen zur Erfüllung bestimmter Aufgaben zu geben. Beispielsweise sind die spezifischen Implementierungsmethoden eines humanoiden Handroboters mit mehreren Freiheitsgraden und mehreren Gelenken am Ende, der eine Tasse aufhebt, und eines Greifroboterarms mit nur zwei „Fingern“ am Ende, der dieselbe Tasse aufhebt, definitiv sehr unterschiedlich.

Wenn verschiedene Roboter die erlernten Fähigkeiten teilen können, kann dies die sich wiederholende Entwicklungsarbeit erheblich reduzieren und die Anwendung von Robotern schnell fördern. Die neue Technologie des Wissensaustauschs zwischen Robotern ist einer der größten technologischen Durchbrüche zur Lösung dieses Problems und kann dazu führen, dass verschiedene Techniken oder Fertigkeiten bei Robotern schneller populär werden.

Seit die Technologie zum Austausch von Fähigkeiten zwischen Robotern vorgeschlagen wurde, war diese Technologie stets ein heißes Thema in der Robotertechnologie, was zu vielen erweiterten Technologien und vielen neuen integrierten Entwicklungen in Bereichen wie der künstlichen Intelligenz geführt hat. Im Jahr 2016 wurde Sergey Levine vom MIT Technology Review zu einem der „35 Tech-Innovatoren unter 35“ ernannt. Nachdem er seine Lehrtätigkeit an der Universität aufgegeben hatte, ging er zu Google, um seine Forschung fortzusetzen, und veröffentlichte im selben Jahr eine Arbeit mit dem Titel „Learning Hand-Eye Coordination for Robotic Grasping with Deep Learning and Large-Scale Data Collection“.

Sergey Levin hat herausgefunden, dass durch den Einsatz von sechs Roboterarmen zum Üben des Greifens unterschiedlicher Objekte über einen langen Zeitraum und die gemeinsame Nutzung der verschiedenen Parameter des neuronalen Netzwerks, das die Hand-Auge-Koordination während des Greifvorgangs steuert, die Größe der Trainingsdatenbank maximiert und die Effizienz des Trainings und der Fehlerbehebung des neuronalen Netzwerks verbessert werden kann. Das Highlight dieser erweiterten Technologie ist die Kombination aus künstlicher Intelligenz mit tiefem Lernen und der Hardwaresteuerung von Robotern, die in Zukunft eine vielversprechende Spitzentechnologie im Bereich der Robotik sein wird.

Im Mai 2017 veröffentlichte Professor Julie Shah vom Computer Science and Artificial Intelligence Laboratory des MIT die CLEARN-Technologie. Diese neue Technologie kombiniert traditionelle Roboterdemonstrationslehre und Bewegungsplanungsprogrammiertechnologie. Indem dem Roboter grundlegende Dateninformationen zum Greifen einer Reihe typischer Objekte bereitgestellt werden, kann der Roboter durch nur eine Demonstrationsübung automatisch die Fähigkeit erlernen, eine Reihe unterschiedlicher Objekte zu greifen. Noch wichtiger ist, dass diese Fähigkeiten automatisch auf andere Roboter übertragen werden können, die nicht über dieselben Bewegungsabläufe und dieselbe mechanische Struktur wie der ursprüngliche Roboter verfügen müssen.

Um die CLEARN-Technologie zu nutzen, versorgen Benutzer den Roboter zunächst mit einer Wissensbasis mit Informationen darüber, wie er verschiedene Objekte mit unterschiedlichen Einschränkungen greifen kann. Reifen und Lenkräder haben beispielsweise ähnliche Formen, aber um sie an einem Auto anzubringen, muss der Roboter seinen Arm und den Werkzeugsatz am Ende anders konfigurieren, um sie besser bewegen zu können. Anschließend demonstriert der Bediener dem Roboter über die 3D-Schnittstelle die Ausführung einer bestimmten Aufgabe. Diese Demonstration besteht aus einer Reihe zusammenhängender Momente, den sogenannten „Key Frames“. Durch Abgleichen dieser Keyframes mit verschiedenen Situationen in der Wissensdatenbank kann der Roboter automatisch Bewegungsroutenpläne bereitstellen, die vom Bediener nach Bedarf bearbeitet werden können. Mithilfe dieser Technologie konnte der zweiarmige militärische Bombenentschärfungsroboter Optimus die erlernten Fähigkeiten, darunter das Öffnen von Türen und das Bewegen von Objekten, erfolgreich einem anderen, etwa 1,8 m großen und etwa 181,4 kg schweren humanoiden Roboter namens Atlas beibringen.

Die CLEARN-Technologie löst effektiv die Probleme des herkömmlichen Roboterdemonstrationsunterrichts, der wenig effizient und zeitaufwändig ist und eine unabhängige Entwicklung der Programmierung erfordert, und ermöglicht es Menschen, Robotern bequemer und schneller neue Fähigkeiten beizubringen. Es ist denkbar, dass sich die Funktionen der Roboter schnell erweitern, sie sich schnell an mehr Aufgaben anpassen und in mehr Bereichen eingesetzt werden können, wenn diese Art von Technologie, die es Robotern ermöglicht, schneller neue Fähigkeiten zu erlernen, auf die oben erwähnten kollaborativen Roboter angewendet wird.

Mit Unterstützung durch Hydraulikkraft und mehrere Sensoren kann der Bigdog-Roboter von Boston Dynamics auf schwierigem Gelände stabil bleiben. Bildquelle: Boston Dynamics.

Die kollaborativen Roboter, die derzeit eine wichtige Position auf dem Markt einnehmen, haben kein menschliches Aussehen, sondern ähneln eher Roboterarmen. Ihr Hauptzweck besteht darin, die Arbeitsbelastung des Menschen zu verringern und wiederkehrende Arbeiten unter rauen Umgebungsbedingungen auszuführen. Humanoide Ganzkörperroboter auf menschlicher Basis sind ein hochmodernes Gebiet der Robotikforschung und ein wichtiges Ziel der Robotertechnologie und der künstlichen Intelligenz. Agile Roboter, die auf ihren Füßen gehen können, stellen einen großen Durchbruch in der Robotermobilitätstechnologie dar. Sie ermöglichen es Robotern, sich endlich von den Beschränkungen des Geländes und der Umgebung zu lösen und überall dorthin zu gelangen, wo Menschen hingehen können.

Der Marktführer dieser Technologie ist Boston Dynamics. Die von Boston Dynamics entwickelten zwei- und vierbeinigen Roboter verfügen über ein ausgezeichnetes Gleichgewicht und eine hervorragende Geschicklichkeit. Sie können auf unebenem und komplexem Gelände laufen und an Orte auf der Welt gelangen, die für die meisten Roboter auf Rädern unzugänglich sind. Um das Ziel des Gehens zu erreichen, muss der Roboter bei jedem Schritt ein dynamisches Gleichgewicht halten und über eine starke Anpassungsfähigkeit an momentane Instabilität verfügen. Hierzu gehört die Notwendigkeit, den Landepunkt des Fußes schnell anzupassen, die für eine plötzliche Drehung erforderliche Kraft zu berechnen und, was noch wichtiger ist, in sehr kurzer Zeit eine sehr große und präzise Kraft auf den Fuß auszuüben, um die Gesamthaltung des Roboters zu kontrollieren. Dies erfordert extrem hochentwickelte „schwarze Technologie“ in mehreren Dimensionen wie Kontrolltheorie, Systemintegration und technischer Umsetzung.

Der Roboter BigDog von Boston Dynamics läuft. Bild mit freundlicher Genehmigung von Boston Dynamics.

Die neueste Version von Boston Dynamics Research, Atlas, kann im Freien und in Gebäuden verwendet werden und ist speziell für mobile Anwendungen konzipiert. Es wird über das Stromnetz betrieben und hydraulisch betätigt. Mithilfe von Sensoren in seinem Körper und seinen Beinen balanciert es die Lidar- und Stereosensoren in seinem Kopf, um Hindernissen auszuweichen, das Gelände einzuschätzen, bei der Navigation zu helfen und Objekte zu manipulieren. Im neuesten von Boston Dynamics im Jahr 2021 veröffentlichten Video ist Atlas kleiner und flexibler als zuvor, mit einer Größe von 1,75 m und einem auf 82 kg reduzierten Gewicht. Atlas demonstrierte erstaunliche Parkour-Fähigkeiten, indem er auf einem schmalen Schwebebalken lief, über Hindernisse sprang und aus großer Höhe Saltos machte. Diese herausragenden Leistungen sind dank der weltweit führenden Steuerungstheorie, des Systemdesigns und der technischen Fähigkeiten von Boston Dynamics möglich. Ein wichtiger Unterschied zwischen Atlas und den Robotern anderer Unternehmen ist die Verwendung eines Hydrauliksystems zur Bewegungssteuerung, das eine höhere sofortige Steuerleistung und eine präzisere Kraftübertragung gewährleisten kann. Der Atlas-Roboter profitiert außerdem vom „bionischen“ Gesamtkonzept des integrierten Strukturdesigns. Bionische Roboter verfügen wie echte Menschen nicht nur über Stützstrukturen und Zylinder wie Knochen und Gelenke, sondern auch über Ölkreisläufe und Stromkreise wie Blutgefäße und Nerven.

Am auffälligsten ist, dass Atlas über seine Agilität hinaus menschlicher geworden ist als bei seiner Erstvorstellung im Jahr 2016. Bei früheren Vorführungen war er im Wesentlichen blind und benötigte eine Korrektur der Umgebung, damit er erfolgreiche Bewegungen ausführen konnte. Im aktuellen Video verlässt es sich bei der Navigation jedoch stärker auf seine eigene Wahrnehmung und passt seine Bewegungen an das an, was es sieht. Dies bedeutet, dass er weniger auf voreingestellte Programmierung angewiesen ist als zuvor und dass die Ingenieure nicht für jede Situation, in die der Roboter geraten könnte, Sprungbewegungen vorprogrammieren müssen.

Ein weiteres Problem bei der bisherigen Popularisierung von Robotern war ihre geringe Flexibilität. Während Roboter in kontrollierten Umgebungen gute Leistungen erbringen, versagen sie in unkontrollierten Umgebungen. Roboter können beispielsweise in Fabriken und Lagerhallen problemlos Tätigkeiten ausführen, die für Menschen nicht ohne weiteres möglich sind, wie etwa das präzise Zuschneiden von Geräten auf Millimetergröße. Ohne umfassende Schulung können sie jedoch nicht einfach eine Tür wie ein Mensch öffnen. Doch wie Atlas zeigt, macht die Roboter-Geschicklichkeit mit Hilfe künstlicher Intelligenz enorme Fortschritte. Eine der wichtigsten Techniken, die Robotiker zur Verbesserung der Geschicklichkeit von Robotern verwenden, ist das bestärkende Lernen. Durch bestärkendes Lernen lernt der Roboter mit der Zeit, verschiedene Techniken zum Umgang mit Objekten anzuwenden und die beste auszuwählen. Der Roboter kann dann für alle möglichen Aufgaben unter allen Bedingungen eingesetzt werden und seine Flexibilität wird erhöht.

Mit der zunehmenden Flexibilität der Robotertechnologie werden Roboter ein breiteres Anwendungsspektrum haben und eine wichtige Rolle bei Aufgaben im Zusammenhang mit Militär, Abfallentsorgung, Logistik und Lieferung, Transport usw. spielen. Ich glaube, es wird nicht mehr lange dauern, bis Roboter aus Science-Fiction-Filmen von der Leinwand ins wirkliche Leben gelangen.

Akademische Rezensionen

Intelligente Roboter gestalten die Produktivität der Zukunft neu

Geschrieben von Xu Huazhe (Assistenzprofessor, Institut für Interdisziplinäre Informationswissenschaften, Tsinghua-Universität)

Ob es sich um einen humanoiden Roboter handelt, der ein Tablett hält und Ihnen höflich eine Tasse Kaffee reicht, oder um ein Stahlungetüm mit einem Glitzern in den Augen, das versucht, die Menschheit zu vernichten – die Vorstellungskraft der Menschen in Bezug auf Roboter ist immer grenzenlos. „Roboter“ ist ein altes und doch neuartiges Wort: Schon 1921 nannte ein tschechischer Dramatiker die mechanischen Menschen am Fließband in seinem Drehbuch „Roboter“; Bereits 1941 wurde das Wort „Robotik“ erstmals im Roman „Runaround“ des Science-Fiction-Autors Asimov erwähnt. Von der Science-Fiction zur Wissenschaft hat die Robotik einen langen Entwicklungsprozess durchlaufen. Heute ermöglichen Wissenschaftler diesen „eisernen Kerlen“ nach und nach, mit ihren „Armen“ Gegenstände zu manipulieren, wie Hunde zu „rennen“ und sogar wie Menschen „auf zwei Beinen zu gehen“. Im Jahr 2022, wenn die künstliche Intelligenz allmählich ausgereifter wird, beginnen auch die Robotikforschung und verwandte Branchen neue Vitalität zu zeigen.

Künstliche Intelligenz, insbesondere Deep-Learning-Technologie, ist für viele Menschen nichts Neues: Gesichtszahlungen auf Mobiltelefonen, Filter in Selfies und Empfehlungssysteme für Online-Werbung basieren alle auf Deep Learning, d. h. dem Erlernen von Mustern aus Daten und sogar der Generierung von Daten. Aus der Forschungsperspektive der Wissenschaftler für künstliche Intelligenz besteht der nächste natürliche Schritt darin, intelligente „Hände“ und „Füße“ zu installieren, da wir bereits Kameras als „Augen“ und Sprachverarbeitungstechnologie als „Mund“ haben. Für Robotikforscher ist die Frage, wie man elektronische mechanische Geräte, die bereits laufen und springen können, mit einem „Gehirn“ ausstatten kann, in letzter Zeit zu einem heißen Thema geworden.

Daher ist die Integration von künstlicher Intelligenz und Robotern zu einem unvermeidlichen Trend geworden: Roboter mit künstlicher Intelligenz können nicht nur bestimmte Aktionen wie herkömmliche Roboter ausführen, sondern auch Wahrnehmung und Veränderungen in der Umgebung kombinieren, durch Modelle verallgemeinern und so allgemeine Ziele erreichen. Diese „leistungsstarke Kombination“ lässt den futuristischsten Vorstellungsraum entstehen: Roboter können eine Reihe komplexer Aufgaben im unstrukturierten Raum erledigen – dem Raum, in dem Menschen wirklich leben, und sich dabei ausschließlich auf Sensorinformationen verlassen. Können Sie sich beispielsweise vorstellen, dass während des Frühlingsfestes das gesamte Silvesteressen von einem Roboter für Sie zubereitet wird?

Natürlich sind die heutigen Roboter mit künstlicher Intelligenz noch weit von den Lebewesen auf Siliziumbasis entfernt, die wir uns als so intelligent vorstellen. Dennoch hat das Streben der Menschheit nach intelligenteren und leistungsfähigeren Robotern nie aufgehört. Im Jahr 2019 wurde „Robot Dexterity“ vom MIT Technology Review zu einer der „Top Ten Breakthrough Technologies in the World“ gewählt. In der zugehörigen Arbeit wurde auf die Roboterforschung hingewiesen, die in diesem Jahr für Aufsehen sorgte – das Projekt „Robot Dexterity Dactyl“. Forscher bei OpenAI verwendeten Deep Reinforcement Learning, um der Roboterhand zu ermöglichen, die Strategie zum Lösen des Zauberwürfels anhand einer großen Menge randomisierter Simulatordaten autonom zu erlernen, und wandten diese Strategie auf eine echte, mechanische, geschickte Hand an. Das Projekt hat große Auswirkungen, weil Roboter erstens durch „verstärkendes Lernen“ lernen können, Aufgaben ohne explizite menschliche Anweisungen zu erledigen, was ein Indikator für eine höhere Intelligenz ist. Zweitens wird die Migration von einer Simulationsumgebung zu einem echten Roboterarm ermöglicht, sodass wir einen klaren und gangbaren Weg von der Perfektionierung der Simulation und Verbesserung der Algorithmen bis hin zum Einsatz in der realen Welt erkennen können.

Zufällig verwendeten Robotikexperten der ETH Zürich und von Intel einen ähnlichen Ansatz, um Roboterhunde durch tiefes bestärkendes Lernen in einer Simulationsumgebung zu trainieren. Die durch das Training erworbenen Strategien wurden schließlich beim Roboterhund ANYmal angewendet, sodass er auf unterschiedlichen und komplexen Oberflächen laufen konnte, selbst auf solchen, mit denen er noch nie zuvor in Berührung gekommen war. Bisher war für dieses Problem von Robotikwissenschaftlern und -ingenieuren oft ein hoher manueller Optimierungs- und Integrationsaufwand für unterschiedliche Terrains erforderlich. Der Hauptgrund für das Erreichen dieses weltweit anerkannten Ergebnisses liegt darin, dass der Roboter mit künstlicher Intelligenz bereits eine Vielzahl komplexerer und anspruchsvollerer Straßen in der Simulationsumgebung gesehen hat und daher problemlos in der Realität angewendet werden kann.

Die Kombination aus Robotern und künstlicher Intelligenz ist natürlich weit mehr als die beiden oben genannten Beispiele. Wissenschaftler bei Google haben einem Roboter (TossingBot) beigebracht, Objekte zu werfen, indem er seine Arme mit hoher Geschwindigkeit bewegt. Forscher der University of California in San Diego versuchten, einem Roboter (DexMV) anhand von Videos das Erlernen von Handbewegungen beizubringen. Forscher der Stanford University und des MIT (das Team, zu dem ich gehöre) versuchten, einem Roboter (RoboCraft) beizubringen, flexible Objekte zu manipulieren und sogar Knödel herzustellen. Heutige Algorithmen der künstlichen Intelligenz helfen Robotern dabei, mehrstufige, unregelmäßige Aufgaben zu erledigen, die früher nur Menschen möglich waren. Roboter sind nicht mehr nur mechanische Arme, die an einem Fließband nur eine einzige festgelegte Aktion ausführen können. Dadurch verschwimmen nicht nur die Grenzen zwischen künstlicher Intelligenz und Robotern, sondern auch die Produktivität wird weiter gesteigert und der Mensch wird von risikoreichen, repetitiven Arbeiten befreit.

Natürlich ist es immer noch eine große Herausforderung, Roboter zu entwickeln, die intelligent genug sind. Auf algorithmischer Ebene basieren zahlreiche auf Deep Learning basierende Technologien auf der Anpassungsfähigkeit neuronaler Netzwerke. Forscher und Entwickler mit einiger Erfahrung im Bereich neuronaler Netzwerke haben jedoch die „Unzuverlässigkeit“ neuronaler Netzwerke erlebt: Es ist für neuronale Netzwerke äußerst schwierig, eine Genauigkeit von 100 % zu erreichen. Wenn das neuronale Netzwerk in Anwendungsszenarien wie dem intelligenten Entsperren „einen Fehler macht“, kann dies lediglich dazu führen, dass der Benutzer das Telefon nicht entsperren kann und mehrere Versuche erforderlich sind. Bei Roboteranwendungen besteht jedoch eine hohe Wahrscheinlichkeit, dass Leben und Eigentum von Menschen gefährdet werden. Gleichzeitig ist es auch sehr schwierig, Roboter mit Extremfällen umgehen zu lassen, die sie noch nie zuvor gesehen haben, denn wenn der Roboter solche Szenarien nicht im Trainingsdatensatz oder Simulator erlebt hat, wird er in der realen Welt häufig falsche Urteile treffen. Auf der Hardwareebene sind hochpräzise Roboter mit großer Nutzlast oft teuer und zerbrechlich. Wie sich die Kosten für Roboterhardware effektiv senken und sie für Tausende von Haushalten zugänglich machen lassen, ist ebenfalls ein wichtiges Thema, mit dem sich die Mehrheit der Roboterforscher und -unternehmer auseinandersetzen muss.

Darüber hinaus ist mit der Entwicklung von Robotern mit künstlicher Intelligenz die Roboterethik allmählich in das Blickfeld der Menschen gerückt. Asimov stellte bereits in seinen Science-Fiction-Romanen die „Drei Gesetze der Robotik“ auf: „Erstens darf ein Roboter keinen Menschen verletzen oder in Gefahr bringen. Zweitens muss ein Roboter den ihm von Menschen erteilten Befehlen Folge leisten, es sei denn, diese Befehle stehen im Widerspruch zum Ersten Gesetz. Drittens darf ein Roboter seine eigene Existenz aufrechterhalten, solange diese Befehle nicht im Widerspruch zum Ersten oder Zweiten Gesetz stehen.“ Wir spüren, dass die Menschen gegenüber Robotern immer wieder verschiedene Bedenken haben. Obwohl wir noch weit davon entfernt sind, dass Roboter „erwachen“, sollten die Menschen dennoch über viele ethische Fragen nachdenken. Wird ein Roboter beispielsweise bei der Kommunikation mit einem Menschen aufgrund bestimmter angeborener Eindrücke die falschen Personalpronomen verwenden? Werden viele Roboter menschliche Arbeitsplätze übernehmen? Jede technologische Explosion geht mit entsprechenden sozialen und ethischen Fragen einher, über die wir auf dem Weg zur Integration der Technologie in das menschliche Leben ebenfalls nachdenken und die wir lösen müssen.

Auf welche Art von Technologie haben wir Zugriff? Welche Art von Robotern können wir erschaffen? Wie wird sich das Leben der Menschen durch die Existenz dieser Roboter verändern? Der Mensch verlässt sich auf seine Neugier, um unbekannte Grenzen zu erkunden und seiner imaginären Zukunft Schritt für Schritt näher zu kommen. In China gibt es bereits Kehrroboter in Privathaushalten, Serviceroboter in Restaurants, autonom fahrende Fahrzeuge (die auch als Transportroboter auf Rädern betrachtet werden können) und Allzweck-Roboterarme in Fabriken. In absehbarer Zukunft werden diese Roboter mit intelligenteren „Gehirnen“ und geeigneteren „Körpern“ ausgestattet sein, um schwierigere Aufgaben zu erledigen. Unter menschlicher Forschung und vernünftigen Einschränkungen werden Roboter das Leben der Menschen einfacher und komfortabler machen!

Dieser Artikel darf aus „Top of Science and Technology: Global Breakthrough Technological Innovation and Future Trends“ (People's Posts and Telecommunications Press, Januar 2023) entnommen werden.

Besondere Tipps

1. Gehen Sie zur „Featured Column“ unten im Menü des öffentlichen WeChat-Kontos „Fanpu“, um eine Reihe populärwissenschaftlicher Artikel zu verschiedenen Themen zu lesen.

2. „Fanpu“ bietet die Funktion, Artikel nach Monat zu suchen. Folgen Sie dem offiziellen Account und antworten Sie mit der vierstelligen Jahreszahl + Monat, also etwa „1903“, um den Artikelindex für März 2019 zu erhalten, usw.

Copyright-Erklärung: Einzelpersonen können diesen Artikel gerne weiterleiten, es ist jedoch keinem Medium und keiner Organisation gestattet, ihn ohne Genehmigung nachzudrucken oder Auszüge daraus zu verwenden. Für eine Nachdruckgenehmigung wenden Sie sich bitte an den Backstage-Bereich des öffentlichen WeChat-Kontos „Fanpu“.