Lernen durch Verstärkung - Roboter lernen das Laufen

Der kleine Krabbelroboter stakst unsicher durch das Labor . Seine ersten Regungen sind pummelig und ungelenk. Nach dem Prinzip „Reinforcement Learning“ soll das Kerlchen nun laufen lernen. Wie ein kleines Kind probiert es aus. Und durch Versuch und Irrtum optimiert es erfolgreich seinen Gang. Die Bewegungen werden schnell eleganter und definierter, das kleine Ding wird trittsicher. Nur dass der Knirps nicht aus Fleisch und Blut ist, sondern Metallärmchen und Gummikappen an den schlaksigen Beinen hat.

Sie heißen „Krabbler“ und „Spinne“, die Roboter-Entwicklungen von Prof. Ertel am Institut für Künstliche Intelligenz an der Hochschule Ravensburg-Weingarten. Sie funktionieren nach dem Prinzip des Ausprobierens, optimieren ihr Verhalten Schritt für Schritt derart, dass sie selbst schwer fassbare Verhaltensmuster lernen. Der kleine Krabbler lernt sein Bewegungsmuster in etwa 20 Sekunden, die Spinne mit den vier Armen und acht Gelenken benötigt dafür fünf bis zehn Minuten. Solche lernfähigen Roboter können sogar lernen, ein Servicetablett zu balancieren, ohne dass das Geschirr darauf herunterfällt, was nach herkömmlichen Programmiermethoden eine äußerst schwierige Aufgabe wäre. In Zukunft müssen Computer nicht mehr nur riesige Zahlenmengen verarbeiten, sondern sie sollen den Menschen auch im Alltag helfen. Die Aufgabenstellung der Künstlichen Intelligenz ist es vielmehr, Müll zu sortieren, die Wäsche zu bügeln oder mal eben das schwarze Kabel aus der Ecke dort drüben zu holen.

Link zum Projekt