Robotertraining Hybride KI bringt Robotern das Laufen bei

Das DFKI in Bremen hat innovative Steuerungsmethoden für komplexe Systeme (etwa Roboter) entwickelt, die die Vorteile schnellen Lernens mit der Zuverlässigkeit mathematischer Verifikation verbinden ...

Mit den Fortschritten auf dem Gebiet der subsymbolischen künstlichen Intelligenz, wie dem Deep Learning, werden auch die Grenzen datenbasierter Verfahren in Bezug auf Sicherheit und Zuverlässigkeit immer deutlicher, wie die Experten vom Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) sagen. Denn Entscheidungen, die durch maschinelles Lernen getroffen würden, basierten weder auf symbolischen Berechnungen noch seien sie durch logische Regeln erklärbar – und damit mathematisch nicht beweisbar. Speziell in sicherheitskritischen Bereichen wie der humanoiden Robotik ist die Verifizierbarkeit jedoch entscheidend, um das Risiko von Fehlfunktionen zu minimieren und eine sichere Umgebung zu gewährleisten, wie es weiter heißt.

Belohnungsfunktionen helfen Robotern beim Entscheiden

Durch symbolische Spezifikationen, wie einer einfachen Sprache zur Beschreibung des Roboterverhaltens, ist es dem Projektteam aber schließlich gelungen, abstrakte kinematische Modelle zu erstellen, die mathematisch überprüft werden können. Diese Abstraktionen definieren Belohnungsfunktionen für das Reinforcement Learning und ermöglichen es dem Roboter, seine Entscheidungen anhand der Modelle zu verifizieren. Dadurch werde die Zuverlässigkeit der Entscheidungen erhöht, was stabile und vorhersehbare Roboterbewegungen gewährleiste und das Risiko von Fehlverhalten oder unerwarteten Aktionen minimiere. Zusätzlich, heißt es, wurde das gewünschte Roboterverhalten als hybrider Automat modelliert – ein mathematisches Modell, das sowohl kontinuierliches als auch diskretes Verhalten beschreibt. Das reduziert den Zustandsraum des Systems und ermöglicht so ein effizienteres Lernen, wie die DFKI-Forscher sagen.

Künstliche Intelligenz

Wie Roboter aus wenigen Daten lernen

Ein humanoider Roboter läuft allen anderen davon

Darüber hinaus ist es im Rahmen des Projekts gelungen, das dynamische Laufen mit dem humanoiden Roboter „RH5“ des DFKI zu erreichen. Dazu kombinierte man die Methode des Nullmomentpunktes (der Punkt auf der Standfläche eines Roboters, an dem die resultierende Bodenkraft kein Kippmoment erzeugt) mit dem Ansatz der Ganzkörperregelung. Diese Kombination maximiere die Stabilität und Leistungsfähigkeit von lagegeregelten Robotern. So konnte dynamische Laufen bei unterschiedlichen Geschwindigkeiten und Schrittlängen unter effektiver Ausnutzung der Systemgrenzen sowohl hinsichtlich der Geschwindigkeit als auch des Bewegungsumfangs robust werden. Nach Kenntnis der Bremer ist das das erste Mal, dass ein humanoider Roboter dynamisch mit bis zu 0,43 Metern pro Sekunde gelaufen ist. Sehe man von Systemen mit aktiven Zehengelenken ab, gehöre der RH5 damit zu den schnellsten humanoiden Robotern ähnlicher Größe und Antriebsmodalitäten. Um das Verhalten von RH5 weiter zu verbessern, setzte man zusätzlich Algorithmen zur Simulation und optimalen Steuerung ein, die auf dem symbolischen Modell des Systems basieren.

Grundlage für sichere Funktion humanoider Roboter steht

Weil die präzise Modellierung und Optimierung von Bewegungsabläufen sowohl die Sicherheit als auch die Effizienz von Robotern erhöht, kann der im Projekt entwickelte hybride KI-Ansatz als Blaupause angesehen werden, wie die Generierung von Belohnungsfunktionen aus symbolischer, logikbasierter KI funktionieren kann. Das ist insbesondere für Anwendungen relevant, bei denen die Systeme oder deren Fehlverhalten eine potenzielle Gefahr für den Menschen darstellen, wie die Bremer Experten abschließend anmerken.

Das Projekt „VeryHuman“ wurde vom Bundesministerium für Bildung und Forschung (BMBF) von Juni 2020 bis Mai 2024 unter dem Förderkennzeichen 01IW20004 gefördert.

(ID:50077279)