Nachrichten in aller Kürze
Alles zur Community
Nachrichten, die zu Ihnen kommen: Newsletter, Feeds und SMS
Alles zu unseren mobilen Angeboten: Apps, Mobilversion und SMS
Unsere Radio- und TV-Angebote
Die Zeitung im Internet: Abo, E-Paper, Anzeigen und mehr
Alles über die Redaktion von derStandard.at
Alles über Onlinewerbung, Stellenanzeigen und Immobilieninserate
vergrößern 600x400Forscher der TU Darmstadt und des Max-Planck-Instituts für Intelligente Systeme haben einen Tischtennis spielenden Roboter entwickelt, die seine Bewegungen beim Menschen abschaut und sich dann selbständig verbessert.
Die Bewegungen von Robotern folgen üblicherweise vorprogrammierten Regeln, die Vorbilder dafür kommen von Menschen oder Tieren, deren motorische Abläufe in für die Roboter verständliche Software übersetzt werden. Doch es geht auch anders, wie die Arbeit von Wissenschaftern der TU Darmstadt und des Max-Planck-Instituts für Intelligente Systeme zeigen: Deren Roboter schauen sich ihre Bewegungen zunächst direkt beim Menschen ab und verbessern diese dann selbständig. Ein Tischtennis spielender Roboter entwickelte nach kurzem Training eigenständig neue Schlagbewegungen.
Roboter, deren Bewegungen nicht mehr mühsam programmiert werden müssen, sondern die ihre Aufgaben eigenständig durch die Nachahmung von menschlichen Vorbildern erlernen - das ist die Vision von Jan Peters, Informatik-Professor an der TU Darmstadt und Gruppenleiter am Department Empirische Inferenz im Max-Planck-Institut für Intelligente Systeme in Tübingen. Mit seinen Mitarbeitern Katharina Muelling und Jens Kober hat Peters unter anderem einen Roboter entwickelt, der sein Tischtennisspiel selbständig verbessert: Nachdem die Wissenschafter zunächst den Roboterarm beim Einüben grundlegender Schlagtechniken führten, konnte der Roboter nach kurzer Zeit eigenständig die ihm zugespielten Bälle retournieren und seine Schläge dem jeweiligen Ballflug anpassen, indem er selbst neue Schlagbewegungen entwickelte.
Video: Wie der Roboter seine ersten Tischtennis-Bewegungen lernt und sich dann selbständig verbessert (Quelle: Youtube).
Eigenständige Erfolgskontrolle
"Unser Roboter lernt ganz ähnlich wie ein Mensch. Zunächst imitiert er eine komplizierte Bewegung und übt diese so lange, bis er sie wirklich beherrscht. Dann beginnt das bestärkende Lernen (engl. reinforcement learning): Dabei erhält der Roboter nach jeder Bewegung eine Rückmeldung zu seinem Erfolg und kann seine Reaktion entsprechend anpassen, bis er sich stets zur richtigen Zeit für die richtige Bewegung entscheidet", erklärt Peters. Der Tischtennis spielende Roboter konnte nach einer Stunde Training fast 90 Prozent der Bälle auf die Platte zurück spielen, die ihm von einem menschlichen Gegenüber zugespielt worden waren. "Eine entsprechende Programmierung des Roboterarms würde wohl Jahre dauern und immer noch deutlich schlechtere Ergebnisse erzielen", ist Peters überzeugt.
Hervorragend Mitarbeiter
Die Einsatzgebiete für selbstlernende Roboter sind laut Peters äußerst vielfältig. Sie könnten etwa in der industriellen Produktion bei häufigem Variantenwechsel und der Herstellung kleiner Stückzahlen zum Einsatz kommen, also dort, wo sich Roboter bislang als zu unflexibel erwiesen haben. "Außerdem müssen selbstlernende Roboter im Gegensatz zu herkömmlichen Robotern nicht aufwendig von Menschen und anderen Gegenständen abgeschirmt werden, sondern eignen sich im Gegenteil ganz hervorragend zur Kooperation mit dem Menschen", so Peters. Derzeit entwickelt der Wissenschaftler gemeinsam mit seinem Team einen Roboter, der Menschen als "dritte Hand" bei verschiedensten Tätigkeiten unterstützen kann. (red, derstandard.at, 05.11.2012)
Roboter aus der Schweiz orientiert sich an Tieranatomie und legt in einer Sekunde das siebenfache seiner Körperlänge zurück
System mit 33,86 Petaflop/s Rechenleistung geht mit Jahresende in Betrieb
ForscherInnen der TU Wien schauten dem Tanz der Atome an der Katalysator-Oberfläche zu
Die Landung in Washington ließ sich Bertrand Piccard nicht nehmen
Mit dem "European XFEL" können ab 2016 kleinste Strukturen und Prozesse beobachtet werden
Mit seinem Halbbruder Art gehörte er zu den ersten, die Düsentriebwerke aus Flugzeugen in Rennwagen einbauten
Forscher der TU Wien finden Gen-Mutation, die die Produktion von Biotreibstoffen aus Abfällen wie Sägemehl oder Stroh deutlich verbilligt
Direktor am Max-Planck-Institut für Quantenoptik ausgezeichnet
Das erste kommerzielle Wellenkraftwerk der Welt im baskischen Mutriku trotzt Wind und Sturm und erzeugt saubere Energie für bis zu 600 Menschen
Physikern der TU Wien ist es gelungen, Atome an ein Glasfaserkabel zu koppeln, ohne dabei deren Quanteneigenschaften zu zerstören
In Salamanca stellten Experten für smarte Umgebungen Visionen einer Zukunft total vernetzter Technologien vor
Forscher nutzen Talbot-Effekt und sehen abhörsichere Kommunikation in greifbare Nähe rücken
An der TU Wien wird longitudinal schwingendes Licht in Flaschen "abgefüllt"
Mit knapp 900 Kilometern Entfernung bisher kürzester Abschnitt - davor stellte der Solarflieger einen neuen Rekord auf
Neuartige Produktionstechnologie ermöglicht in Zukunft sogar Wirkungsgrade bis 50 Prozent
Wiener Forscher zeigen, wie sich die Messung an einem Photon auf ein mit ihm verschränktes Partnerteilchen auswirkt
Verstarb nach langer Krankheit im 80. Lebensjahr - Legte mit Raster-Tunnel-Mikroskop Grundstein für die Nanotechnologie
CERN, belgischer Forscher Francois Englert und Peter Higgs selbst mit Prinz-von-Asturien-Preis ausgezeichnet
Verständnis über Wachstum winziger Strukturen soll kontrollierte Herstellung spezieller neuer Materialien ermöglichen
Bisher noch nie gesehener Übergang zwischen zwei quantenmechanischen Ordnungen
Intelligentes Textil erkennt toxische Stoffe in der Umgebung und ändert bei Kontakt seine Farbe
Forscher ersetzen teuren Rohstoff Indium durch Silber-Nanodrähte
Nach zwei Fehlschlägen gelingt der vierte Test des Flugzeugs mit Scramjet-Antrieb: Dreieinhalb Minuten Flug mit Mach 5,1
Platin-Nanopartikel beschleunigen Ethylen-Abbau auch bei niedrigen Temperaturen
Teilchenphysiker Jochen Schieck baut als neuer Leiter des ÖAW-Instituts ab Oktober neuen Forschungsschwerpunkt auf
Der TT-Robo verwendet das seit 30 Jahren bekannte Reinforcement-Learning (RL). Beim RL werden die Parameter bestehender Konzepte verbessert. Es lernt aber prinzipiell nichts Neues.
Jedes Schachprogramm hat einen Materialterm. Z.B. 1 Laeufer = 3.0 Bauern. Der Algo koennte nun lernen, dass das Programm mit dem Materialterm 3.1 besser spielt.
Er lernt von sich aus aber nicht das Konzept des Laeuferpaares. Er wird den Wert des Laeuferpaares faelschlicher Weise dem einzelnen Laeufer zuordnen.
Der TT-Robo lernt von sich aus nie Backhand.
Innerhalb dieses sehr eingeschraenkten Begriffes von Lernen sind die Erfahrungen mit RL durchwachsen. In Schach hat es nicht funktioniert. Es gibt aber ein sehr starkes RL-Backgammon Programm.
Computer Chess Association, wollte so einen Roboter bauen. Genaugenommen traeumt er davon.
Wobei es in Davids-Vorstellung eine Sie waere.
Laut David haette das mehrere Vorteile: Junge Maenner konnten mit dieser Sirene vorher trainieren und waeren dann im echten Eheleben besser.
Es wuerde Kriminalitaet und Krankheiten reduzieren.
Und last but not least, David wuerde ein sehr reicher Mann werden. Das waere DIE Killerapplikation der Robotik.
Inzwischen hat er aber doch eingesehen, dass gut Schachspielen viel einfacher als gut Schnackseln ist.
Wenn man an diese Wüstenrennen mit fahrerlosen Autos denkt. Eigentlich ein banales Problem, möchte man meinen. GPS-unterstützt von A nach B, außer ein paar anderen Roboterautos, Kakteen um Skorpionen keine unbezwingbaren Hindernisse und trotzdem fallen die ersten nach nicht einmal 100 m Fahrt aus.
Er kann nur immer auf der gleichen Stelle vorwaerts wacheln. Wenn der Mensch (der gut TT spielt) genau dort hinschiesst, trifft er. Sonst nicht.
Es ist fuer einen Tischtennisspieler furchtbar, wenn so was als Tischtennis bezeichnet wird.
An anderer Stelle in dieser Rubrik wird von einem Mädchen berichtet, welches meint, dass homosexuelles Verhalten uns in der Evolution zurückwirft und die Enten daher dereinst unseren Platz einnehmen werden. Hier geht's um einen tischtennisspielenden Roboter. Ich werde mich für die nächsten 100.000 Jahre einfrieren lassen, damit ich sehen kann, wohin das führt. Es gibt keine Menschen mehr, nur noch Roboter und Enten. Die Roboter machen das ganze coole Zeugs (Tischtennis, Karibik-Urlaub,...) während die Enten arbeiten. Und weitere Roboter bauen, die Ihnen dann beim Rasenmähen zuschauen können.
Der Mensch schupft es dem Roboter schoen hin. Immer auf den gleichen Fleck mit denselben Tempo und ohne Schnitt. Der Roboter schupft manchmal hoch zurueck.
Ich spiele in einer unteren Liga TT. Aber im Verhaeltnis zu diesem Roboter bin ich der Werner Schlager. Das ist meilenweit von einem halbwegs vernuenftigen Tischtennis Spiel entfernt.
Es zeigt eher, wie weit Roboter von einer Simulation menschlicher Bewegung entfernt sind.
Wobei das Problem weniger der Lernalgo als die Mechanik und die Sensorik ist. Wenn sowohl die Information als auch die Umsetzung der Information in Bewegung schlecht sind, hilft kein Algo.
Diese - seit langem bekannten - Algos brauchen ein gutes und zuverlaessiges Ausgangssystem von dem das Lernen startet. Vor allem muss die Fehlerrueckmeldung gut sein.
In zehn Jahren oder Hausnummer, ist ja egal, werden unsere künstlichen Partner Dinge können, die wir uns noch nicht vorstellen können. Ich werde es erleben, daß mir ein Robbi die Haare so wäscht wie ich will (Temperatur, Dauer, Massage, usw) und sie so schneidet wie ich will ohne mich vollzuquatschen. Dann bin ich endlich in 5 Minuten wieder draussen ohne mir die Ohren Brandföhnen lassen zu müssen.
Glauben Sie mir, als ich Programmierer gelernt hab, hatte der Zentralrechner der WKÖ 32k, noch Fragen?
Die haben vor 20 Jahren auch genauso gut bzw. schlecht gespielt wie dieser. Die Neuerung ist, dass er durch Lernen auf dieses sehr niedrige Niveau kommt (siehe meinen Beitrag oben).
Persoenlich ziehe ich Friseurinnen einen Robo vor. Meiner Friseurin fraegt "wie immer", ich nicke und dann plaudern wir ueber das Dorf und die Welt waehrend sie mich wie immer herrichtet.
Keine Ahnung welchen Vorteil da ein Robo haben soll.
Na, jetzt hab' dich nicht so. Ich sehe auch, dass der natürlich ganz schlecht spielt. Wenn er schwimmen würde, würde er ohne Flügerl untergehen.
Aber das ist doch wurscht. Ich habe miterlebt, wie mein geliebtes Schach von den Programmen übernommen wurde. Ich habe schon ewig keine Partie gegen einen Schachcomputer gewonnen, obwohl ich viel spiele. Und jetzt lernt die Elektronik eben auch bewegungsabhängige Spiele, was natürlich viel komplizierter ist. Aber das wird passieren, egal wieviel Sie jetzt lästern.
Und das Spannende ist eben, daß die Methode, der Technik das beizubringen, weiterentwickelt wird. Ist doch toll!
Letzten Endes werden diese Dinger aber nicht TT spielen, sondern z.B. Regale einschlichten oder die Netzhaut operieren.
Das wirklich komplizierte ist das Schach-Cafe finden, die Toilette zivilisiert benutzen, die Kellnerin erkennen, Kaffee bestellen und ohne alles anzupatzen auch zu trinken. Nasenbohren ist fuer einen Computer auch viel komplizierter als Schachspielen.
Es gibt im Kassiber von mir einen Artikel zu diesem Thema.
Die Roboterfuzzis verkuenden schon seit 40 Jahren grossartige Erfolge. Sie versteigen sich zu so perversen Ideen dass man alte Menschen mit Robotern pflegt. Tatsaechlich verhalten sich die Roboter selbst in einfachen und kontrollierten Umgebungen noch hoechst laecherlich.
Es kann sein, dass sie einmal besser werden. Im Moment sind sie aber davon noch meilenweit entfernt.
Der Roboter sollte in den Turniersaal gehen, sich auf den Sessel setzen und eine Schachpartie spielen.
Scheinbar eine leichte Aufgabe. Tatsaechlich musste man den Roboter auf den Sessel anschnallen, weil er sich sonst die Position am Sessel geaendert hat und er die Figuren nicht mehr richtig fand.
Solange alle Figuren exakt auf ihren Platz standen, konnte er die halbwegs greifen. Bei der Umwandlung hat er aber dann die Dame nicht gefunden.
Das Projekt ist aufgegeben worden, weil sich der Sponsor nicht laecherlich machen wollte.
Wann haben Sie das gemacht? Wenn das nicht in den letzten 2 Jahren war, ist ja schon das in den Saal gehen eine recht große Herausforderung.
Zusätzlich erscheint es halt fragwürdig, sofort mit einem komplett humanoiden Roboter anzufangen und nicht zuerst die Hauptprobleme zu lösen (die eben sind: Schachbrett finden, Schachfiguren finden, Schachbrett zu Schachfiguren richtig orientieren, Kinematik für das spezielle Problem "Schachspielen" lösen, etc. ).
Ich wünschen Ihnen auf jeden Fall alles Gute für die zukünftigen Forschungen.
Ja, es war das in den Saal gehen und den Sessel finden eine recht grosse Herausforderung. Ordentlich hinsetzen mit der richtigen Stellung zum Brett war schon Jenseits. Er hat auch das Stellung halten nicht geschafft. Man musste ihn anschnalllen.
Warum haben wir es nicht Schrittweise gemacht?
Weil der Scheich einen Robo der sich wie ein Schachspieler verhaelt haben wollte. Er hatte keine Ahnung, dass das schwierig ist. Die Robo-Leute haben gesagt, "Sir, no problem". Das muss man Scheichs grundsaetzlich sagen. Die wollen keine diffiziellen Analysen warum das schwierig ist hoeren.
Die Kommentare von Usern und Userinnen geben nicht notwendigerweise die Meinung der Redaktion wieder. Die Redaktion behält sich vor, Kommentare, welche straf- oder zivilrechtliche Normen verletzen, den guten Sitten widersprechen oder sonst dem Ansehen des Mediums zuwiderlaufen (siehe ausführliche Forenregeln), zu entfernen. Der/Die Benutzer/in kann diesfalls keine Ansprüche stellen. Weiters behält sich die derStandard.at GmbH vor, Schadenersatzansprüche geltend zu machen und strafrechtlich relevante Tatbestände zur Anzeige zu bringen.