Um einen wirklich harten Roboter zu bauen, sollten sie zuerst Babys sein, sagt der Robotiker Josh Bongard. Die robustesten Roboter sind diejenigen, die ihre Körperformen ändern, während sie laufen lernen.
Ein Robotiker der Universität von Vermont, Josh Bongard, hat ein Experiment durchgeführt, das zeigt, dass man, um einen wirklich robusten Roboter zu bauen, Roboter zuerst Babys sein lassen muss. Oder anders ausgedrückt: Sie müssen darüber nachdenken, wie aus Kaulquappen Frösche werden.
Josh Bongard
Bongard hat kürzlich ein Experiment abgeschlossen, in dem er sowohl simulierte als auch tatsächliche Roboter entwickelte, die wie Kaulquappen Frösche werden und beim Laufenlernen ihre Körperformen ändern. Und über Generationen von Robotern hinweg entwickelten sich auch seine simulierten Bots, die weniger Zeit für „kindliche“ kaulquappenähnliche Formen und mehr Zeit für „erwachsene“ vierbeinige Formen verwendeten.
Diese sich entwickelnden Populationen von Robotern konnten lernen, schneller zu laufen als solche mit festen Körperformen, sagte Bongard in einer Pressemitteilung. Und in ihrer endgültigen Form hatten die Wechselroboter ein robusteres Gangbild entwickelt - sie waren beispielsweise besser in der Lage, mit einem Stock geschlagen zu werden (aw!) - als diejenigen, die von Anfang an gelernt hatten, mit aufrechten Beinen zu laufen.
Er berichtete über die Ergebnisse dieses Experiments - das seiner Meinung nach das erste seiner Art ist - in der Online-Ausgabe der Proceedings der National Academy of Sciences vom 10. Januar. Lesen Sie hier mehr über Bongards jüngstes Experiment.
Bongard - der 2007 von der Zeitschrift Technology Review zum Young Innovator Under 35 ernannt wurde und dessen Arbeit von der National Science Foundation unterstützt wird - führte dieses kürzlich durchgeführte Experiment im Rahmen eines breiteren Projekts namens Evolutionary Robotics durch. Er sagte:
Wir haben das technische Ziel, Roboter so schnell und konsequent wie möglich zu produzieren.
Bongard fügte hinzu, dass Menschen Roboter noch nicht sehr gut programmieren können, da Roboter komplexe Systeme sind. Er sagte, dass sie in gewisser Weise zu sehr wie Menschen sind, als dass Menschen sie leicht verstehen könnten.
Sie haben viele bewegliche Teile. Und ihr Gehirn hat wie unser Gehirn viele verteilte Materialien: Es gibt Neuronen, Sensoren und Motoren, die sich alle parallel ein- und ausschalten, und das aufkommende Verhalten des komplexen Systems, das ein Roboter ist, ist eine nützliche Aufgabe wie eine Baustelle aufzuräumen oder Pflaster für eine neue Straße zu legen.
Zumindest ist das das Ziel.
Bisher war es den Ingenieuren jedoch größtenteils nicht gelungen, Roboter zu entwickeln, die ein einfaches und dennoch anpassungsfähiges Verhalten in unstrukturierten Umgebungen oder im Freien kontinuierlich ausführen können.
Sehen Sie sich dieses interessante Video von Bongard vor zwei Monaten an, in dem er über den Stand der Robotik spricht. Er erwähnt zwei große Einschränkungen für die Vorstellung von Robotern, zum Beispiel die des Films iRobot aus dem Jahr 2004, der auf Isaac Asimovs gleichnamiger Kurzgeschichte basiert. In diesem heute klassischen Film sind Roboter Alltagsgegenstände - Hausmädchen, Kindermädchen für unsere Kinder -, bis sie böse werden und Will Smith sie bezwingen muss. Im folgenden Video nennt Bongard zwei Gründe, warum wir von der Vision von iRobot weit entfernt sind. Erstens brauchen Roboter eine Stromversorgung. Sie müssen entweder an eine Steckdose angeschlossen sein oder mit Batterien betrieben werden, die bekanntlich schnell leer sind. Zweitens ist die reale Welt ein veränderlicher Ort, und obwohl Roboter so programmiert werden können, dass sie einfache Aufgaben ausführen, war es schwierig, einen Roboter so zu programmieren, dass er mit einer sich verändernden Umgebung zurechtkommt.
Trotzdem arbeiten Bongard und andere Robotiker hart in ihren Labors. Und Bongards neue Forschung, die zeigt, dass Roboter wie Babys eine Evolution durchlaufen müssen, um gut laufen zu lernen, ist ein weiterer Schritt in Richtung einer robotischen Zukunft.