Forscher am Massachusetts Institute of Technology (MIT) haben einen neuen, auf Deep Learning basierenden Algorithmus zur Konstruktion von Soft-Robotern entwickelt, der die optimale Platzierung von Sensoren festlegt. "Das System lernt nicht nur, wie sich eine bestimmte Aufgabe lösen lässt, sondern auch, wie der Roboter zu konstruieren ist, damit ihm das optimal gelingt", sagt MIT-Entwickler Alexander Amini.
Jedes Teil eines weichen Roboters lässt sich nahezu beliebig verformen, ergänzt Andrew Spielberg, wie Amini Doktorand am MIT-Labor für Computerwissenschaften und Künstliche Intelligenz. Das bereite bei der Steuerung Probleme, anders als bei starren Robotern, deren Bewegungen eindeutig definiert sind.
Um die Positionierung der Sensoren zu optimieren, teilen die MIT-Forscher die Oberfläche eines Soft-Roboters in Regionen ein, die sie "particles" nennen. Deren Dehnungsfähigkeit liessen sie in den Algorithmus einfliessen. Durch Versuch und Irrtum lernt das KI-Netzwerk den effizientesten Bewegungsablauf, um Aufgaben wie das Greifen von Objekten unterschiedlicher Grösse zu erledigen. Gleichzeitig verfolgt die Software, welche particles am häufigsten verwendet werden, und blendet die weniger genutzten aus, um den Rechenaufwand zu reduzieren.
Die Experten haben die Qualität ihres Algorithmus getestet, indem sie drei errechnete Lösungen zur Platzierung der Sensoren jenen Konzepten menschlicher Roboterexperten gegenüberstellten. In allen Fällen siegte der Algorithmus. Auch Amini musste sich geschlagen geben. Dabei habe er sich die Roboter genau angesehen und sei sicher gewesen, wo die Sensoren am besten zu platzieren waren.
Der Online-Stellenmarkt für ICT Professionals