Vor ein paar Jahren ließen Forscher in Japan einen Roboter in einem Einkaufszentrum los und beobachteten, wie Kinder reagierten. Weit entfernt von dem Gefühl des Staunens, das man von Kindern erwarten kann, wurde die Stimmung für die nächste Generation besorgniserregend, als die Kinder den Roboter traten und schlugen und ihn benannten.
Nennen wir es unkonstruktive Kritik. Aber vielleicht hatten die Kinder etwas vor - vielleicht sollten wir die Roboter herausfordern, wenn auch auf konstruktivere Weise, anstatt immer ihre Hände zu halten, wenn sie lernen, in unserer Welt zu navigieren. Zu diesem Zweck haben Forscher an der Universität von Südkalifornien gezeigt, dass Sie bei der Arbeit in einer Simulation den Robotern „harte Liebe“geben können, indem Sie versuchen, ihnen Gegenstände aus den Händen zu schlagen. Auf diese Weise können sie besser lernen, Gegenstände zu erfassen.
Das Experiment fand ausschließlich in der Simulation statt, so wie es heutzutage beim Robotertraining der Fall ist. In einer digitalen Umgebung durchläuft ein Roboter eine überladene Form des Versuchs und Irrtums, das als Verstärkungslernen bezeichnet wird. Die Umgebung simuliert Variablen wie Reibung, und ein Roboterarm versucht, ein Objekt mit verschiedenen Griffen immer wieder zu erfassen. Wenn es auf einen guten Griff stößt, wird dies vom System als Sieg gewertet. Wenn es etwas Dummes tut, wird dies vom System als Niederlage gewertet. Bei vielen Versuchen lernt der Roboter, was einen robusten Griff ausmacht.
Aber es kommt ein sogenannter menschlicher Gegner, eine Art zusätzliches Signal. Wenn der Roboter einen guten Griff findet, verwendet der Mensch eine grafische Oberfläche, um auf das Objekt zu klicken, das er greift, und eine Kraft in eine bestimmte Richtung auszuüben. Diese Störung testet im Grunde genommen, wie gut der Griff wirklich ist, und hilft dem Roboter, die weniger wirksamen auszuschließen.
"Der Roboter hat gelernt, Objekte mit diesem zusätzlichen Signal, das der Mensch liefert, viel robuster zu erfassen, aber auch viel besser auf neue Objekte zu verallgemeinern", sagt der USC-Robotiker Stefanos Nikolaidis, Mitautor eines neuen Papiers, in dem die Arbeit beschrieben wird. Um es auf den Punkt zu bringen, als ein Mensch dem Roboter harte Liebe schenkte, hatte die Maschine eine Erfolgsquote von 52 Prozent beim Greifen, verglichen mit 26, 5 Prozent ohne die harte Liebe.
Nun einige kritische Vorbehalte hier. Erstens ist eine Simulation ein notwendigerweise unvollkommenes Modell der realen Welt - es gibt keine Möglichkeit, die gesamte Physik und Unsicherheit des Meatspace (oder in diesem Fall des Metalspace) vollständig zu replizieren. Es ist immer noch sehr schwierig, das, was ein Roboter in der Simulation lernt, auf einen physischen Roboterarm zu übertragen, eine Herausforderung, die als Realitätslücke bezeichnet wird. Und zweitens, das war keine gute Sache, da die menschlichen Teilnehmer mit bestimmten Regeln und Zwängen arbeiteten.
