Robotik und physische KI

Neues Papier argumentiert, dass Roboter menschliche Motivation verstehen müssen

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Ein neuer Artikel des National Centre for Nuclear Robotics, das an der University of Birmingham ansässig ist, argumentiert, dass Roboter menschliche Motivation verstehen müssen, um effektiv und sicher mit Menschen zusammenzuarbeiten. Wenn wir wollen, dass Menschen und Roboter effektiv und sicher zusammenarbeiten, können Roboter nicht einfach Aufgaben ausführen, ohne den Grund dafür zu kennen.

Der Hauptautor des Artikels ist Dr. Valerio Ortenzi von der University of Birmingham. Er sagt, dass dies notwendig ist, da die Wirtschaft immer mehr automatisiert, vernetzt und digitalisiert wird. Es ist auch wichtig, da es in Fabriken und Haushalten zu einer dramatischen Zunahme der Interaktionen zwischen Menschen und Robotern kommen wird.

Das Papier wurde in der Zeitschrift Nature Machine Intelligence veröffentlicht. Es konzentriert sich teilweise auf die Verwendung von Objekten durch Roboter und das Greifen, eine Aktion, die in der Natur leicht durchgeführt werden kann, aber bei Robotern herausfordernd ist.

Unsere aktuellen Fabrikroboter greifen blindlings Objekte auf, die sie bereits kennen. Diese Objekte befinden sich auch an vorherbestimmten Orten zu bestimmten Zeiten. Wenn eine Maschine ein Objekt aufnehmen würde, das sie nicht kennt, und an einem zufälligen Ort, würde sie mehrere komplexe Technologien benötigen, die zusammenarbeiten. Einige dieser Technologien sind Visionssysteme und fortschrittliche künstliche Intelligenz. Einige erfordern sogar Sensoren, die im Greifer angebracht sind, um zu verhindern, dass der Roboter das Objekt zerdrückt.

Forscher des National Centre for Nuclear Robotics sagen, dass die Maschine auch mit all diesen Technologien nicht den Grund für das Aufnehmen eines Objekts kennt. Deshalb können die Aktionen, die wir bisher als erfolgreich angesehen haben, in der realen Welt tatsächlich zu Fehlern führen.

Das Papier in der Zeitschrift Nature Machine Intelligence verwendet das Beispiel eines Roboters, der ein Objekt an einen Kunden liefert, nachdem er es aufgenommen hat. Der Roboter nimmt das Objekt erfolgreich auf, ohne es zu zerdrücken. Das Problem entsteht, wenn der Roboter eine wichtige Barcode abdeckt. Dies bedeutet, dass das Objekt nicht verfolgt werden kann und es keine Bestätigung für die erfolgreiche Lieferung des Objekts gibt. Dies führt zu einer Komplikation und einem Versagen des Lieferungssystems, da der Roboter nicht weiß, welche Konsequenzen das Aufnehmen eines Objekts auf die falsche Weise hat.

Dr. Ortenzi und die Co-Autoren des Papiers sprachen auch über andere Beispiele.

“Stellen Sie sich vor, Sie bitten einen Roboter, Ihnen ein Schraubenzieher in einer Werkstatt zu reichen. Basierend auf den aktuellen Konventionen ist die beste Möglichkeit für einen Roboter, das Werkzeug am Griff zu greifen. Leider könnte dies bedeuten, dass eine sehr leistungsfähige Maschine dann ein potenziell tödliches Blatt in Ihre Richtung stößt, mit hoher Geschwindigkeit. Stattdessen muss der Roboter wissen, was das Endziel ist, d. h. den Schraubenzieher sicher an seinen menschlichen Kollegen zu übergeben, um seine Aktionen neu zu überdenken.”

“Ein weiteres Szenario stellt sich vor, dass ein Roboter einem Bewohner in einem Pflegeheim ein Glas Wasser reicht. Er muss sicherstellen, dass er das Glas nicht fallen lässt, aber auch, dass Wasser nicht während der Übergabe über den Empfänger verschüttet wird, oder dass das Glas so präsentiert wird, dass die Person es greifen kann.”

“Was für Menschen offensichtlich ist, muss in eine Maschine programmiert werden, und dies erfordert einen grundlegend anderen Ansatz. Die traditionellen Metriken, die von Forschern in den letzten zwanzig Jahren verwendet wurden, um die robotische Manipulation zu bewerten, sind nicht ausreichend. In praktischer Hinsicht benötigen Roboter eine neue Philosophie, um einen Griff zu bekommen.”

Professor Rustman Stolkin, Direktor des National Centre for Nuclear Robotics, sprach über die Rolle der Organisation bei der Entwicklung dieser Technologie.

“Das National Centre for Nuclear Robotics ist einzigartig, da es an praktischen Problemen mit der Industrie arbeitet, während es gleichzeitig die höchste Qualität an akademischer Forschung auf dem Gebiet der Robotik erzeugt – wie in diesem bahnbrechenden Papier demonstriert.”

Die neue Forschung wurde in Zusammenarbeit mit dem Centre of Excellence for Robotic Vision an der Queensland University of Technology, Australien, der Scuola Superiore Sant’Anna, Italien, dem Deutschen Zentrum für Luft- und Raumfahrt (DLR), Deutschland, und der Universität Pisa, Italien, durchgeführt.

Alex McFarland ist ein KI-Journalist und Schriftsteller, der die neuesten Entwicklungen im Bereich der künstlichen Intelligenz erforscht. Er hat mit zahlreichen KI-Startups und Veröffentlichungen weltweit zusammengearbeitet.