Revolutionierung von physischen Fähigkeiten: AI-Roboter übertrifft menschliche Fähigkeit im Labyrinth-Marble-Spiel

In einer bahnbrechenden Entwicklung haben Forscher an der ETH Zürich einen bedeutenden Sprung in der künstlichen Intelligenz gemacht und gezeigt, dass AI menschliche Fähigkeiten in Aufgaben, die physische Fähigkeiten erfordern, überbieten kann. Diese Durchbruch wurde durch ihren AI-Roboter, CyberRunner, demonstriert, der das Labyrinth-Marble-Spiel, einen Test für Geschicklichkeit und Präzision, in einer bemerkenswert kurzen Zeit meisterte.

Das Labyrinth-Spiel, traditionell ein Test für menschliche Motorik und räumliches Denken, besteht darin, eine Kugel durch ein labyrinthartiges Brett zu führen, um ein Ziel zu erreichen, während man Hindernissen ausweicht. Dieses scheinbar einfache Spiel erfordert erhebliche Übung, um von Menschen meisterhaft gespielt zu werden. jedoch erreichte CyberRunner, der an der ETH Zürich entwickelt wurde und auf seiner dedicated Website detailliert beschrieben ist, diese Leistung auf eine beispiellose Weise.

Mit Hilfe von fortschrittlichem modellbasiertem Reinforcement Learning demonstriert CyberRunner, wie AI seine Fähigkeiten in den Bereich der physischen Interaktion erweitern kann. Diese Technik ermöglicht es dem AI, Aktionen vorherzusagen und zu planen, indem es kontinuierlich aus seiner Umgebung lernt. Ausgestattet mit einer Kamera, um das Spiel zu beobachten, und Motoren, um das Brett zu steuern, verbesserte der Roboter sein Spiel in einem Prozess, der dem menschlichen Lernen ähnelt, aber mit beschleunigter Geschwindigkeit.

Bemerkenswerterweise absolvierte CyberRunner seinen Lernzyklus in nur etwas über sechs Stunden, bei 1,2 Millionen Zeitschritten und einer Steuerungsrate von 55 Proben pro Sekunde. Diese Leistung sah den AI die Bestmarke eines hochqualifizierten menschlichen Spielers um über 6% überbieten.

Interessanterweise entdeckte CyberRunner während seiner Lernphase sogar Abkürzungen im Spiel, was die Leitforscher, Thomas Bi und Prof. Raffaello D’Andrea, veranlasste, einzugreifen und den AI zu lenken, um diese Pfade zu vermeiden.

Diese Errungenschaft der ETH-Zürich-Forscher pusht nicht nur die Grenzen der AI im Gaming, sondern markiert auch einen bedeutenden Schritt nach vorne in der Anwendung von AI auf reale physische Aufgaben. Der Erfolg von CyberRunner deutet auf eine Zukunft hin, in der AI komplexe physische Aktivitäten übernehmen kann, was möglicherweise verschiedene Branchen und das alltägliche Leben transformieren könnte.

Diese Meilenstein in der AI-Entwicklung markiert einen Wechsel von virtuellen Errungenschaften, wie dem Meistern von Schach oder Go, zu der Bewältigung physischer Herausforderungen, wodurch die Grenzen zwischen menschlichen und maschinellen Fähigkeiten im Bereich der physischen Fähigkeit und Geschicklichkeit verschwimmen.

Ein Preprint des Forschungsartikels ist auf der Projektwebsite verfügbar. Darüber hinaus werden Bi und D’Andrea das Projekt open source machen und es auf der Website verfügbar machen. Prof. Raffaello D’Andrea kommentierte: “Wir glauben, dass dies der ideale Testbed für Forschung in realer maschineller Lernung und AI ist. Vor CyberRunner konnten nur Organisationen mit großen Budgets und maßgeschneiderten experimentellen Infrastrukturen Forschung in diesem Bereich durchführen. Jetzt kann jeder für weniger als 200 Dollar an cutting-edge AI-Forschung teilnehmen. Sobald Tausende von CyberRunnern in der realen Welt sind, wird es möglich sein, große Experimente durchzuführen, bei denen das Lernen parallel auf globaler Ebene stattfindet. Das ultimative in Citizen Science!”