- Marc Raibert von Boston Dynamics setzt auf Maschinenlernen, um Roboter komplexe Bewegungen selbstständig erlernen zu lassen. Trotz Konkurrenz durch andere Unternehmen bleibt Boston Dynamics ein Vorreiter in der Entwicklung fortschrittlicher Roboter. Verstärkungslernen wird genutzt, um die Fähigkeiten von Robotern wie Spot und Atlas entscheidend zu verbessern. Raiberts Forschung orientiert sich an tierischen Bewegungsmustern, um dynamisches Laufen zu perfektionieren. Das 2024 gegründete RAI-Institut erforscht, wie Roboter mehr Unabhängigkeit in alltäglichen Aufgaben erlangen können.
Marc Raibert, der visionäre Schöpfer und Vorstandsvorsitzende von Boston Dynamics, hat die Welt mit einer erstaunlichen Vielfalt von Maschinen begeistert, die sowohl auf zwei als auch auf vier Beinen durch die Landschaft schreiten und dabei beachtenswerte Kunststücke vollbringen. Seine neueste Bestrebung zielt darauf ab, eine Revolution in der robotischen Intelligenz zu entfachen. Fortgeschrittene Methoden im Maschinenlernen erlauben es diesen Robotern, komplexe Bewegungen eigenständig zu erlernen, ohne auf menschliches Eingreifen angewiesen zu sein. Raibert äußerte kürzlich seine Hoffnung, dass dadurch viele Verhaltensweisen erzeugt werden können, ohne dass jede einzelne Aktion der Roboter manuell programmiert werden muss.
Roboter im Wandel der Zeit
Boston Dynamics war zwar ein Vorreiter im Bereich der laufenden Roboter, sieht sich jedoch nun einem zunehmenden Wettbewerb durch andere Unternehmen gegenüber. Nur kürzlich präsentierte ein Startup namens Figure einen neuen Prototypen, während eine weitere Firma, X1, einen muskulösen Humanoiden namens NEO Gamma vorstellte. Apptronik plant den baldigen Start seines humanoiden Roboters Apollo. Trotz beeindruckender Vorführungen bleiben Fragen offen, insbesondere hinsichtlich der Produktionskosten dieser Roboter und ihrer Eignung als Alltagshelfer. Der ultimative Test dieser Maschinen wird darin liegen, inwieweit sie tatsächlich unabhängig von menschlichem Eingreifen und Programmierung operieren können.
Fortschritte wie die, die Raibert ankündigt, sind entscheidend für die zukünftige Entwicklung in diesem Bereich. Letzten November schrieb ich über neue Methoden zur Steuerung von Robotern. Wenn diese Bemühungen Früchte tragen, könnten sich humanoide und vierbeinige Roboter rasanter entwickeln, als man es bisher vermutet hätte.
Die Rolle des Verstärkungslernens
Boston Dynamics produziert unter anderem einen vierbeinigen Roboter namens Spot, der auf Ölplattformen, Baustellen und anderen unwegsamen Geländen genutzt wird. Das Unternehmen fertigt auch humanoide Roboter für Forschungszwecke. Raibert betont, dass mittels Verstärkungslernen, einem jahrzehntealten Konzept, Spots Fähigkeit zum Laufen optimiert wurde, wodurch der Roboter nun dreimal schneller ist. Dieselbe Methode hilft auch Atlas, sicherer zu gehen. Verstärkungslernen kombiniert Computereingaben mit positivem oder negativem Feedback und hat in jüngster Zeit algorithmische Durchbrüche sowohl in Strategiespielen als auch im Verhalten großer Sprachmodelle ermöglicht.
Marc Raiberts Pionierarbeit im Bereich der Balance bei dynamischem Laufen basiert auf tierischen Bewegungsmustern, die wesentlich durch das Nervensystem gesteuert werden. Trotz der Geschicklichkeit, die diese Maschinen erreicht haben, erfordern komplexere Verhaltensweisen meist noch präzise Programmierung oder menschliche Fernsteuerung. Im Jahr 2024 gründete Raibert das RAI-Institut, um Wege zu erforschen, wie Roboter mehr Unabhängigkeit erlangen können. Während wir darauf warten, dass Roboter lernen, alltägliche Aufgaben wie das Geschirrspülen zu übernehmen, sollte KI dazu beitragen, ihre Unfälle zu minimieren. Al Rizzi, der Chief Technology Officer des RAI-Instituts, bemerkt dazu: “Es passieren weniger Unfälle, wenn man es tatsächlich auf der physischen Maschine ausführt.”
