Wie dieser Roboter zum Jenga-Champion wurde

Ein solcher Roboter könne Aufgaben erfüllen, bei denen Geschicklichkeit gefragt ist, schreibt das Team um Nima Fazeli vom Massachusetts Institute of Technology (MIT) in Cambridge im Fachmagazin „Science Robotics“.

„Schlussfolgern durch Tasten ist im Tierreich allgegenwärtig, aber in der Roboterhandhabung unterentwickelt“, schreiben die Forscher. Dabei könnten Informationen, die durch Ertasten vermittelt werden, in der Industrie sinnvoll eingesetzt werden. „In einer Fertigungsstraße für Mobiltelefone kommt in fast jedem einzelnen Schritt der Eindruck von einem Schnappverschluss oder einer Gewindeschraube eher von Kraft und Berührung her als vom Sehen“, erklärt Mitautor Alberto Rodriguez.

Die Forscher kombinierten Kameraaufnahmen mit Berührungssensoren und speisten mit diesen Daten ein künstliches neuronales Netzwerk. Um die Lernzeit zu verkürzen, war dem Roboter vorgegeben, dass er Vorgänge mit gleichem oder ähnlichem Ergebnis - etwa dem Einstürzen des Jenga-Turms - in Clustern zusammenfasst. Auf diese Weise hatte der Roboter eine steilere Lernkurve als mit anderen Verfahren und brauchte nur etwa 300 Versuche statt zehntausende, um ein gutes Spielergebnis zu erzielen.

Zunächst wurde das Lernverhalten des Roboters simuliert. Dann folgte das Spielen mit echten Jenga-Klötzchen. Wenn der Roboterarm mit dem Spielen begann, testete er zufällig ausgewählte Holzbausteine. Er bewegte sie etwa einen Millimeter und bewertete sie nach Kategorien wie "leicht zu bewegen", "schwer zu bewegen" und "gar nicht zu bewegen". Je nach Bewertung setzte er seine Bemühungen fort, den Baustein zu entfernen - oder eben nicht.

Entfernte Bausteine werden bei Jenga oben auf den Turm gelegt. Der Roboter schaffte es nach kurzer Lernzeit, 21 oder mehr Bausteine zu entfernen und neu zu platzieren, ohne dass der Turm kippte. "Wir haben gesehen, wie viele Blöcke ein Mensch herausziehen konnte, bevor der Turm fiel, und der Unterschied war nicht so groß", sagt Miquel Oller, ein weiterer Autor der Studie. Ziel der Forscher ist es letztlich aber nicht, den Roboter zu einem unschlagbaren Jenga-Meister zu machen. Sie wollen seine mit der Kombination von visuellen und ertasteten Daten hinzugewonnenen Fähigkeiten erforschen.

In einem weiteren Beitrag in "Science Robotics" befasst sich Robin Murphy von der Texas A&M University mit der Darstellung von Roboterlernen in Science-Fiction-Büchern und -Filmen. Häufige Motive sind dabei, dass das Lernen für Roboter einfach ist und dass es zu Empfindungsvermögen führt. Beides sei in der Wirklichkeit nicht so, schreibt Murphy. Eine Sache aber werde meist korrekt dargestellt: Dass es sehr schwierig ist, einem Roboter beizubringen, das Richtige zu lernen.