Ein Roboter kann nun seine nächste Bewegung vorbereiten, indem er darstellt, was geschehen könnte, ohne ein vollständiges Video der zukünftigen Szene zu erzeugen.
Um korrekt zu handeln, muss ein Roboter häufig die Folgen seiner Bewegungen vorhersehen. Eine Tasse zu bewegen, einen Gegenstand zu greifen oder eine Schublade zu öffnen verändert seine Umgebung. Einige künstliche Intelligenzen erzeugen daher mehrere Bilder der vermuteten Zukunft, bevor sie eine Handlung auswählen. Diese Methode liefert nützliche Informationen, erfordert jedoch bei jeder Entscheidung viele Berechnungen.
Bestimmte Aufgaben des Alltags erfordern groĂźes Geschick und eine vorausschauende Planung der eigenen Bewegungen.
Von einer KI erzeugtes Bild
Ein Team, das unter anderem mit der Jiao-Tong-Universität Shanghai und ACE Robotics verbunden ist, schlägt mit ForeWAM einen anderen Ansatz vor. Statt sichtbare Zukunftsbilder zu erstellen, bewahrt das System eine interne Darstellung möglicher Veränderungen. Sie enthält Hinweise auf die Bewegung von Gegenständen, die Kontakte mit dem Roboter und den Fortschritt einer Aufgabe.
Anders gesagt muss die KI kein Video „sehen“, das sie gerade selbst erstellt hat. Sie bereitet interne Zustände vor, die möglichen Zukünften entsprechen, und verwendet diese Informationen erneut, wenn sie die nächste Bewegung berechnet. Dadurch entfallen mehrere aufeinanderfolgende Schritte zur Bilderzeugung.
Für das Training sind weiterhin echte Beobachtungen vor und nach einer Handlung erforderlich. Ein Modell, das ausschließlich während dieser Phase eingesetzt wird, hilft ForeWAM dabei, die relevanten Veränderungen zu erkennen. Nach dem Training funktioniert das System ohne diese zukünftigen Beobachtungen und ohne dieses zusätzliche Modell. Der Roboter erhält dann das aktuelle Bild und eine Anweisung und berechnet direkt seine Handlung.
Die Forschenden haben ihre Methode auf LIBERO, einer Sammlung simulierter Aufgaben zur robotischen Manipulation, bewertet. ForeWAM besteht durchschnittlich 96,7 % der Versuche erfolgreich. Eine andere Version erreicht 96,9 %. Jede Aufgabe des Standardtests wurde 50-mal wiederholt, wodurch sich die tatsächliche Erfolgsquote in dieser digitalen Umgebung messen lässt.
Ein zweiter Test, LIBERO-Plus, verändert die Kamera, die Beleuchtung, die Position des Roboters, die Anweisungen oder auch die Anordnung der Gegenstände. ForeWAM erreicht dort bei der bewerteten Stichprobe eine Erfolgsquote von 61,6 %. Dieses Ergebnis misst somit, wie widerstandsfähig das System gegenüber Situationen ist, die sich von denen während des Trainings unterscheiden.
Es bleibt zu prüfen, ob diese Methode ihre Vorteile außerhalb der Simulation beibehält. Die Autoren weisen darauf hin, dass ihre Versuche nur LIBERO und LIBERO-Plus abdecken. Andere Robotertypen, längere Aufgaben und reale physische Umgebungen könnten zu anderen Ergebnissen führen. Die Arbeit wird derzeit als Vorabveröffentlichung auf arXiv verbreitet.