Wachsende Roboter lernen besser
Wenn Roboter lernen, sich zielgerichtet zu bewegen, und dabei ihren Körperbau verändern, lernen sie nicht nur schneller – das gelernte Verhalten ist auch robuster. Dies zeigen Simulationen, die Josh Bongard an der University of Vermont durchgeführt hat.
Dass Intelligenz einen Körper braucht, beherzigen Forschungen zur künstlichen Intelligenz seit gut 20 Jahren: Roboter sollen intelligentes Verhalten entwickeln, indem sie sich mit Hilfe ihrer Sensoren in einer realen Umgebung zurechtfinden. Bislang blieb ihr Körper dabei aber stets der gleiche, während er sich bei Lebewesen ständig verändert. Welchen Einfluss solche Körperveränderungen auf Lernprozesse haben, hat Josh Bongard an der University of Vermont jetzt untersucht.
In der Zeitschrift PNAS berichtet Bongard von Simulationen mit vierbeinigen und sechsbeinigen Robotern. Über ein neuronales Netz lernten sie, sich in Richtung einer Lichtquelle zu bewegen, während ihnen nach und nach Beine wuchsen. Das heißt, sie bewegten sich zunächst, indem sie schlangenartig die Winkel ihrer zwei (bei den Vierbeinern) beziehungsweise drei (bei den Sechsbeinern) Körpersegmente zueinander veränderten. In weiteren Entwicklungsstufen konnten sie Beine einsetzen, die in Winkeln von 30, 60 und schließlich 90 Grad auf den Boden aufsetzten. Das Körperwachstum konnte während einer Evaluationsperiode mit unterschiedlicher Geschwindigkeit erfolgen oder auf verschiedene Robotergenerationen verteilt werden. Außerdem variierte Bongard den Schwierigkeitsgrad der Testumgebung, indem er die Lichtquelle immer weiter von der ursprünglichen Bewegungsrichtung des Roboters weg bewegte. Mit jeder Variante führte er 100 Versuche durch, die entweder mit der Entwicklung eines erfolgreichen Verhaltens endeten oder nach 30 Stunden Rechenzeit abgebrochen wurden.
Es zeigte sich, dass das Verhalten deutlich schneller gelernt wurde, wenn der Lernprozess von Veränderungen des Körperbaus begleitet war. Zudem erwies sich das so gelernte Verhalten auch als robuster gegenüber zufälligen Störungen. Das neuronale Netz, das schon während seiner Entwicklung auf sich verändernde Sensor-Motor-Verhältnisse hatte reagieren müssen, konnte offenbar auch besser mit verrauschten Sensordaten umgehen.
Bongard beobachtete auch die Entwicklung einer Art funktioneller Modularität: Bei den Robotern, deren Körperbau sich parallel zum neuronalen Netz entwickelte, blieb die wellenförmige Bewegung der Körpersegmente stärker erhalten. Im Unterschied zu den Robotern, die von vornherein Beine hatten, scheint hier das "Rückgrat" vornehmlich für den Antrieb verantwortlich zu sein, während die Beine vor allem die Balance halten. Das müsse noch genauer untersucht werden, so Bongard. Aber auch die bisherigen Ergebnisse seiner Studie unterstrichen den Vorteil stark modular aufgebauter Roboter, die sich nicht nur auf der Programmebene, sondern mit der Hardware an ihre Aufgaben und Umgebungen anpassen könnten. (pmz)
