Hirn folgt Bein
Schottische Forscher haben eine Robotersteuerung entwickelt, die sich selbst an Veränderungen bei Sensoren und Aktoren anpassen soll, etwa wenn einer Laufmaschine zusätzliche Beine montiert werden.
Forscher der Robert Gordon University im schottischen Aberdeen haben eine Robotersteuerung auf Basis künstlicher neuronaler Netze entwickelt, die sich selbstständig an Veränderungen der Gestalt des Roboters anpassen soll – etwa, wenn einer Laufmaschine zusätzliche Beine montiert werden. Mit Hilfe dieses Ansatzes, so hoffen die Wissenschaftler um Christopher MacLeod, könnten die künstlichen Nervenzellen der Maschinen im Zeitraffer zustande bringen, wozu sich die Evolution in der biologischen Welt Millionen von Jahre Zeit gelassen hat: Mit immer komplexeren Gehirnen die sich herausmendelnden Bewegungsapparate unter Kontrolle zu behalten, ohne dabei bewährte Strukturen aufzugeben.
Möchte man Robotern für jede denkbare Situation ihres Maschinenlebens ein hart einprogrammiertes Patentrezept mit auf den Weg geben, hat man eine Menge zu tun – vielversprechender erscheint es deshalb etlichen Forschern seit einigen Jahren, die Maschinen selbst ausprobieren zu lassen, wie sie mit der Welt klarkommen. Dazu verknüpft man Sensoren und Aktoren mit einem künstlichen neuronalen Netz, versieht die Verbindungen zwischen den virtuellen Nervenzellen mit zufälligen Gewichten und definiert ein Fitnesskriterium, bei einer Laufmaschine beispielsweise, nicht das Gleichgewicht zu verlieren. Über eine große Anzahl von simulierten Roboter-Generationen bilden sich oft erstaunlich robuste und vielfältige Verhaltensweisen heraus; die Maschinen sind damit sogar zu Kooperation fähig oder entwickeln scheinbar Räuber-Beute-Beziehungen.
Bisherige Forschungen mit evolutionär optimiertem Robotercode unterschieden sich von der biologischen Evolution allerdings dadurch, dass die Hardware-Konfiguration während aller Generationen in der Regel die gleiche blieb. Diese Einschränkung versucht die Gruppe um MacLeod mit ihrem Incremental Evolutionary Algorithm (IEA) zu überwinden. Als Versuchskaninchen diente ihnen ein simpler Roboter im Format eines Taschenbuchs, dem zunächst lediglich zwei um 180 Grad rotierbare Stifte als primitive Beine dienten. Sechs Neuronen dienten der Steuerung. Die Aufgabe: in tausend Sekunden sich so weit wie möglich fortzubewegen, egal wie.
Als der Roboter "Hüpfen wie ein Schlammspringer" gelernt hatte, wie das Magazin NewScientist den Forscher MacLeod zitiert, fügte man den starren Beinen Kniegelenke und weitere Glieder hinzu. Nach Angaben der Wissenschaftler registriert die Software, dass das bisher gefundene Rezept nicht mehr funktioniert, verwirft es aber nicht komplett, sondern fügt dem neuronalen Netz zusätzliche künstliche graue Zellen hinzu. Während sich die Verknüpfungen zwischen den Neulingen wiederum nach evolutionären Prinzipien auf ein Optimum einspielen, bleibt die Konfiguration des ersten Netzes unangetastet. Auf die gleiche Weise soll der Roboter schrittweise lernen, beispielsweise ein zweites Beinpaar oder Lichtsensoren zur Orientierung einzubinden. Dabei wächst das neuronale Netz buchstäblich mit seinen Aufgaben: "Das ist genau die Weise, wie das Gehirn sich entwickelt hat, indem es sich in Schichten übereinander aufbaute", ist Macleod überzeugt.
Andere Forscher begeistert der Ansatz allerdings nicht. So glaubt Kevin Warwick von der University of Reading, dass das "Einfrieren" älterer Teile des Netzes ein Fehler ist: "Der Ansatz wird dazu führen, dass man viel mehr Neuronen braucht, um am Ende eine Aufgabe schlecht zu erledigen, während eine kleinere Anzahl von Neuronen gut abgeschnitten hätte", äußerte sich der Wissenschaftler gegenüber NewScientist. Genau dies will MacLeods Team allerdings bereits ausprobiert haben und zu dem gegenteiligen Ergebnis gekommen sein. (pek)
