Inhaltsverzeichnis
Was ist RoboBrain?
Die Wörter ‚Roboter‘ und ‚Gehirn‘ finden sich für gewöhnlich selten in einem direkten Zusammenhang, da sich für die meisten wahrscheinlich der Gedanke an Programme und eingespeicherte Abläufe aufdrängt. Wissenschaftler der renommierten amerikanischen Universitäten Cornell, Stanford, Berkeley und Brown haben dagegen eine andere Sichtweise der Dinge entwickelt: sie forschen an einer dynamischen Online-Datenbank, einem massiven Gehirn, auf das Roboter nicht nur Zugriff haben sollen, um zu lernen, sondern gleichzeitig, um das Neuerlernte einzuspeisen und so zur ständigen Weiterentwicklung des RoboBrain beizutragen.
Einfach gesprochen stellt RoboBrain ein umfassendes, ineinander greifendes und sich ständig erweiterndes Wissensdepot dar, das Robotern Unterstützung für ihre Tätigkeiten in der realen Welt offeriert. Beispielsweise wie Objekte erfasst und gehandhabt werden oder wie sich Gegenstände erkennen lassen. Dabei bedient sich RoboBrain aus dem unendlichen Pool an Daten, die im Internet frei verfügbar sind und schafft einen kabellosen, kostenfreien Service, den Forscher überall auf der Welt in Anspruch nehmen können, um das vorhandene Wissen in lokale Roboter zu transplantieren.
Hintergründe der Entwicklung
RoboBrain ist erst im Juli 2014 online gegangen und hat seitdem bereits über 1 Milliarde Bilder, 120.000 YouTube-Videos und rund 100 Millionen Anleitungen gesammelt. Diese werden mit dem Ziel verarbeitet, die Objekte darin auszumachen und durch die Verbindung von Text mit Bildern und Videos den Umgang mit ihnen zu lernen, ebenso wie die menschliche Sprache und menschliches Verhalten. Aber warum eigentlich ein RoboBrain?
Wenn es heutzutage darum geht, einem Roboter eine bestimmte Tätigkeit zuzuweisen, benötigt dies die händische Eingabe der entsprechenden neuen Software oder die Nutzung einer bereits geschriebenen Software. Soll dieser Roboter eine weitere Aufgabe lernen, beginnt der Prozess von vorn. Professor Ashutosh Saxena, Mitglied des Kernteams des RoboBrain-Projektes, hält diese Vorgehensweise ganz besonders vor dem Hintergrund der heutigen Trends in Technologie und künstlicher Intelligenz für ineffizient, da diese danach streben, die Leistung von Verbundsystemen, also massiven Computerclustern, auszuschöpfen, die über das Internet mit einzelnen Geräten kommunizieren. RoboBrain wurde geschaffen als Teil dieser bestehenden Bewegung der sogenannten Cloud-Robotik.
Zusätzliche Herausforderungen
Das Projekt RoboBrain sieht sich neben der eigentlichen Herausforderung, Robotern das Lernen zu ermöglichen, auch damit verbundenen Problemstellungen gegenüber, die in verschiedenen Bereichen angesiedelt sind.
Maschinelles Lernen
Die Fähigkeit, aus einer Vielzahl an multimodalen Daten und diversen Arten von Lernsignalen lernen zu können, ist der Schlüssel zum Aufbau von RoboBrain. Durch unterschiedliche Lerntypen, wie ‚Deep Learning‘, ‚Structured Learning and Discovering Latent Factors‘ oder ‚Interactive Online Learning’ gelingt es, gute Darstellungen zu lernen, räumliche und semantische Beziehungen zwischen Objekten zu modellieren und neue theoretisch fundierte Online-Lernalgorithmen zu entwickeln.
Datenverarbeitung in großem Maßstab
Roboter müssen mit vielen Arten von Daten aus vielen Quellen hantieren und sind ähnlich dem Menschen multimodale Systeme. Zunächst gilt es also, eine Speicherschicht zu schaffen, die die verschiedenen Modalitäten von Daten unterstützt. Für RoboBrain bedeutet das die Integration von 100.000 Datenquellen und diversen überwachten und nicht überwachten Lernalgorithmen für Maschinen, von denen sich Forscher die Verschmelzung zu einem großen Online-Netzwerk erhoffen. Also ein Speichersystem, das einzelne Lernmodelle miteinander koppeln kann.
Sprache und Dialog
Für eine reibungslose Zusammenarbeit von Menschen und Robotern müssen Roboter in der Lage sein, durch natürliche Sprache mit ihnen zu interagieren. Dies schließt nicht nur die grammatikalische Bestimmung der menschlichen Sprache ein, sondern auch das Verarbeiten der jeweiligen Bedeutung in passende Aktionen, die auf dem Kontext und der Umgebung basieren. Aus diesem Grund ist es notwendig, Lernalgorithmen zu schaffen, die die Mehrdeutigkeit der Sprache, die Unsicherheit der Roboterhandlungen sowie die implizite Darstellung der Aufgaben und der Umgebung nachbilden können.
Wahrnehmung (Bilder und Videos in 3D)
Um in der Umwelt zu agieren, sollte ein Roboter im Stande sein, die ihn umgebenden Objekte, Möbel, Menschen, Strassenschilder etc. zu verstehen. Dies verlangt nach datengesteuerten Sichtalgorithmen, die in Echtzeit laufen. Die damit verbundenen Herausforderungen übersteigen jene der traditionellen Bilderkennung, weil
• die Wahrnehmung für Aktionen gedacht ist, in denen das Agens konstant mit seiner Umgebung interagiert und diese modifiziert.
• das Agens einen Reihe an Wahrnehmungssignalen nutzen kann, wie 2D-Bilder, Videos, ebenso wie 3D Punktwolkendaten von RGBD und LIDAR Sensoren.
Künstliche Intelligenz und System des logischen Denkens
Roboter müssen über die Einschränkungen und das Verhalten der Handelnden in der realen Welt vernünftig nachdenken. Es werden also Methoden entwickelt, die die Absichten anderer Menschen modellieren, d.h. Methoden, die Einschränkungen durch das Beobachten von Vorkommnissen in der Umgebung lernen. Im Gegensatz zu anderen traditionellen regelbasierten Systemen, besteht die Herausforderung darin, solches Wissen zu erlernen und mit Rücksicht auf die Wahrscheinlichkeit in das RoboBrain zu integrieren.
Ausführungsform (Roboter Anwendungen)
RoboBrain wird in verschiedenen Robotern verwendet. Da sich jeder Roboter physikalisch unterscheidet und in einer Vielzahl von Umgebungen operiert, sind Methoden nötig, die es RoboBrain erlauben, in verschiedenen Robotern für unterschiedliche Aufgaben ausgeführt zu werden.
Unterstützer und das Team von RoboBrain
Das Projekt hat zahlreiche namhafte Unterstützer und Sponsoren, darunter Microsoft und Google, aber auch die National Science Foundation, das Office of Naval Research, das Army Research Office, Qualcomm, die Alfred P. Sloan Foundation sowie die National Robotics Initiative.
Das Kern-Forschungsteam setzt sich zusammen aus:
- Prof. Ashutosh Saxena (Cornell/ Stanford; Roboter-Lernen und Projektführung)
- Ashesh Jain (Cornell/ Stanford; Interaktives Online-Lernen)
- Ozan Sener (Cornell/ Stanford; Visuelle Erkennung und Sprache)
- Dipendra K. Misra (Cornell/ Stanford; Robotersprache (Tell me Dave))
- Aditya Jami (Cornell/ Zoodig; Großsysteme)
Die projekteigene Homepage zeigt Besuchern, was RoboBrain bereits gelernt hat und gibt ihnen die Möglichkeit, Ergänzungen und Korrekturen vorzunehmen: http://robobrain.me/#/
Zusammenfassung
- RoboBrain ist ein Projekt, das darauf zielt, unterschiedlichsten Robotern weltweit das kollektive Lernen zu ermöglichen.
- Als Grundlage dienen freiverfügbare Daten (Bilder, Videos, Anleitungen, Konzepte etc.) aus dem Internet, die RoboBrain sammelt und verarbeitet.
- Es wurde erst im Juli 2014 online gestellt, hat bisher jedoch schon eine Unmenge an Daten gesammelt, die sogar auf der projekteigenen Homepage einsehbar sind.
Quellen:
Dana Neumann
