Maschinelles Lernen trifft Robotik: KI als Gehirn der neuen Generation

KI und Robotik: Eine symbiotische Revolution

Lange Zeit waren Roboter und künstliche Intelligenz separate Disziplinen. Roboter waren mechanische Systeme, die präzise programmierte Bewegungen ausführten. KI war Software, die auf Servern lief und Texte oder Bilder analysierte. Heute verschmelzen diese Welten – und das Ergebnis ist transformativ.

Embodied AI – verkörperte künstliche Intelligenz – ist das neue Paradigma: KI-Systeme, die nicht nur in der digitalen Welt existieren, sondern durch Roboterkörper in der physischen Welt agieren, lernen und sich anpassen. Diese Entwicklung wird die Robotik grundlegend verändern.

Reinforcement Learning: Lernen durch Versuch und Irrtum

Die mächtigste Methode, Roboter zu trainieren, ist heute Reinforcement Learning (RL). Statt einem Roboter explizit zu sagen, wie er sich bewegen soll, gibt man ihm ein Ziel und eine Belohnungsfunktion – und lässt ihn durch Millionen von Versuchen selbst herausfinden, wie er das Ziel erreicht.

Das Schweizer Unternehmen Anybotics (ETH-Spin-off) nutzt RL, um ANYmal beizubringen, in unbekanntem Terrain zu navigieren. Das System trainiert in der Simulation – wo Millionen von Stürzen und Fehlversuchen keine Rolle spielen – und überträgt das Gelernte dann auf den echten Roboter. Das Ergebnis: Bewegungsstrategien, die kein menschlicher Programmierer je hätte entwickeln können.

OpenAI's Dactyl hat gezeigt, dass ein Roboterhand-System durch RL lernen kann, einen Rubik's Cube zu lösen – eine Aufgabe, die feinste Fingerfertigkeit erfordert. Das System entwickelte dabei Greifstrategien, die Robotikexperten überraschten.

Foundation Models für Robotik: GPT für die physische Welt

Der nächste grosse Sprung kommt von Foundation Models – grossen vortrainierten KI-Modellen, die auf riesigen Datensätzen trainiert wurden und dann für spezifische Aufgaben angepasst werden.

Google's RT-2 (Robotics Transformer 2) ist ein Sprachmodell, das gleichzeitig Roboterbewegungen steuern kann. Man kann ihm in natürlicher Sprache sagen: "Nimm die leere Flasche und wirf sie in den Recyclingbehälter" – und es versteht nicht nur die Sprache, sondern auch die physische Aufgabe und führt sie aus.

Schweizer Forscher an der ETH Zürich arbeiten an ähnlichen Systemen, die speziell für industrielle Umgebungen optimiert sind. Das Ziel: Roboter, die man wie einen neuen Mitarbeiter einweisen kann – durch Erklärungen und Demonstrationen, nicht durch Programmierung.

Computer Vision: Roboter lernen sehen

Damit Roboter in der realen Welt agieren können, müssen sie ihre Umgebung verstehen. Computer Vision – die Fähigkeit von Computern, visuelle Informationen zu interpretieren – hat durch Deep Learning in den letzten Jahren enorme Fortschritte gemacht.

Das Vision for Robotics Lab der ETH Zürich hat Algorithmen entwickelt, die Robotern ermöglichen, Objekte in Echtzeit zu erkennen, zu greifen und zu manipulieren – selbst wenn sie das Objekt noch nie gesehen haben. Durch Few-Shot Learning können Roboter neue Objekte nach nur wenigen Beispielen erkennen.

Besonders beeindruckend: Nerf (Neural Radiance Fields) ermöglicht es Robotern, aus wenigen Fotos ein vollständiges 3D-Modell ihrer Umgebung zu erstellen – und dieses für Planung und Navigation zu nutzen.

Natürlichsprachliche Interaktion: Roboter, mit denen man reden kann

Die Integration von Large Language Models (LLMs) in Robotersysteme öffnet völlig neue Möglichkeiten der Mensch-Roboter-Interaktion. Statt komplexer Programmiersprachen kann man Robotern in natürlicher Sprache Aufgaben erklären.

Das Startup Covariant (mit Schweizer Investoren) hat ein System entwickelt, bei dem Lagerroboter durch natürlichsprachliche Anweisungen gesteuert werden können. Ein Lagerarbeiter kann sagen: "Sortiere alle roten Pakete nach Gewicht und stelle sie auf Palette 3" – und der Roboter führt die Aufgabe aus, ohne vorher darauf trainiert worden zu sein.

Schwarmrobotik: Kollektive Intelligenz

Inspiriert von Ameisenkolonien und Vogelschwärmen erforscht die Schweizer Robotik Schwarmrobotik: Systeme, in denen viele einfache Roboter ohne zentrale Steuerung kollektiv komplexe Aufgaben lösen.

Das Distributed Intelligent Systems and Algorithms Laboratory (DISAL) der EPFL unter Professor Alcherio Martinoli ist weltweit führend in diesem Bereich. Ihre Forschung zeigt: Schwärme aus einfachen Robotern können komplexe Aufgaben wie Kartierung, Suche und Rettung effizienter lösen als einzelne hochentwickelte Systeme.

Praktische Anwendungen entstehen bereits: Schwärme von Drohnen für die Kartierung von Katastrophengebieten, Schwärme von Unterwasserrobotern für die Meeresforschung, Schwärme von Miniaturrobotern für die präzise Landwirtschaft.

Ethik und Sicherheit: Die andere Seite der KI-Robotik

Mit zunehmender Autonomie steigen auch die ethischen Fragen. Wer haftet, wenn ein autonomer Roboter einen Fehler macht? Wie stellt man sicher, dass KI-Systeme in Robotern keine unerwünschten Verhaltensweisen entwickeln?

Die Schweiz nimmt diese Fragen ernst: Das AI Center der ETH Zürich forscht nicht nur an KI-Fähigkeiten, sondern auch an AI Safety – Methoden, um sicherzustellen, dass KI-Systeme sicher, zuverlässig und im Sinne menschlicher Werte handeln.

Das Schweizer Startup Lakera entwickelt Sicherheitssysteme für KI-Anwendungen – auch für Roboter. Ihr Ansatz: KI-Systeme müssen nicht nur leistungsfähig, sondern auch robust sein – resistent gegen unerwartete Situationen und böswillige Manipulation.

Ausblick: Allgemeine Roboter-KI

Das ultimative Ziel der KI-Robotik-Forschung ist Artificial General Robotics Intelligence (AGRI): Roboter, die wie Menschen in beliebigen Umgebungen beliebige Aufgaben erlernen und ausführen können.

Wir sind noch weit davon entfernt – aber die Fortschritte der letzten fünf Jahre übertreffen alle Prognosen. Die Konvergenz von Foundation Models, Reinforcement Learning und verbesserter Hardware lässt erwarten, dass wir bis 2030 Roboter sehen werden, die sich in ihrer Lernfähigkeit und Anpassungsfähigkeit fundamental von heutigen Systemen unterscheiden.

Die Schweiz, mit ihrer einzigartigen Kombination aus Weltklasse-Forschung, Industriestärke und Innovationskultur, ist gut positioniert, an der Spitze dieser Revolution zu stehen.