Deep Learning
Trial & Error für Roboter
Computer-Forscher der University of California-Berkeley haben Algorithmen entwickelt, die es Robotern ermöglichen sollen, motorische Abläufe, die für das Lösen von vorgegebenen Aufgaben nötig sind, nach dem ‚trial and error‘-Prinzip eingenständig zu erlenen. Das Team ließ in einer Demonstration ihren Forschungsroboter BRETT erlernen, wie er beispielsweise Kleiderbügel an einer Garderrobe aufhängen, ein Spielzeugflugzeug zusammenbauen, oder eine Wasserflasche aufdrehen kann.
Mit dem neuen System „Deep Learning“ wird es Robotern in Zukunft möglich sein, wie ein Kind zu erlernen, welche Aktionen zu Erfolg und Misserfolg einer Aufgabe beitragen, wodurch eine flexible Reaktion auf die Umgebung ermöglicht werden soll. Alle jene, die sich von den Fähigkeiten BRETTs mit eigenen Augen überzeugen wollen, sollten sich das folgende Video zu Gemüte führen.
Kommentare