Der Curling-Roboter Curly zeigt, dass Künstliche Intelligenz Menschen nicht nur in Computerspielen überlegen sein kann.
Was einst beim Brettspiel Go noch als Durchbruch in der KI-Forschung galt, ist 2020 Standard: Speziell trainierte KI-Systeme sind in digitalisierten oder digitalen Spielen den Menschen überlegen.
Sony-Forscher demonstrierten kürzlich einen unschlagbaren KI-Fahrer für das Videospiel Gran Turismo, die Deepmind-KI Alphastar dominierte menschliche Profispieler im Computer-Strategiespiel Starcraft 2 und OpenAI gelang das gleiche Kunststück im genreverwandten Dota 2. Auch Brettspiele wie Go oder Schach werden von KI als digitale Versionen simuliert und gespielt.
Der KI-basierte Roboter Curly zeigt jetzt, dass KI in einem Roboter auch körperbetone Sportarten besser spielen kann als der Mensch.
Curling-Roboter schlägt menschliche Profis
Zugegeben, besonders athletisch sieht Curly nicht gerade aus. Mit seinem runden Bauch, den drei kleinen Rädchen und dem langen Teleskop-Kameraauge erinnert der Roboter eher an eine putzige Figur aus einem Disney-Animationsfilm.
Aber Curlys Leistung zeigt, dass KI kein Adonis sein muss, um menschliche Athleten in die Schranken zu weisen: Drei von vier Curling-Partien gegen menschliche koreanische Spitzenteams konnte der Roboter für sich entscheiden. Das brachte den Forschern eine Veröffentlichung in der Fachzeitschrift Science Robotics ein.
Sensorische Herausforderung für Mensch und Roboter
Curly tritt im Team auf: Skip-Curly beobachtet das Spielfeld mit zwei Kameras während eines einzelnen Probewurfs. Eine Kamera sitzt oben im Auge, die andere nahe am Eis. Bei dem Probewurf kalibriert sich das System, vermisst die physikalischen Bedingungen, beispielsweise wie schnell oder langsam gleitet der Curlingstein über das Eis.
Skip-Curly hat zusätzlich die Spielsituation im Blick, also wie die schon geworfenen Curlingsteine in der Zielzone verteilt sind. Der Werfer-Curly nimmt diese Daten auf und setzt anschließend einen akurraten Wurf möglichst in die Mitte der Spielzone ab.
Dabei geht das System strategisch vor, simuliert viele mögliche Würfe sowie die Interaktion mit den anderen Spielsteinen, und wählt dann den optimalen Wurf aus.
"Alle strategischen Entscheidungen, Planungen, Schätzungen bei der Synchronisierung zwischen KI-Agenten und Robotersteuerung müssen nicht nur innerhalb von Echtzeit, sondern auch unter hohen Unsicherheiten durchgeführt werden. Dabei sind die Daten, die zur Verfügung stehen, um das Deep Learning-Netzwerk zu trainieren, sehr begrenzt. Insgesamt eine gewaltige Herausforderung für die moderne KI", erklärt Prof. Dr. Klaus-Robert Müller, Leiter der Arbeitsgruppe Maschinelles Lernen an der TU Berlin.
Lernen in der Simulation
Das Curling lernte Curly in einer Computersimulation des Spiels. Diese konnte die reale Physik des Curling offenbar akkurat nachstellen: Das rein am Computer ausgebildete System konnte nach dem KI-Training die digital gelernten Fähigkeiten verlässlich in der echten Welt abrufen - verkörpert im bauchigen Curly-Roboter.
Damit überwinden die Forscher der TU Berlin, des Max-Planck-Instituts für Informatik und der Korea University die sogenannte Realitätslücke. Zuvor gelang das ähnlich eindrucksvoll unter anderem Forschern von OpenAI und des Massachusetts Institute of Technology (MIT).
Prof. Dr. Seong-Whan Lee von der Korea University bezeichnet das Curling-Spiel wegen seiner Komplexität als "hervorragendes Testfeld" für Untersuchungen der Interaktion zwischen KI-Systemen und der realen Welt. Es sei "spannend zu sehen, wie zukünftig vergleichbare oder weiterentwickelte KI-basierte Systeme über das Curling hinaus mit der realen Welt und ihren großen Unsicherheiten interagieren werden."
Das folgende Video zeigt eine Version von Curly aus 2018.
Quellen: TU Berlin
