Google präsentiert KI

Google hat seinen zweijährigen Testlauf mit KI-gesteuerten Robotern vorgestellt, die Wertstoffe und Abfälle mit einem hohen Maß an Effizienz sortieren, und könnte damit möglicherweise einen Vorgeschmack auf die Zukunft geben.

Durch die Anwendung von RL waren die mobilen Roboter mit Vision-Systemen und einem Arm in der Lage, reale Aufgaben in Arbeitsumgebungen zu bewältigen, wobei eine Kombination aus Offline- und Online-Daten es ihnen ermöglichte, sich an die große Variabilität realer Situationen anzupassen .

Die Studie programmierte die Roboter – bereitgestellt von Everyday Robots, einem Teil der Google-Muttergesellschaft Alphabet – so, dass sie umherwandern und nach „Abfallsituationen“ suchen – Behältern für Wertstoffe, Kompost und Müll. Anschließend wurden sie damit beauftragt, die Gegenstände zwischen den Behältern zu sortieren, sodass alle Wertstoffe (Dosen, Flaschen) in den Wertstoffbehälter gelegt wurden, die kompostierbaren Gegenstände (Kartonbehälter, Pappbecher) in den Kompostbehälter gelegt wurden und alles andere hineingelegt wurde die Restmülltonne.

Die Roboter wurden mit grundlegenden Fähigkeiten ausgestattet – dem Prozess, durch den ein Computer mithilfe eines viel kleineren Anfangsprogramms mit einem Programm geladen wird. Die Fähigkeiten umfassten vier Erfahrungssätze:

Zur Motivation für die Studie sagte das Forschungsteam, dass RL-fähige Roboter Schwierigkeiten haben, sich anzupassen, da die reale Welt komplex und vielfältig ist und sich im Laufe der Zeit verändert, und dass sie daher im alltäglichen Umfeld noch nicht häufig eingesetzt werden.

Die „Roboter-Klassenzimmer“ bieten einen großen Teil der Erfahrung der Roboter. Das Team sagte, dass reale Bürogebäude zwar das repräsentativste Erlebnis bieten können, der Durchsatz bei der Datenerfassung jedoch begrenzt ist – an manchen Tagen muss viel Müll sortiert werden, an anderen nicht so viel.

Am Ende der zwei Jahre sammelte das Team 540.000 Versuche in den Klassenzimmern und 32.500 Versuche aus dem Einsatz. Es stellte sich heraus, dass sich die Gesamtleistung des Systems verbesserte, je mehr Daten gesammelt wurden. Das endgültige System wurde in den Klassenzimmern für kontrollierte Vergleiche mit Szenarien evaluiert, die auf dem basierten, was die Roboter während des Einsatzes sahen.

Neben der 84-prozentigen Genauigkeit des endgültigen Systems zeigten Tests in der Praxis, dass das System die Kontamination um 40 bis 50 Gewichtsprozent reduzieren konnte. Dies wurde anhand von Statistiken aus drei realen Einsätzen zwischen 2021 und 2022 ermittelt.

Das Team stellt fest, dass die endgültigen RL-Richtlinien nicht immer erfolgreich sind und dass größere und leistungsfähigere Modelle benötigt werden, um die Leistung zu verbessern und sie auf ein breiteres Aufgabenspektrum auszudehnen. Andere Erfahrungsquellen, unter anderem aus anderen Aufgaben, anderen Robotern und sogar Online-Videos, können dazu dienen, das Bootstrapping-Erlebnis weiter zu ergänzen.