Ist das Zeitalter der humanoiden Roboter endlich gekommen?

Shen Translation ist ein Übersetzungsteam von 36Kr, das sich auf Bereiche wie Technik, Wirtschaft, Arbeitswelt und Leben konzentriert und vor allem neue Technologien, neue Ansichten und neue Trends aus dem Ausland vorstellt.

Anmerkung der Redaktion: Als zentraler Förderer der DARPA Robotics Challenge hat Gill Pratt die Reise humanoider Roboter von dem Labor in die reale Welt miterlebt. Heute lassen die Durchbrüche in der KI-Technik endlich hoffen, dass das „Gehirn“ der Roboter mit der Evolution ihrer Körper Schritt halten kann, und die kommerzielle Umsetzung zeichnet sich langsam ab. In diesem Interview geht Pratt sowohl auf die entscheidenden Punkte der technischen Entwicklung zurück, weist auf den grundlegenden Unterschied zwischen Mustererkennung und echter Schlussfolgerung hin, als auch stellt er sich Branchenprobleme wie den Datenengpass und die Kontroversen um Anwendungsbereiche. Seine Aufmerksamkeit für die Bedürfnisse einer alternden Gesellschaft und seine kritische Betrachtung des Hype-Blasen lassen die technische Diskussion wieder zu ihrem humanistischen Wesen zurückkehren. Dieser Text stammt aus einer Übersetzung und soll Ihnen neue Erkenntnisse liefern.

Foto von Gill Pratt mit einem frühen Roboter.

Im Jahr 2012 kündigte die Defense Advanced Research Projects Agency der Vereinigten Staaten die „DARPA Robotics Challenge“ (DRC) an. Dieser über mehrere Jahre dauernde, mehrere Millionen Dollar teure Wettbewerb für Rettungsroboter bei Katastrophen hat nicht nur den Atlas-Roboter von Boston Dynamics hervorgebracht und viele beeindruckende Momente der ersten Generation praktischer humanoider Roboter geschaffen, sondern auch ein bis heute verbreitetes lustiges Video von Fehlern hinterlassen.

Als Leiter dieses Wettbewerbs hat Gill Pratt ein klares Verständnis für die Bedeutung der DARPA Robotics Challenge auf dem Gebiet der Robotik. Im Jahr 2012 sagte er in einem Interview mit *IEEE Spectrum*: „Der ursprüngliche Zweck der DARPA Robotics Challenge ist es, die Entwicklung dieses Gebiets voranzutreiben und diese Robotertechnik wirklich in die Anwendung zu bringen.“ Damals wies er darauf hin, dass vor der DARPA Grand Challenge 2004 und der DARPA Urban Challenge 2007 es praktisch keine fahrerlosen Autos gab, die für komplexe Umgebungen geeignet waren. Er ist der Ansicht, dass die DARPA Robotics Challenge die gleiche Veränderung für das Gebiet der Robotik herbeiführen wird.

Fast zehn Jahre sind seit dem Ende der DARPA Robotics Challenge vergangen. Viele in der Branche glauben, dass humanoiden Roboter bald den von Pratt damals vorhergesagten umwälzenden Entwicklungsmoment erleben werden. Aber die Normalität in der Robotik besteht darin, dass die tatsächliche Schwierigkeit oft weit über die Erwartungen hinausgeht. *IEEE Spectrum* hat Pratt, der heute Geschäftsführer des Toyota Research Institute ist, interviewt, um die Hindernisse für die Entwicklung humanoider Roboter, seine Ansichten zu den Anwendungsbereichen dieser Roboter und die Frage, wie man mit dem Blasenproblem umgehen kann, das durch den Hype um humanoiden Roboter entstanden ist, zu ergründen.

Wie sehen Sie das Robotik-Zeitalter, in dem wir uns derzeit befinden?

Gill Pratt: Was sich wirklich verändert hat, sind nicht die humanoiden Roboter selbst. Seit langem forschen viele Wissenschaftler an Robotern mit humanoider Struktur. Der heutige Kernunterschied liegt nicht im Körper des Roboters, sondern in seinem „Gehirn“. In der Robotik gab es immer dieses Ungleichgewicht: Die mechanischen Strukturen, die wir entwickelt haben, sind extrem leistungsfähig, aber wir haben nie einen Weg gefunden, dass der tatsächliche Nutzen der Roboter ihrem Potenzial entspricht. Die Revolution auf dem Gebiet der künstlichen Intelligenz in den letzten Jahren hat uns endlich diese Fähigkeit verliehen.

Wenn man zehn Jahre zurückblickt, neigt man leicht dazu, viele der heutigen Entwicklungen kommerzieller humanoider Roboter direkt der DARPA Robotics Challenge zuzuschreiben. Ist diese Ansicht nicht unangemessen?

Foto von Gill Pratt mit der frühen Version des Valkyrie-DRC-Roboters der NASA.

Pratt: Das ist nicht unangemessen, aber ich bin dem gegenüber bescheiden. Die DARPA Robotics Challenge konzentrierte sich auf ein Modell, das halbautonome Steuerung und halb-echtzeitige Fernsteuerung kombiniert, einschließlich Fernüberwachung und der Verstärkung der Überwachungsfähigkeiten durch halbautonome Techniken in Echtzeit zur Erledigung von Aufgaben, während Fernbediente Anweisungen erteilen. All dies geschah vor den jüngsten Durchbrüchen in der KI-Technik.

Die heutige Veränderung besteht darin, dass wir einen Weg gefunden haben, Roboter Aufgaben beizubringen und ihnen entsprechende Fähigkeiten zu verleihen, ohne Code schreiben zu müssen – wir müssen den Robotern nur den Ablauf der Bedienung demonstrieren. Mit ausreichenden Demonstrationsdaten und neuen KI-Techniken kann die Leistung der Roboter eine nie zuvor erreichte Höhe erreichen.

Aber Daten sind der Entwicklungsengpass, nicht wahr? Wie können wir festlegen, was die Daten enthalten sollen und wie viele Daten benötigt werden, damit Roboter Aufgaben stabil erledigen können?

Pratt: Das ist genau die gleiche Debatte wie im Bereich der großen Sprachmodelle. Ein Teil der Leute glaubt, dass große Sprachmodelle im Wesentlichen autoregressive Vorhersagemodelle sind, die das nächste Wort anhand des vorherigen Inhalts erraten können. Solange man das Problem der Halluzinationen mit verschiedenen Methoden behebt, kann man am Ende ein vertrauenswürdiges KI-System schaffen. Der andere Teil der Leute hält diese Idee für unsinnig und meint, dass wir einen anderen Weg gehen müssen. Ich stimme dieser Ansicht zu: Wir müssen Weltmodelle aufbauen, damit KI-Systeme die Fähigkeit zur Vorstellung, zum Ausprobieren von Fehlern und zur echten Schlussfolgerung erhalten.

Man muss wissen, dass das, was wir „Schlussfolgerung“ nennen, eigentlich das Konzept der Mustererkennung ist. Die Bezeichnung „Fähigkeit zur Schlussfolgerung“ ist nur ein Etikett, das man den Forschungsergebnissen anheftet, keine echte Schlussfolgerung.

Der Datenengpass beim Roboterlernen

Das ist der Unterschied zwischen dem Denken des „ersten Systems“ und des „zweiten Systems“, nicht wahr?

Pratt: Genau. Das erste System ist das schnelle, instinktive reaktive Denken des Menschen, das auch das Mustererkennungsmodell ist, das die heutigen großen Sprachmodelle anwenden; das zweite System ist das langsame Schlussfolgern mit Vorstellung und Weltmodell, ein Bereich, den wir noch nicht erreicht haben. Die Entwicklung des ersten Systems hat außergewöhnliche Durchbrüche erzielt, aber das zweite System befindet sich noch in einer leeren Phase. Zu versuchen, das erste System so zu verbessern, dass es die Fähigkeiten des zweiten Systems erhält, ist wie das Quetschen eines mit Wasser gefüllten Ballons: Wenn man eine Seite drückt, wölbt sich das Wasser auf der anderen Seite heraus. Man stellt ständig fest, dass man ein Problem gelöst hat, aber ein anderes taucht sofort auf, und die Gesamtleistung hat keine wesentliche Verbesserung erfahren.

Wie lösen Sie dieses Problem im Toyota Research Institute?

Pratt: Vor zwei Jahren haben wir das Diffusionsstrategie-Modell vorgeschlagen und danach eine Technik entwickelt, die ich als großes Verhaltensmodell bezeichne. Diese Technik ermöglicht das Training mehrerer Aufgaben mit einem einzigen Modell, und die Praxis hat gezeigt, dass jede neu hinzugefügte Trainingsaufgabe das Lernen anderer Aufgaben unterstützt und gleichzeitig die Menge an Trainingsdaten reduziert, die benötigt wird, um den festgelegten Leistungsstandard zu erreichen. Das sind alles wichtige Durchbrüche im Bereich des ersten Systems.

Der entscheidende Moment für unseren Durchbruch war die Entdeckung, dass die Diffusionstechnik zur Steuerung des Roboter-Verhaltens angewendet werden kann. Die Forschung hat bestätigt, dass das Betriebsmodus des Verhaltensraums von visuellen Eingaben zu Handlungsausgaben außerordentlich gut funktioniert. Diese Entdeckung hat die gesamte Branche vorangebracht, und fast alle Roboter-Demonstrationen, die wir seitdem gesehen haben, verwenden irgendeine Form des Diffusionsstrategie-Modells. Aber im Grunde genommen ist das immer noch Mustererkennung des ersten Systems: „Wenn ich eine solche Umgebung sehe, führe ich eine solche Handlung aus.“ Roboter stellen sich keine Vorstellungen, denken und planen nicht wie traditionell manuell programmierte Roboter, sondern reagieren nur reaktiv.

Aber genau wie die Schwierigkeiten, mit denen die autonome Fahrtechnik konfrontiert ist, funktioniert die Mustererkennung des ersten Systems in realen Szenarien oft nicht.

Pratt: Vor zehn Jahren, als das Toyota Research Institute gerade gegründet wurde, glaubten fast alle, dass die autonome Fahrtechnik bald weit verbreitet sein wird.

Heute, zehn Jahre später, bin ich der Ansicht, dass die Technik bereits ausgereift ist, und die verbleibenden Probleme sind alle kommerzieller Natur: Hardwarekosten, Versicherungskosten, Betriebskosten und die Frage, ob die Anwendung der Technik wirtschaftlich machbar ist. Wir haben das Problem des autonomen Fahrens noch nicht vollständig gelöst, aber die vorhandenen Lösungen sind bereits praktisch genug, weil wir Menschen als Unterstützung im Hintergrund eingeführt haben. Wenn ein autonomes Fahrzeug aufgrund eines am Straßenrand falsch geparkten Fahrzeugs in Schwierigkeiten gerät, sendet es eine Anfrage an den Hintergrundserver, und ein Mensch trifft eine Entscheidung auf der Ebene des zweiten Systems. Ich glaube, dass andere Roboter dieses Modell auch anwenden können: Die meiste Zeit arbeiten sie autonom, und gelegentlich bitten sie aktiv um menschliche Hilfe.

Da die autonome Fahrtechnik gerade erst ausgereift ist, warum sollten wir dann so viel Energie in die Entwicklung zweibeiniger humanoider Roboter stecken?

Pratt: Die reale Welt, die Menschen gebaut haben, ist an die körperliche Struktur des Menschen angepasst. Wenn Roboter in dieser Welt effizient arbeiten wollen, müssen sie diese Anpassungsbedingungen nutzen. Gleichzeitig ist die humanoide Struktur auch für das Lernen durch Nachahmung vorteilhafter, da Roboter und Menschen die gleiche Form haben. Außerdem haben zwei Beine in bestimmten Umgebungen deutliche Vorteile: Die Gleichgewichtsgeschwindigkeit beim Überqueren von Hindernissen ist viel höher als die Geschwindigkeit von Radrobotern, die sich zu einem neuen Stützpunkt bewegen. Aber trotzdem ist die zweibeinige Struktur nicht in allen Szenarien praktisch. In Fabrikumgebungen ist der Boden flach und vollkommen an Radroboter angepasst. Es ist wirklich unverständlich, dass sich die Branche heute so stark auf zweibeinige Roboter konzentriert.

Umgang mit dem Hype um humanoiden Roboter

Ist der starke Zustrom von Kapital in den Bereich zweibeiniger humanoider Roboter für die Roboterbranche eine gute Sache?

Pratt: Das bringt sowohl Chancen als auch Risiken mit sich. Es ist erfreulich, dass so viele Ressourcen in die Robotik fließen, und ich bin fest davon überzeugt, dass die Branche einen besonderen Entwicklungsmoment erreicht hat. Die Situation der Branche hat sich verändert: Wenn Menschen Roboter durch Demonstrationen beibringen können, alle möglichen Aufgaben zu erledigen, ergeben sich unzählige Möglichkeiten.

Gill Pratt bewundert einen Roboter auf dem Dach des Ghibli-Museums in Tokio.

Welche Dinge sollten Menschen Roboter beibringen?

Pratt: In den letzten zehn Jahren hat sich das Toyota Research Institute ständig mit dem Problem der alternden Gesellschaft befasst. Das betrifft nicht nur körperliche Behinderungen, sondern vor allem das Gefühl der Einsamkeit und das Fehlen des Gefühls der Wertschätzung – diese Probleme sind weiter verbreitet und haben schwerwiegendere Auswirkungen. Deshalb müssen wir darüber nachdenken, wie wir durch technische Mittel dafür sorgen können, dass Menschen das Gefühl haben, noch jung zu sein.

Das Toyota Research Institute entwickelt „lehrbare Roboter“, also Roboter, die von Menschen unterrichtet werden. Menschen sind von Natur aus bereit zu geben und anderen zu helfen. Wenn du einem Roboter durch Demonstrationen beigebracht hast, zu arbeiten, und dieser Roboter dann anderen hilft, bekommst du ein starkes Gefühl der Wertschätzung. Wir glauben, dass Roboter nicht nur die Lebensqualität auf physischer Ebene verbessern können, sondern auch eine positive wechselseitige Wirkung auf psychologischer Ebene entfalten.

Vor zehn Jahren, als Sie das Toyota Research Institute gegründet haben, habe ich Sie nach dem Schwerpunkt Ihrer Forschung gefragt, und Ihre Antwort hat mich sehr beeindruckt: Sie sagten, Sie würden sich auf den Bereich der Altenpflege konzentrieren, weil „wir keine andere Wahl haben“.

Pratt: Genau. Die demografischen Daten verschlechtern sich ständig, und wir haben wirklich keine andere Wahl. Man muss erkennen, dass eine alternde Gesellschaft die jungen Menschen sehr tiefgreifend beeinflusst. Das ergibt sich aus dem Abhängigkeitsquotienten: Der Anteil junger Menschen im erwerbsfähigen Alter, der sowohl minderjährige Kinder als auch ältere Menschen versorgen muss, verschlechtert sich ständig.

Wie kann man dieses Problem lösen?

Pratt: Wir haben wichtige Durchbrüche im Bereich des ersten Systems erzielt, aber solange niemand auch im Bereich des zweiten Systems Durchbrüche erzielt oder ein System aufbaut, das von Menschen überwachte Steuerung auf der Ebene des zweiten Systems bietet, bleibt die Wirkung, die Roboter entfalten können, begrenzt.

Ist dieses Modell der menschlichen Überwachung und Steuerung nicht genau das Modell der DARPA Robotics Challenge?

Pratt: Genau! Ich hindere niemanden daran, die DARPA Robotics Challenge zu loben … Jemand hat sie als „Woodstock der Robotik“ bezeichnet, und diese Aussage hat mich sehr herzlich berührt – das ist einfach großartig!

Zehn Jahre später, wie sehen Sie heute den Hype um humanoiden Roboter?

Pratt: Der Bereich der humanoiden Roboter erreicht (ich hoffe, das ist) den Gipfel der hohen Erwartungen. Der Grund dafür ist, dass die Menschen nicht tief über den wesentlichen Unterschied zwischen dem ersten System und dem zweiten System nachdenken.

Gegenwärtig können physische KI-Systeme nur Mustererkennung durchführen. Obwohl die Leistung dieser Roboter außerordentlich gut ist, die technischen Ergebnisse erstaunlich sind und wir darauf sehr stolz sind und fest davon überzeugt sind, dass die Integration des Mehrfachaufgaben-Lernens durch große Verhaltensmodelle große Nutzen bringen kann, gehört das immer noch nicht zum zweiten System. In der Branche gibt es heute viele überzogene Versprechungen, das ist sehr bedauerlich,