Virtuelle Kreaturen entwickeln Körper, die ihnen beim Lernen helfen

Startseite » Virtuelle Kreaturen entwickeln Körper, die ihnen beim Lernen helfen
Virtuelle Kreaturen entwickeln Körper, die ihnen beim Lernen helfen

Eine virtuelle Kreatur schwingt vier tentakelartige Arme und drückt sich nach vorne. Er kriecht einen Hügel hinauf und eilt dann auf die andere Seite. Es sieht aus wie „ein Oktopus, der an Land geht“, sagt Agrim Gupta. Diese seltsame Kreatur hat einen eigenen Körper entwickelt. Er lernte auch seine eigene Art des Reisens. Diese Mischung aus Evolution und Lernen könnte Ingenieuren helfen, neue Arten von Robotern zu bauen, sagt Gupta.

Als Doktorand, der Computer Vision an der Stanford University in Kalifornien studiert, ist Gupta so etwas wie der Großvater dieser krakenähnlichen Kreatur und Hunderter anderer seltsamer virtueller Kreaturen. Er schuf die Vorfahren, die diese Kreaturen zur Welt brachten. Er nennt sie unimaux, was „universelle Tiere“ bedeutet. Dieser Begriff spiegelt die Tatsache wider, dass sie sich zu so vielen verschiedenen Körperformen entwickeln können. Manche sehen aus wie echte Tiere. Andere sind ziemlich bizarr.

Das Team fand heraus, dass der Körpertyp eines Tieres seine Fähigkeit beeinflusst, neue Dinge zu lernen. Wir neigen dazu, Lernen als etwas zu betrachten, das im Gehirn passiert. Aber, bemerkt Gupta, „Ihr Körper spielt eine große Rolle bei dem, was Sie lernen können.“ Auch die Art der Welt, in der Sie leben, spielt eine Rolle.

Wenn sich Roboter in einer Simulation weiterentwickeln könnten, könnten sie ihre eigenen Formen entwickeln, die noch besser funktionieren, dachten sich Gupta und seine Kollegen. Dann könnten Ingenieure Körper bauen, die sie sich nie selbst vorgestellt hätten.

Also haben sie es versucht. Tiere, die lernten, sich in komplizierteren simulierten Welten zurechtzufinden, endeten mit Körpern, die besser zum Lernen geeignet waren. Gupta und seine Gruppe beschrieben es in Naturkommunikation letzten Oktober.

„Ich war von dieser Arbeit begeistert“, sagt Sam Kriegman. Er hat an dieser Forschung nicht teilgenommen, weiß aber viel über das Thema. Am Wyss Institute arbeitet er an evolutionärer Robotik. Es ist Teil der Harvard University in Boston, Mass. Er arbeitet auch am Allen Discovery Center der Tufts University in Medford, Mass. Robotikingenieure neigen dazu, die Körper zu kopieren, die sie in der Natur sehen. Deshalb sehen viele Roboter aus wie echte Tiere, wie Hunde oder Menschen.

Die Inspiration für das Entwerfen von Tieren kam von Tieren, sagt Agrim Gupta. Er dachte, sie könnten sich so entwickeln, dass sie wie echte Tiere aussehen und sich bewegen. Tatsächlich waren sie nicht so, wie er erwartet hatte. „Nicht einmal eine“, sagte er.

Herumwinken

Eine Tierart entwickelt sich mit kleinen zufälligen Veränderungen in ihren Genen. Diese Veränderungen, die ihm neue Vorteile verschaffen, erleichtern sein Überleben. IT-Experten können diesen Prozess jetzt im Code nachahmen. So hat es Guptas Team gemacht.

Zu Beginn gaben sie ihren Tieren Körper, die Tierfiguren sehr ähnlich sehen. Jeder hat einen einzigen runden Kopf. Aus diesem Kopf kommen gerade Segmente. Sie verzweigen sich in andere Segmente und bilden Körperteile, die wie Arme, Beine oder Tentakel aussehen.

Knapp über 500 zufällig generierte Tiere werden in eine virtuelle Welt projiziert, die stark an ein Videospiel erinnert. Im einfachsten Spiel muss jedes Tier eine flache Landschaft durchqueren. Es bestimmt, wie man sich mithilfe eines Computermodells für maschinelles Lernen fortbewegt. Maschinelles Lernen ist eine Art künstliche Intelligenz (KI), die es Computern ermöglicht, eine Fähigkeit zu üben, bis sie sie beherrschen.

In diesem Fall steuert das maschinelle Lernmodell den Körper des Tieres. Wenn das Modell zunächst nichts über Bewegung weiß, zappelt der Körper und versucht zufällige Bewegungen. Bringt eine Bewegung das Tier seinem Ziel näher, die Landschaft zu durchqueren, lernt das Modell, diese Bewegung zu wiederholen. Je weiter das Tier die Landschaft durchquert, desto höher ist seine Punktzahl im Spiel.

Ein hüpfender Seestern

Später werden die Tiere in Vierergruppen eingeteilt. Das Parteimitglied mit der höchsten Punktzahl entwickelt sich. Angenommen, der Gewinner sieht ein bisschen wie ein Seestern aus, während er sich entwickelt, verändert sich sein Körper zufällig. Zum Beispiel könnte er einige seiner Beine verlieren. Oder alle seine Beine könnten ein neues Segment entwickeln. Oder einer wird länger und ein anderer kürzer. Im letzteren Fall werden die Gliedmaßen leichter. Dann „kann der Seestern leichter zurückspringen“, sagt Gupta.

Später kehren alle Unimals aus der ursprünglichen Vierergruppe mit den neuen Seesternen in die flache virtuelle Welt zurück und erinnern sich an nichts von ihrer ersten Weltreise. Sie alle müssen bei null anfangen und kämpfen, bis etwas funktioniert. Auch hier erhalten alle eine Punktzahl und treten in Vierergruppen gegeneinander an, um zu sehen, wer als nächstes aufsteigt.

Dieser Vorgang wiederholt sich immer wieder. Jedes Mal, wenn ein neues Unimal erschaffen wird, stirbt das älteste. Wenn er gute Arbeit geleistet hätte, hätte er sich vor seinem Tod mehrmals weiterentwickelt. Das bedeutet, dass er eine Gruppe von Kindern und Enkelkindern hinterlassen hat, die es noch besser machen könnten. Über die Generationen durchqueren die Tiere die Landschaft immer besser. Sie erinnern sich an nichts von früheren Erfahrungen. Denn es geht nicht darum, die Landschaft zu durchqueren. Es geht darum, Körper zu entwickeln, die lernen, sich besser zu bewegen.

Nehmen Sie die Herausforderung an

Die flache Welt war nur der Anfang. Gupta und das Team durchliefen den gleichen Prozess noch einmal mit neuen Gruppen von zufälligen Unimals in einer holprigen Landschaft. Und in einer dritten Welt mussten Tiere einen Würfel durch eine holprige Landschaft auf ein Ziel schieben. Es war besonders schwer zu meistern. Durch die Kombination von Lernen und Evolution entstanden jedoch Unimals, die damit umgehen konnten. Einer entwickelte zwei handähnliche Gliedmaßen, mit denen er den Würfel schob.

Anschließend stellte das Team alle Tiere in neuartigen Welten auf die Probe. Diese hatten Hindernisse, auf die noch niemand zuvor gestoßen war. Sie mussten steile Hänge rauf und runter gehen. Sie mussten einen Ball auf ein Ziel schieben (was viel kniffliger ist als ein Würfel, weil er leicht rollen kann). Auch hier erinnerten sich die Tiere an nichts, was sie gelernt hatten. Alles, was sie hatten, waren Körperformen, die in einer der drei ursprünglichen Welten gut funktioniert hatten.

Die Körper der Unimals mussten ein paar Regeln befolgen. Sie mussten symmetrische rechte und linke Seiten haben. Außerdem durften sie nicht mehr als 10 Mitglieder haben, und jedes Mitglied konnte nicht mehr als zweimal verzweigen.

Unimals, die sich in der Dritten Welt entwickelt hatten – der mit den Höckern und dem Würfel – „lernten neue Aufgaben besser und viel schneller“, bemerkt Gupta. Wieso den? Ihre Körper hatten sich angepasst, um ihnen zu helfen, verschiedene Arten von Problemen zu lösen.

Zum Beispiel könnte das Tier mit Händen diese benutzen, um einen Ball zu schieben. Die Unimals der flachen Welt brauchten keine Hände, daher hatten sie es viel schwerer, den Ball zu kontrollieren. Gupta zeigte, dass der richtige Körper „das Problem des Erlernens einer Aufgabe erheblich vereinfachen kann“.

Ingenieure können sich nicht immer den besten Körpertyp für einen bestimmten Roboter vorstellen. Durch die Kombination von Evolution und Lernen können Designer Tausende neuer Optionen generieren und testen. „Wir sollten Computer verwenden, um kreativer zu sein und neue Arten von Roboterkörpern zu entwickeln“, sagt Kriegman.

Es wird nicht einfach sein, simulierte Kreaturen in die Realität umzusetzen, fügt er hinzu. Die reale Welt ist viel chaotischer und komplexer als eine Simulation. Ein Körper, der in einem Computer gut funktioniert, funktioniert möglicherweise nicht so gut im wirklichen Leben. Allerdings, sagt Kriegman, „können diese Probleme gelöst werden.“