Skip to main content
main-content

13.02.2014 | Robotik | Im Fokus | Onlineartikel

Roboterforscher adaptieren Insektenhirn

Autor:
Dieter Beste

Roboter, die selbstständig ihren Weg durch unbekanntes Terrain finden? Eine nicht mehr ganz so ferne Zukunftsmusik, wie Berliner Forscher jetzt aufzeigen konnten.

Lokalisierung und Navigation im Raum – uns Menschen gelingt das fast von selbst. Aber was ist eigentlich das Schwierige daran? Warum bereitet es Robotern solche Probleme? Springer-Autor Thomas Wagner ging in „Qualitative sichtbasierte Navigation in unstrukturierten Umgebungen“ solchen Fragen vor dem Hintergrund neuerer Ergebnisse der Kognitionswissenschaft auf den Grund. „Obwohl die Problemstellung zur Navigation physikalischer Roboter und der Navigation natürlicher Systeme weitgehend identisch ist, sind die Unterschiede zwischen den verschiedenen Lösungsansätzen fundamental“, schreibt Wagner auf Seite 11. Und: „Während selbst einfache Organismen wie Ameisen und Bienen mit einer im Vergleich z. B. zu Säugetieren ebenso wie zu Robotern relativ beschränkten kognitiven Kapazität und einfacher Perzeption/Sensorik Navigationsaufgaben ebenso erfolgreich wie robust lösen, sehen sich physikalische Roboter bei wechselnden Umweltbedingungen vor fundamentale Probleme gestellt. Dabei können physikalische Roboter heute auf eine hohe Rechenleistung und auf eine ausgefeilte Sensorik zurückgreifen.“

Warum also nicht von den Insekten lernen, sagten sich Forscher am Bernstein Fokus Neuronale Grundlagen des Lernens, am Bernstein Zentrum Berlin und an der Freien Universität Berlin. Sie haben jetzt einen Roboter vorgestellt, der Umgebungsreize wahrnehmen und lernen kann, auf sie zu reagieren. Als Vorbild seines Funktionsprinzips diente den Wissenschaftlern das relativ einfach gestrickte Nervensystem von Honigbienen. Dazu installierten sie eine Kamera auf ein kleines Roboterfahrzeug und schlossen es an einen Computer an. Das Computerprogramm bildete dabei vereinfacht das sensomotorische Netzwerk des Insektengehirns nach. Seine Eingangsdaten erhielt es von der Kamera, die – ähnlich einem Auge – visuelle Informationen aufnehmen und weiterleiten konnte. Das neuronale Netzwerk selbst trieb wiederum die Motoren der Roboterräder an – und konnte somit seine Bewegungsrichtung steuern.

Minigehirn lernt nach einfachen Prinzipien

Das Besondere an dem künstlichen Minigehirn ist, dass es nach einfachen Prinzipien lernen kann. „Der netzwerkgesteuerte Roboter ist fähig, bestimmte Außenreize mit Verhaltensregeln zu verknüpfen“, sagt Professor Martin Paul Nawrot, Leiter der Studie und Mitglied des Verbundprojektes „Insekt insipider robote: towards an understanding of memory in decision making“ im Bernstein Fokus. „Ähnlich wie Honigbienen lernen, bestimmte Blütenfarben mit schmackhaftem Nektar zu assoziieren, erlernt der Roboter, sich auf gewisse Farbobjekte hinzubewegen und andere zu meiden.“

Roboter erobert „seine“ Arena

In dem Lernexperiment setzten die Wissenschaftler den netzwerkgesteuerten Roboter in die Mitte einer kleinen Arena. An deren Wänden waren rote und blaue Objekte angebracht. Sobald der Roboter mit seiner Kamera ein Objekt mit der gewünschten Farbe – etwa Rot – anvisiert hatte, lösten die Wissenschaftler ein Lichtsignal aus. Dieses Signal aktivierte eine sogenannte „Belohnungs-Nervenzelle“ im künstlichen Netzwerk. Die Verarbeitung der roten Farbe mit der zeitgleichen Belohnung führte nun zu gezielten Veränderungen in dem Teil des Netzwerks, das die Kontrolle über die Roboterräder ausübte. Die Folge: „Sah“ der Roboter ein weiteres rotes Objekt, so bewegte er sich darauf zu. Blaue Gegenstände führten zu einem Rückzug. „Der Roboter löste seine Aufgabe, ein Objekt in der gewünschten Farbe zu suchen und anzufahren, innerhalb weniger Sekunden“, erklärt Nawrot. Die Berliner Wissenschaftler planen nun, das neuronale Netzwerk weiter auszubauen und um weitere Lernformen zu ergänzen.

Die Hintergründe zu diesem Inhalt

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Bildnachweise