Cambridge – Rechtzeitig zum 30. Geburtstag von Jenga ist eine Studie erschienen, für die Roboter zu Spielern gemacht wurden: Bei dem 1989 auf den Markt gebrachten Jenga handelt es sich um ein bis heute beliebtes Geschicklichkeitsspiel, in dem ein Turm aus Holzquadern umgebaut werden muss, ohne dass er einstürzt.

Ein Team um Nima Fazeli vom Massachusetts Institute of Technology (MIT) in Cambridge hat nun seine Entwicklung vorgestellt: einen mit Berührungssensoren ausgestatteten und lernfähigen Roboterarm. "Schlussfolgern durch Tasten ist im Tierreich allgegenwärtig, aber in der Roboterhandhabung unterentwickelt", erklärt Fazeli den Hintergrund.

Der Prüfling schlug sich ganz gut

Die Forscher kombinierten Kameraaufnahmen mit Berührungssensoren und speisten mit diesen Daten ein künstliches neuronales Netzwerk. Um die Lernzeit zu verkürzen, war dem Roboter vorgegeben, dass er Vorgänge mit gleichem oder ähnlichem Ergebnis – etwa dem Einstürzen des Jenga-Turms – in Clustern zusammenfasst. Auf diese Weise hatte der Roboter eine steilere Lernkurve als mit anderen Verfahren und brauchte nur etwa 300 Versuche statt zehntausende, um ein gutes Spielergebnis zu erzielen.

Zunächst wurde das Lernverhalten des Roboters simuliert. Dann folgte das Spielen mit echten Jenga-Steinen. Wenn der Roboterarm mit dem Spielen begann, testete er zufällig ausgewählte Holzbausteine. Er bewegte sie etwa einen Millimeter und bewertete sie nach Kategorien wie "leicht zu bewegen", "schwer zu bewegen" und "gar nicht zu bewegen". Je nach Bewertung setzte er seine Bemühungen fort, den Baustein zu entfernen – oder eben nicht.

Der Roboter schaffte es nach kurzer Lernzeit, 21 oder mehr Bausteine den Jenga-Regeln entsprechend aus dem Turm zu entnehmen und auf der Spitze neuzuplatzieren, ohne dass der Turm kippte. "Wir haben gesehen, wie viele Blöcke ein Mensch herausziehen konnte, bevor der Turm fiel, und der Unterschied war nicht so groß", zieht Koautor Miquel Oller Bilanz.

Im Kontext

Ziel der Forscher war es nicht, den Roboter zu einem unschlagbaren Jenga-Meister zu machen, es ging ihnen um die Kombination von visuellen und taktilen Daten. Denn Informationen, die durch Ertasten ermittelt werden, könnten in der Industrie sinnvoll eingesetzt werden, wie Alberto Rodriguez, ein weiterer Koautor, erklärt: "In einer Fertigungsstraße für Mobiltelefone rührt in fast jedem einzelnen Schritt der Eindruck von einem Schnappverschluss oder einer Gewindeschraube eher von Kraft und Berührung her als vom Sehen."

Begleitend zu der im Fachmagazin "Science Robotics" veröffentlichten Studie ist auch ein Artikel erschienen, in dem sich Robin Murphy von der Texas A&M University mit der Darstellung lernfähiger Roboter in Science-Fiction-Büchern und -Filmen befasst. Als häufige Motive fand er, dass das Lernen für Roboter einfach ist und dass dies gleichsam automatisch zu Empfindungsvermögen führt. Beides sei jedoch in der Wirklichkeit nicht so, schreibt Murphy. Immerhin eine Sache werde aber meist korrekt dargestellt: Dass es sehr schwierig ist, einem Roboter beizubringen, das Richtige zu lernen. (APA, red, 30. 1. 2019)