Die Herausforderungen der Nachbildung menschlicher Geschicklichkeit durch KI und Robotik

Die menschliche Hand: Ein Wunderwerk der Natur, das Roboter vor Herausforderungen stellt

Unsere Hände vollbringen täglich tausende komplexe Aufgaben – kann Künstliche Intelligenz Robotern helfen, diese außergewöhnlichen menschlichen Gliedmaßen nachzuahmen?

Die menschliche Hand ist eines der komplexesten und physiologisch kompliziertesten Körperteile. Sie verfügt über mehr als 30 Muskeln, 27 Gelenke sowie ein Netzwerk aus Bändern und Sehnen, die ihr 27 Freiheitsgrade verleihen. Allein in der Handfläche befinden sich über 17.000 Berührungsrezeptoren und Nervenenden. Diese Merkmale ermöglichen es unseren Händen, durch eine breite Palette unterschiedlicher Bewegungen eine erstaunliche Vielfalt hochkomplexer Aufgaben zu erfüllen.

Doch die scheinbare Einfachheit dieser Bewegungen täuscht. Selbst das Aufheben eines Stiftes und das Drehen in den Fingern, um eine Schreibposition einzunehmen, erfordert eine nahtlose Integration von Körper und Gehirn. Handbasierte Aufgaben, die wir nahezu gedankenlos ausführen – vom Öffnen einer Tür bis zum Klavierspielen – erfordern ein fein abgestimmtes Zusammenspiel von motorischer Steuerung und sensorischem Feedback.

Angesichts dieser Komplexität ist es nicht verwunderlich, dass Versuche, die Vielseitigkeit und Geschicklichkeit menschlicher Hände nachzubilden, Mediziner und Ingenieure seit Jahrhunderten vor Herausforderungen stellen. Von der rudimentären, federbelasteten Eisenhand eines deutschen Ritters aus dem 16. Jahrhundert bis zur ersten Roboterhand mit sensorischem Feedback, die in den 1960er Jahren in Jugoslawien entwickelt wurde, kam nichts an die natürlichen Fähigkeiten der menschlichen Hand heran. Bis jetzt.

Fortschritte in der KI läuten eine Generation von Maschinen ein, die der menschlichen Geschicklichkeit immer näher kommen. Intelligente Prothesen können Bewegungen antizipieren und verfeinern. Roboter zum Pflücken von Beerenobst können Erdbeeren auf dem Feld pflücken und sie vorsichtig in einen Korb mit anderen Beeren legen, ohne sie zu zerdrücken. Bildgeführte Roboter können sogar radioaktiven Abfall aus Reaktoren entfernen. Aber können sie wirklich jemals mit den erstaunlichen Fähigkeiten der menschlichen Hand konkurrieren?

Verkörperte KI: Roboter lernen wie Babys

Ähnlich wie ein Baby, das lernt, seine Hände zu benutzen, folgen geschickte Roboter, die verkörperte KI nutzen, einem ähnlichen Weg. Solche Roboter müssen mit Menschen in einer Umgebung koexistieren und lernen, aufgrund früherer Erfahrungen physische Aufgaben auszuführen. Sie reagieren auf ihre Umgebung und passen ihre Bewegungen als Reaktion auf solche Interaktionen an. Versuch und Irrtum spielen dabei eine große Rolle.

„Traditionelle KI verarbeitet Informationen, während verkörperte KI die physische Welt wahrnimmt, versteht und auf sie reagiert“, sagt Eric Jing Du, Professor für Bauingenieurwesen an der University of Florida. „Sie verleiht Robotern im Wesentlichen die Fähigkeit, ihre Umgebung zu ‚sehen‘ und zu ‚fühlen‘, wodurch sie in der Lage sind, Aktionen auf menschenähnliche Weise auszuführen.“

Doch diese Technologie steckt noch in den Kinderschuhen. Menschliche sensorische Systeme sind so komplex und unsere Wahrnehmungsfähigkeiten so versiert, dass die Reproduktion von Geschicklichkeit auf dem Niveau der menschlichen Hand eine gewaltige Herausforderung bleibt.

„Menschliche sensorische Systeme können winzige Veränderungen erkennen und sich schnell an Veränderungen in Aufgaben und Umgebungen anpassen“, sagt Du. „Sie integrieren mehrere sensorische Eingaben wie Sehen, Tasten und Temperatur. Robotern fehlt derzeit dieses Niveau an integrierter sensorischer Wahrnehmung.“

Der Aufstieg der Roboter in der Praxis

Robotik-Ingenieure träumen seit langem von Automaten mit menschenähnlicher Geschicklichkeit, die unangenehme, gefährliche oder sich wiederholende Aufgaben erledigen können. Ein Beispiel ist die Entwicklung autonomer, bildgeführter Roboter für den Umgang mit Atommüll, die dorthin gelangen können, wo es für Menschen zu gefährlich ist.

Das vielleicht bekannteste Beispiel für einen realen Androiden ist der humanoide Roboter Atlas von Boston Dynamics. Die neueste Version von Atlas kombiniert Computer Vision mit einer Form der KI, die als Reinforcement Learning bekannt ist, bei der Feedback KI-Systemen hilft, besser in dem zu werden, was sie tun. Laut Boston Dynamics ermöglicht dies dem Roboter, komplexe Aufgaben wie das Packen oder Organisieren von Objekten in Regalen zu erledigen.

Doch die Fähigkeiten, die erforderlich sind, um viele der Aufgaben in von Menschen geführten Sektoren zu erledigen, in denen Roboter wie Atlas eingesetzt werden könnten, wie z. B. im Fertigungs-, Bau- und Gesundheitswesen, stellen laut Du eine besondere Herausforderung dar.

„Dies liegt daran, dass die meisten handgeführten motorischen Aktionen in diesen Sektoren nicht nur präzise Bewegungen, sondern auch adaptive Reaktionen auf unvorhersehbare Variablen wie unregelmäßige Objektformen, unterschiedliche Texturen und dynamische Umgebungsbedingungen erfordern“, sagt er.

Prothesen, die vorhersagen

Die vielleicht ultimative Anwendung für Robotergeschicklichkeit liegt in der Prothetik – dem Ersatz einer menschlichen Hand, die durch einen Unfall oder eine Krankheit verloren gegangen ist. Myoelektrische Armprothesen, die durch das Erkennen winziger elektrischer Signale von den Muskeln die gewünschten Bewegungen antizipieren, geben einen Hinweis darauf, was in Zukunft möglich sein könnte.

Während eines Tages erledigen menschliche Hände jedoch Tausende von verschiedenen Aufgaben und passen sich an, um eine Vielzahl von Formen, Größen und Materialien zu handhaben. Die Robotik hat noch einen weiten Weg vor sich, um damit konkurrieren zu können.

Bibliographie: - https://darioamodei.com/machines-of-loving-grace - https://dev.to/evanmarie/the-ai-hand-conundrum-why-generative-models-struggle-with-human-hands-21ib - https://www.discovermagazine.com/technology/humans-beat-robots-hands-down - https://news.ycombinator.com/item?id=24207424 - https://medium.com/@bp_64302/the-problems-with-humanoid-robots-9d8684d62008 - https://www.linkedin.com/posts/anjanps_great-insights-here-spot-on-and-i-have-observed-activity-7272716476048896001-7R19 - https://www.apa.org/monitor/2021/11/cover-artificial-intelligence - https://www.thenation.com/article/society/war-artificial-intelligence/ - https://en.wikipedia.org/wiki/Three_Laws_of_Robotics