Informatiker der Universität Bonn in Deutschland haben eine entwickelt Selbstlernendes Computerprogramm das mehrere Minuten in die Zukunft blicken kann.   

Diese Entwicklung wird es Robotern ermöglichen, die Handlungen von Menschen zu antizipieren, sodass Maschinen Seite an Seite mit Menschen arbeiten können.

„Wenn die Aktion, die ein Roboter ausführen soll, von der Aktion eines Menschen abhängt, muss der Roboter die zukünftigen Aktionen des Menschen antizipieren“, sagte er Jürgen Gall, Professor am Institut für Informatik in Bonn und leitender Forscher der Studie.

Mithilfe dieser Software können Roboter Menschen zum richtigen Zeitpunkt mit notwendigen Teilen, Werkzeugen oder Zutaten versorgen.   

„Niemand will auf einen Roboter warten“, sagt Gall.

Gall und sein Team präsentieren ihr Paper auf der Annual 2018 Konferenz über Computer Vision und Mustererkennung, 19. bis 21. Juni, in Salt Lake City.

Arbeiten mit Menschen

Das ultimative Ziel dieser laufenden Studie ist es, Robotern beizubringen, den Zeitpunkt und die Dauer von Aktivitäten Minuten oder Stunden vorherzusagen, bevor sie stattfinden.

Diese Entwicklung könnte problemlos auf Roboter übertragen werden, die in der Küche putzen und arbeiten.

Ein Küchenroboter könnte Zutaten an einen Koch weitergeben, sobald sie benötigt werden, den Ofen vorheizen und einen Koch wissen lassen, wenn er oder sie einen Schritt ausgelassen hat.

Ein Staubsauger-Roboter könnte wissen, dass er um die Essenszeit herum die Küche meiden und in einen weniger belebten Raum gehen muss.  

„Roboter müssen die zukünftigen Handlungen der Menschen antizipieren, sonst können sie nicht zur richtigen Zeit die richtige Handlung ausführen, und Mensch-Roboter-Kollaborationen bleiben frustrierend für die Menschen“, sagt Gall.

Training des Computerprogramms

Um das Programm zu trainieren, zeigten die Forscher 40 sechsminütige Videos von Menschen, die verschiedene Salate zubereiten, die das Programm vier Stunden lang „beobachtete“.

In jedem Video gab es etwa 20 verschiedene Aktionen mit genauen Angaben zu Beginn und Dauer jeder Aktion.

Aus den Videos lernte das Programm die Reihenfolge, in der verschiedene Köche ihre Zutaten hinzufügen. Dieses Wissen kann das Programm dann nutzen, um zukünftige Handlungen in neuen, ähnlichen Situationen vorherzusagen.

„Wenn das Netzwerk trainiert ist, antizipiert es die zukünftigen Aktionen in bisher nicht gesehenen Videos“, sagte Gall.

Testen des Programms

Um die Effektivität des Lernprozesses zu testen, zeigten die Forscher nie zuvor gesehene Programmvideos.

Die Forscher informierten das Programm darüber, was in den ersten 20 oder 30 Prozent eines der neuen Videos passierte, und baten es, vorherzusagen, was im Rest des Videos passieren würde.

„Die Genauigkeit lag für kurze Prognosezeiträume bei über 40 Prozent, sank dann aber, je mehr der Algorithmus in die Zukunft blicken musste“, sagte Gall in einer Stellungnahme.

Als das Programm aufgefordert wurde, Aktivitäten vorherzusagen, die mehr als drei Minuten in der Zukunft stattfanden, sank die Genauigkeitsrate auf 15 Prozent.

Die Forscher ließen das Programm jedoch nicht einfach ab. Sie hielten es nur für richtig, wenn es sowohl die Aktivität als auch den Zeitpunkt vorhersagte.

Auch wenn diese Erfolgsquote noch nicht beeindruckend erscheint, dient sie als Grundlage für eine Technologie, die bald eine größere Intuition als der Mensch haben könnte.

Was kommt als nächstes?

Die Forscher wollen klarstellen, dass diese Studie nur der erste Schritt in ein neues Feld ist.

Sie arbeiten daran, die Fähigkeit des Programms zu verbessern, vorherzusagen, was im ersten Viertel eines Videos passiert, da es viel schlechter abschneidet, wenn die Forscher ihm keinen Hinweis geben.

Sie möchten auch die in jedem Erklärvideo verwendeten Anmerkungen einschränken.

„Wir wollen, dass der Ansatz ohne zusätzliche Annotationen direkt aus Videos lernt“, sagt Gall.

„Obwohl wir in dieser Richtung bereits große Fortschritte erzielt haben, besteht immer noch eine Leistungslücke im Vergleich zu einem Netzwerk, das auf Videos trainiert wird, in denen Start- und Endpunkt jeder Aktion kommentiert werden.“

Darüber hinaus erkennen die Forscher an, dass die Zukunft nicht vollständig deterministisch ist und mehrere mögliche Ergebnisse birgt.  

Um die Maschine so sachkundig wie möglich zu machen, arbeiten die Forscher daran, ihre Auswahl an Schulungsvideos zu erweitern.

Insgesamt gibt es noch viel zu tun, aber diese Forschung dient als Sprungbrett für die Entwicklung eines neuen Robotertyps, der mit Menschen zusammenarbeiten kann, ohne dass man ihm sagen muss, was er tun soll.

Vielleicht könnte dich eines Tages ein Helfer-Roboter am Samstagmorgen mit Eiern und Speck aufwecken, ohne dass du ihn darauf programmieren musst.