Quanten-maschinelles Lernen für Roboter

Autonome Robotik in komplexen Umgebungen

Um in unbekannten oder sich verändernden Umgebungen selbstständig zu operieren, müssen Roboter in kürzester Zeit riesige Datenmengen verarbeiten können.Quantencomputer können dabei helfen. In drei Projekten arbeiten das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) und die Universität Bremen daran, quantenunterstützte maschinelle Lernverfahren für robotische Anwendungen nutzbar zu machen.

(Bild: Bild: DFKI, Florian Cordes)

Maschinelles Lernen und insbesondere bestärkende Lernverfahren gelten als Schlüsseltechnologie für jegliche Bereiche des robotischen Lernens mit Anwendungspotenzial sowohl in terrestrischen als auch in Weltraumszenarien. Jedoch sind diese Verfahren in ihrer Architektur äußerst komplex und benötigen eine erhebliche Menge an Trainingsschritten, was das Erlernen von neuem anspruchsvollem Verhalten in realen robotischen Umgebungen ohne Vorwissen und Simulationsumgebung nahezu unmöglich macht. Quantenalgorithmen haben jedoch das Potenzial, große Datenmengen effizienter zu verarbeiten und zu analysieren als klassische maschinelle Lernalgorithmen.

Forschung an neuen Konzepten

Um die Quantentechnologie in diesem Bereich voranzutreiben, betreibt ein interdisziplinäres Team von Wissenschaftlerinnen und Wissenschaftlern des DFKI Robotics Innovation Center und der AG Robotik der Universität Bremen grundlegende Forschung, um quantengestützte Konzepte und Lösungen für Anwendungsfelder in der künstlichen Intelligenz und Robotik zu erarbeiten. Mit den Projekten QuDA-KI, QuBER-KI und QuMAL-KI fördert das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) drei synergetische Projekte, in denen sowohl bestehende Methoden des quantenmaschinell gestützten Lernens evaluiert und verbessert, als auch neue Methoden für robotische Anwendungen entwickelt werden sollen. Die untersuchten Verfahren umfassen neben rein quantenbasierten Ansätzen auch hybride Verfahren, bei denen bestimmte Anteile des Algorithmus auf Quantencomputer ausgelagert werden, während die Verarbeitung des restlichen Teils auf einem klassischen Computer erfolgt.

Die Projekte

Um die roboternahen Datenströme, insbesondere von Sensoren und Aktuatoren, für quantenmaschinelle Lernverfahren nutzen zu können, müssen sie in geeigneten Qubit-Repräsentationen vorliegen. Wie sich die Daten enkodieren lassen, untersuchen die Bremer Forschenden im Projekt QuDA-KI (Qubit-basierte Datenrepräsentationen und Vorverarbeitungen für Ansätze des Quantenmaschinellen Lernens). Der Fokus liegt auf Qubit-basierten Minimalrepräsentationen von essenziellen Merkmalen, um mit den wenigen in heutigen Quantencomputern zur Verfügung stehenden Qubits bereits erste Anwendungsfälle umsetzen zu können. Zusätzlich sollen Datensätze aus robotischen Szenarien bisheriger DFKI-Arbeiten zur Nutzung auf Quantenhardware aufbereitet und anderen Projekten zur Verfügung gestellt werden. Auch soll ein Labor mit entsprechender Hardware und Software entstehen. Darüber hinaus wollen die Forschenden herausfinden, wie sich Quantenschaltkreise effizienter gestalten lassen.

Die Erkenntnisse von QuDA-KI sollen in die anwendungsorientierten Projekte QuBER-KI und QuMAL-KI einfließen, in denen quantenunterstützte, bestärkende Lernverfahren zur Generierung von konkretem Roboterverhalten eingesetzt werden sollen. In QuBER-KI (Quantum Deep Reinforcement Learning für einfache robotische Verhalten) wollen die Forschenden u.a. bestehende quantenunterstützte Algorithmen analysieren und sie hinsichtlich der Fragestellung evaluieren, ob und inwiefern sie sich auch auf komplexere Umgebungen und Anwendungen übertragen lassen.

Das könnte Sie auch interessieren

Technik

PTK diskutiert Herausforderungen für die Industrie

Fraunhofer IPK und IWF der TU Berlin laden vom 14. bis 15. September 2023 zum 17. PTK nach Berlin ein. Rund 200 Gäste aus Wirtschaft und Wissenschaft werden erwartet, um branchenübergreifend Herausforderungen für den Industriestandort Deutschland zu diskutieren.‣ weiterlesen

Technik

Daten aus alten Maschinen holen

Alle Maschinen, Anlagen und Systeme sind miteinander vernetzt und kommunizieren kontinuierlich - das ist das Ziel der Industrie 4.0 oder auch Smart Factory. Die Erfassung von Daten aus der Produktionsumgebung ist dafür unabdingbar. In der Realität werden diese Daten zwar gesammelt, aber oft nicht genutzt.‣ weiterlesen

Technik

Wo bleiben die europäischen KI-Sprachmodelle?

Expertinnen und Experten der Plattform Lernende Systeme beleuchten in einem neuen Whitepaper, wie es um die Entwicklung europäischer bzw. deutscher KI-Sprachmodelle bestellt ist.‣ weiterlesen

Industrie 4.0

Unternehmen wollen Daten nutzen, aber nicht teilen

In 12 Prozent der Unternehmen tragen Daten laut einer Bitkom-Befragung bereits stark zum Geschäftserfolg bei, aber zwei Drittel schöpfen Potenzial nicht aus. 4 von 10 Unternehmen nutzen Daten von anderen oder geben eigene Daten weiter.‣ weiterlesen

Topstory

Wird die deutsche Industrie Energiesparmüde?

Laut einer Umfrage von Reichelt Elektronik investieren Unternehmen im industriellen Sektor in Energiesparmaßnahmen, sehen sich aber auch unter großem Druck. 45 Prozent ziehen energieintensive Prozesse zumindest teilweise ins Ausland ab.‣ weiterlesen

Technik

Plattform Lernende Systeme gibt Überblick über KI-Regularien

Künstliche Intelligenz (KI) gilt als Schlüsseltechnologie und birgt zugleich auch Risiken. In der aktuellen Debatte generative KI-Modelle werden Rufe nach Regulierung laut.‣ weiterlesen

Technik

Nachholbedarf in kleinen Unternehmen: Viel Papier und veraltete Arbeitsprozesse

Unzureichender Technologieeinsatz wirkt sich negativ auf die Produktivität kleiner Unternehmen aus. Zu diesem Ergebnis kommt eine Umfrage von Adobe Systems. Für die Mehrheit der Befragten ist der Einsatz solcher Technologien sogar ein Faktor, um einen Job anzutreten.‣ weiterlesen

Exklusiv für Abonnenten

Technik

Mehr Stabilität in Krisenzeiten

In den vergangenen Jahren ist der Krisenzustand fast normal geworden. Künstliche Intelligenz kann Unternehmen helfen, in diesen Zeiten Stabilität zu gewinnen. Das BMWK-Forschungsprojekt Pairs zeigt, wie das gelingen kann.‣ weiterlesen

Technik

Chance versus Risiko

Laut einer Umfrage des TÜV-Verbands sorgt sich die Bevölkerung vor unkalkulierbaren Risiken, Fake-News-Schwemmen und Arbeitsplatzverlusten im Zusammenhang mit generativer künstlicher Intelligenz. 84 Prozent fordern gesetzliche Vorgaben für KI-Anwendungen.‣ weiterlesen

Technik

IT für Mass Customization

Mit modernen Fertigungsprozessen und Technik lässt sich heute ein personalisiertes Produkt zum Preis der Serienfertigung herstellen. Mass Customization heißt das. Doch auf dem Weg dorthin müssen sich Abläufe und Produktions-IT großen Herausforderungen stellen.‣ weiterlesen

Technik

Dekarbonisierung durch grünen Wasserstoff?

Wasserstoff, der möglichst CO2-Arm erzeugt wird, entwickelt sich zu einem der vielversprechendsten Instrumente zur Dekarbonisierung von Branchen mit bislang hohen Emissionen. Laut einer Studie des Capgemini Research Institute, prüfen sich 62 Prozent der Unternehmen aus energieintensiven Industriezweigen den Umstieg auf CO2-arm erzeugten Wasserstoff.‣ weiterlesen