
Mini-Roboter Robotis OP-3 spielt ziemlich gut Fußball. (Bild: Google Deepmind)
„Den hätte sogar meine Oma reingemacht“ ist ein beliebter Spruch von Fußball-Fans während TV-Übertragungen – ob die Behauptung stimmt, lässt sich freilich kaum verifizieren. Klar ist aber: Viele Omas hätten Schwierigkeiten, gegen die Mini-Roboter zu bestehen, die Google-Deepmind-Entwickler:innen jetzt auf den Platz gestellt haben.
Roboter-Fußball: Schnelle Drehungen, flottes Aufstehen
Die Robotis OP-3 genannten humanoiden Roboter aus den Forschungslaboren des Suchmaschinenkonzerns sind nur 50 Zentimeter groß und stellen ihre Fußballfähigkeiten in einem Video unter Beweis. Darin ist etwa zu sehen, wie die Roboter sich bewegen, gegen den Ball treten, sich recht schnell drehen und nach dem Hinfallen flott wieder aufstehen können.
Auch Techniken wie Lupfen, Blocken oder Ball-Abschirmen beherrschen die Mini-Roboter erstaunlich gut. Und sogar ein „Diver“ à la Jürgen Klinsmann ist zu sehen – ob der so geplant war, ist allerdings nicht klar. Im Vergleich zu bisherigen Roboter-Fußball-Versuchen ist das Upgrade aber deutlich zu spüren.
Training mit Mix aus Deep und Reinforcement-Learning
Wie New Scientist berichtet, haben die Deepmind-Forscher:innen die Mini-Roboter mit einer Kombination aus Deep Learning und Reinforcement-Learning trainiert. Bei Letzterem geht es darum, über Versuch und Irrtum zu lernen – mit der Aussicht, bei richtigen Entscheidungen belohnt zu werden.
Die so trainierten Roboter beherrschen die für das Fußballspielen notwendigen Skills laut Deepmind-Analyse deutlich besser als jene, die mit vorprogrammierten Skills gefüttert worden seien. So würden die Robotis OP-3 fast dreimal schneller laufen und sich sogar viermal so schnell umdrehen können.
Mini-Roboter sind schneller und schießen härter
Außerdem könnten sie den Ball um ein Drittel härter schießen und sich in einem Eins-gegen-Eins-Spiel nach dem Hinfallen um 63 Prozent schneller wieder aufrichten. Grund: „Es ist sehr schwierig, diese Verhaltensweisen manuell zu entwerfen und zu skripten“, so Deepmind-Entwickler Guy Lever.
Freilich geht es den Forscher:innen nicht darum, Fußballroboter auf das Niveau von Profi-Fußballer:innen zu bringen. „Vielmehr geht es darum, zu verstehen, wie wir mithilfe synthetischer Trainingsmethoden schnell komplexe Fähigkeiten aufbauen können, die schnell und, was noch wichtiger ist, robust auf reale Arbeitsanwendungen übertragen werden können“, wie Deepmind-Forscher Tuomas Haarnoja erklärt.
Simulation auf echte Anwendungen übertragen
Robotik-Experte Jonathan Aitken von der University of Sheffield bewertet die Deepmind-Ergebnisse positiv. Google habe eine nützliche Lösung für das Problem gefunden, Simulationen auf echte Anwendungen und Umgebungen zu übertragen, so Aitken. Die entsprechende Studie ist in Science Robotics veröffentlicht worden.