Max-Planck-Institut für Intelligente Systeme, Standort Tübingen

Sich auf Neues einzustellen fällt Robotern bislang schwer. Mithilfe spezieller Trainingsmethoden lernen sie, sich in unbekannten Situationen schneller zu orientieren.

Die Kooperation stärkt die anwendungsbezogene Forschung an Künstlicher Intelligenz in Deutschland

Neuronales Netz analysiert Gravitationswellen in Echtzeit

Tübinger Max-Planck-Institute fördern talentierte Studierende mit Sommer-Praktikum

Künstliche Intelligenz erkennt Muster schon lange viel besser als wir. Um aber ihren Namen wirklich zu verdienen, müsste sie auch kausale Zusammenhänge verstehen. Am Max-Planck-Institut für Intelligente Systeme in Tübingen arbeiten Forschende genau daran

Roboter können den Menschen heute bereits bei manchen alltäglichen Aufgaben unterstützen. Doch unbekannte Umgebungen oder auch kleine Abweichungen in den Aufgaben, auf die sie trainiert sind, überfordern sie. Damit sie rascher lernen, sich auf Neues einzustellen, entwickeln die Forschungsgruppen von Michael Mühlebach und Jörg Stückler am Max-Planck-Institut für Intelligente Systeme in Tübingen neue Trainingsmethoden für die Maschinen. Ihre Roboter müssen sich dabei auch im Pingpong oder Bodyflying bewähren.

Künstliche Intelligenz erkennt Muster schon lange viel besser als wir. Um aber ihren Namen wirklich zu verdienen, müsste sie auch kausale Zusammenhänge verstehen. Am Max-Planck-Institut für Intelligente Systeme in Tübingen arbeiten Forschende genau daran.

In Zukunft werden Computer immer häufiger über Menschen entscheiden – sei es bei der Kreditvergabe oder bei der Bewertung von Bewerbern. Doch automatische Systeme, die dafür bereits eingesetzt werden, diskriminieren immer wieder einmal einzelne Personengruppen. Niki Kilbertus und Bernhard Schölkopf, Forscher am Max-Planck-Institut für Intelligente Systeme in Tübingen, wollen das ändern – mit fairen Algorithmen.

Als Haushaltshilfe, Pflegeassistent oder Katastrophenschützer taugen Roboter nur, wenn sie lernfähig sind und zumindest ansatzweise selbstständig handeln können. Stefan Schaal und die Mitarbeiter seiner Abteilung am Max-Planck-Institut für Intelligente Systeme in Tübingen bringen den Maschinen diese Flexibilität und Autonomie bei.

Einen Wagen mit Chauffeur könnte es irgendwann für jeden geben, wenn nämlich ein Roboter das Steuer übernimmt. Damit Autos auch ohne großen technischen Aufwand autonom fahren können, müssen Computer unübersichtliche Verkehrssituationen jedoch mindestens genauso gut beurteilen wie der Mensch. Dafür entwickeln Andreas Geiger und seine Mitarbeiter am Max-Planck-Institut für Intelligente Systeme in Tübingen die nötige Software.

Das Leben eines Avatars hängt an der Technik, und das fängt schon bei seiner Geburt an. Damit die virtuelle Figur wirklichkeitsgetreu aussieht und sich in ihrer Computerwelt realistisch bewegt, brauchen ihre Schöpfer detaillierte Informationen über den Körper des realen Vorbilds, auch über dessen Bewegung. Genau diese Daten liefert der erste vierdimensionale Ganzkörperscanner. Entwickelt hat das Gerät Michael J. Black, Direktor am Max-Planck-Institut für Intelligente Systeme in Tübingen, gemeinsam mit dem amerikanischen Unternehmen 3dMD. Mit 60 Aufnahmen pro Sekunde zeichnen 22 Stereo- und 22 Farbkameras eine Person in verschiedenen Haltungen und Aktivitäten auf, die Javier Romero, ein Wissenschaftler des Instituts, hier vormacht. Für den Scan wird Nick Schill, ein professionelles Model, mit roten und blauen Quadraten bedruckt und mit einem schnell pulsierenden Fleckenmuster beleuchtet. Beide Muster helfen den Forschern, die dreidimensionale Oberfläche des Körpers und die Haut natürlich zu rekonstruieren. Mit der Methode lassen sich nicht nur lebensechte Figuren für Computerspiele und Filme erschaffen. Sie bietet auch interessante Perspektiven für die Forschung in Psychologie und Medizin. So kann man zukünftig mithilfe der realistischen Avatare Wahrnehmungs experimente zum Körperempfinden durchführen – etwa zur Vermeidung von Essstörungen.

Untersuchungen am MPI für Intelligente Systeme haben gezeigt, wie Menschen andere wahrnehmen und dabei einer Person allein auf Basis ihrer Körperform unbewusst bestimmte Charaktereigenschaften zuschreiben. Dabei stellte das Forschungsteam fest, dass die Parteizugehörigkeit der Betrachtenden die soziale Wahrnehmung beeinflusst. Das Urteil über andere hängt sowohl von der Körperform der betrachteten Person als auch von der eigenen politischen Gesinnung ab, was möglicherweise politische und gesellschaftliche Auswirkungen hat. Diese Forschungsarbeit soll das Bewusstsein für diese Voreingenommenheit schärfen.

Wissenschaftlerinnen und Wissenschaftler des Max-Planck-Instituts für Intelligente Systeme in Tübingen und der Universität Wien haben eine Open-Source-Software namens MYND vorgestellt, mit der Menschen erstmals von zu Hause aus und ohne Aufsicht von Expertinnen und Experten an der Forschung im Bereich Brain-Computer-Interfaces (BCI) teilnehmen können. Ihre Forschung könnte das Fachgebiet einen entscheidenden Schritt voranbringen, indem MYND die laborbasierte Grundlagenforschung durch Experimente zur Mensch-Computer- Interaktion in realen Umgebungen ergänzt.  

In unserem Team am Max-Planck-Institut für Intelligente Systeme in Tübingen zeigen wir, dass auf tiefen neuronalen Netzen basierende optische Flussalgorithmen – eine wahrscheinliche Komponente zukünftiger autonomer Fahrzeuge – anfällig für Hackerangriffe sind. Unsere Experten für Maschinelles Sehen und Lernen warnen die Automobilindustrie davon, dass ein einfaches Farbmuster ausreichen könnte, die Autopiloten in selbstfahrenden Fahrzeugen zu verwirren.

Roboter als Helfer im Alltag könnten in Zukunft unser Leben besser machen. Der Weg dahin ist aber noch weit. Einerseits muss an geeigneter alltagstauglicher Hardware geforscht werden. Andererseits, und das ist das weitaus größere Problem, muss das richtige „Gehirn” entwickelt werden. Um auch nur annähernd an die menschlichen Fertigkeiten heranzureichen, muss ein Roboter Vieles selbst lernen. Die Arbeitsgruppe Autonomes Lernen arbeitet an der Programmierung eines künstlichen Spieltriebs und den dazugehörigen Lernverfahren, so dass sich künstliche Systeme in Zukunft selbst verbessern können.

Lernende Maschinen stellen ständig wachsende Anforderungen an Computerhardware, möglichst schnell möglichst zuverlässige Schätzungen für eigentlich unberechenbare Größen zu liefern. Die Tübinger Forschungsgruppe für probabilistische Numerik am MPI für Intelligente Systeme entwickelt hierzu neue Algorithmen, die Rechnungen gezielt unpräzise durchführen, und nicht nur eine einzelne Schätzung, sondern ein strukturiertes Maß von Unsicherheit ausgeben. Damit lassen sich Rechenresourcen flexibler managen. Außerdem macht die Methode intelligente Systeme zuverlässiger.