Stell dir vor, Roboter könnten lernen, wie Menschen zu spielen. Forscher haben eine neue Methode entdeckt, die das möglich macht!
Weißt du was „Reinforcement Learning“ ist? Das ist eine Art, wie Computer lernen, indem sie aus ihren Fehlern lernen. Stell dir vor, du lernst Fahrradfahren. Du fällst hin, stehst wieder auf und probierst es erneut. Genau so lernen auch Roboter, aber mit einer neuen Methode namens Wasserstein Policy Optimization (WPO).
Was die Forschenden herausgefunden haben
Die Forschenden haben herausgefunden, dass WPO besonders gut für Aufgaben ist, bei denen Roboter in einer kontinuierlichen Umgebung agieren müssen. Das bedeutet, dass sie nicht nur zwischen „ja“ und „nein“ wählen, sondern auch feinere Bewegungen ausführen können. Zum Beispiel können sie lernen, wie man ein Fahrrad fährt oder wie man in einem Spiel mit vielen Möglichkeiten spielt.
Wie haben sie das gemacht?
Um das zu erreichen, haben die Forschenden eine Methode entwickelt, die wie ein Fluss von Wasser funktioniert. Stell dir vor, du hast einen Wasserhahn und du drehst ihn auf. Das Wasser fließt in eine bestimmte Richtung und formt sich nach und nach. Genauso fließt die „Wasserstein“-Methode durch die verschiedenen Möglichkeiten, die ein Roboter hat, und findet die beste Lösung. Sie nutzen eine Art „Karte“ (ein neuronales Netzwerk), um die besten Entscheidungen zu treffen.
Warum ist das wichtig?
Diese Methode ist wichtig, weil sie Roboter besser und schneller lernen lässt. Das bedeutet, dass sie in der Zukunft in vielen Bereichen helfen können, wie zum Beispiel in der Medizin, bei der Pflege von älteren Menschen oder sogar beim Spielen von Videospielen.
Du willst mehr über die Studie wissen?
Die Forschenden, die diese Methode entwickelt haben, sind David Pfau, Ian Davies, Diana Borsa, Joao G. M. Araujo, Brendan Tracey und Hado van Hasselt. Sie haben ihre Ergebnisse in einem wissenschaftlichen Artikel veröffentlicht.