Die erste Juliwoche 2025 markiert einen bedeutenden Durchbruch in den Bereichen Künstliche Intelligenz und Robotik: Forschende demonstrieren Maschinen mit bisher unerreichter Fähigkeit, Bewegungen vorauszusehen und Strategien in dynamischen Umgebungen anzupassen.
Im Mittelpunkt dieses Fortschritts steht ANYmal-D, ein vierbeiniger Roboter der ETH Zürich, der eigenständig Badminton gegen menschliche Gegner spielen kann. Der Roboter verwendet ein innovatives Steuerungssystem auf Basis von Reinforcement Learning, das es ihm ermöglicht, Federbälle zu verfolgen, deren Flugbahn vorherzusagen und sie gekonnt zurückzuspielen. Sein ausgeklügeltes "Gehirn" erlaubt es ihm, die Flugbahn des Federballs zu analysieren, dessen Weg zu antizipieren und sich schnell über das Spielfeld zu bewegen, um ihn abzufangen und zurückzuschlagen. Diese Leistung, die im Fachjournal Science Robotics vorgestellt wurde, zeigt das Potenzial, laufende Roboter für dynamische Aufgaben einzusetzen, die präzise Wahrnehmung und schnelle, ganzkörperliche Reaktionen erfordern.
Der Roboter ist mit einer Stereokamera für die visuelle Wahrnehmung und einem dynamischen Arm zum Führen eines Badmintonschlägers ausgestattet, was eine präzise Synchronisation von Wahrnehmung, Fortbewegung und Armbewegungen erfordert. Die Forschenden trainierten das System mithilfe von Reinforcement Learning, sodass der Roboter durch Ausprobieren und Interaktion mit seiner Umgebung effektive Strategien entwickeln konnte. In Tests gegen menschliche Spieler zeigte ANYmal-D, dass er sich effektiv auf dem Spielfeld bewegen, Schläge mit unterschiedlichen Geschwindigkeiten und Winkeln retournieren und Ballwechsel von bis zu zehn aufeinanderfolgenden Schlägen aufrechterhalten kann.
Dieser Durchbruch ist weit mehr als eine technologische Kuriosität. Der vierbeinige Roboter nutzt Bildverarbeitung, Sensordaten und maschinelles Lernen, um Bewegungen vorauszusehen und seine Strategie anzupassen – und demonstriert damit die Zukunft der Mensch-Roboter-Kollaboration im Sport und Training. Das Projekt verbindet physische Robotik mit fortschrittlichem KI-Schlussfolgern und eröffnet neue Möglichkeiten für Maschinen, die in komplexen, unvorhersehbaren Umgebungen Seite an Seite mit Menschen arbeiten können.
Robotik-Expert:innen haben große Fortschritte darin erzielt, wie Roboter lernen und sich anpassen. Ein entscheidender Fortschritt besteht darin, verschiedene Datentypen für Roboter nutzbar zu machen. So können Forschende Daten von Menschen, die Aufgaben mit Sensoren ausführen, mit Teleoperationsdaten von Menschen, die Roboterarme steuern, kombinieren und diese mit Internetbildern und -videos ähnlicher Handlungen ergänzen. Durch die Verschmelzung dieser Datenquellen in neuen KI-Modellen erhalten Roboter einen enormen Vorsprung gegenüber traditionell trainierten Systemen. Da sie mehrere Wege kennenlernen, eine Aufgabe zu lösen, fällt es KI-Modellen leichter, zu improvisieren und in realen Situationen angemessene nächste Schritte zu bestimmen. Dies stellt einen grundlegenden Wandel im Lernprozess von Robotern dar.
Dies ist ein zentraler Aspekt der heutigen KI-gestützten Fertigung. Durchbrüche im Reinforcement Learning ermöglichen es physischen Robotern, Entscheidungen zu treffen und komplexe physische Aufgaben zu bewältigen – vom Aufhängen von T-Shirts auf Kleiderbügel bis zum Ausrollen von Pizzateig. Diese Verschmelzung von generativer KI und Robotik hat die potenziellen Anwendungen in Wirtschaft, Gesundheitswesen, Bildung und Unterhaltung radikal erweitert und deutet auf eine Zukunft hin, in der intelligente Maschinen nahtlos in unseren Alltag integriert werden.