Autonome Forstmaschine virtuell ausgebildet

"XT28" im virtuellen Training (oben) und auf dem realen Parcours im Wald (Fotos: umu.se)

Umeå/Uppsala (pte014/21.06.2024/11:30) - Auf dem Testgelände des schwedischen Waldforschungsinstituts Skogforsk ( https://www.skogforsk.se/english/ )in der Nähe der Universitätsstadt Uppsala haben Forscher eine 16 Tonnen schwere sechsrädrige Forstmaschine getestet, die Baumstämme dank Künstlicher Intelligenz (KI) aufsammelt und in ihre Ladebox lädt. "XT28" kurvte selbstständig durch das mit Hindernissen gespickte Gelände, ohne Schaden anzurichten. Im Gegenteil: Das Gefährt absolvierte seine Aufgabe so gut, als hätte ein erfahrener Fahrer im Cockpit gesessen.

Virtuelles KI-Training

Laut Viktor Wiberg, heute Angestellter beiAlgoryx Simulation ( https://www.algoryx.se/ ), dessen Doktorarbeit an der Universität Umeå ( https://www.umu.se/en/ ) die Bewegungsabläufe der Maschine hervorgebracht hat, müssen KI-gestützte Steuerungen eigentlich anhand von realen Daten trainiert werden. Diese zu sammeln wäre bei einer 16 Tonnen schweren Maschine jedoch zu riskant gewesen. Sie hätte, wäre sie außer Kontrolle geraten, schwere Schäden anrichten und selbst Menschen gefährden können, heißt es.

Deshalb haben sich Wiberg und sein Doktorvater Martin Servin zu einem virtuellen Training auf dem Supercomputer der Universität entschieden. Konkret eingesetzt worden ist die KI-Methode "Deep Reinforcement Learning", die bereits gezeigt hat, dass ein solches virtuelles Training erfolgreich auf die Wirklichkeit übertragbar ist. Bisher waren es allerdings nur digitale Systeme oder kleine und leichte Roboter, sodass Fehlfunktionen keine schrecklichen Folgen haben konnten.

Keine Verletzungsgefahr

Bei schweren Geräten für Forstwirtschaft, Bergbau und Bauwesen können die Folgen im Ernstfall gefährlich sein. Zudem haben sie eine komplexe Mechanik, oft in Kombination mit Hydraulik. Dadurch sind sie schwer zu steuern. Daher der virtuelle Weg mit einer simulierten Umgebung, bei dem die Maschinendynamik und die Interaktion mit dem Gelände und den Baumstämmen realitätsgetreu berechnet wird. "Dieses Training findet ohne Verletzungsgefahr und ohne Treibstoffverbrauch statt", so Servin.

Doch trotz eines hohen Grades an Realismus in den physikalischen Modellen, die den Simulationen zugrunde liegen, gibt es eine gewisse Diskrepanz zur Realität. Diese so genannte "Realitätslücke" stellt ein großes Hindernis dar, wenn ein vortrainiertes Modell auf die Steuerung einer physischen Maschine übertragen werden soll. So kann die KI unerwartete und unerwünschte Aktionen ausführen. Wiberg und Servin haben diese Lücke erfolgreich überwunden. Der XT28 machte in der Wirklichkeit genau das, worauf er virtuell trainiert worden war. Zudem lernte er sogar noch dazu.

(Ende)