Bridging Language and Physics: Automated Design of Continuum Robots with Large Language Models

Seit Jahrzehnten wird der Traum von der Entwicklung von Robotern durch die enorme Schwierigkeit des Vorhabens gebremst. Eine Maschine zu entwerfen, die sich bewegen, greifen oder drücken kann, ohne sich selbst zu beschädigen, erfordert ein tiefes Verständnis der Physik und beruht oft auf der Intuition menschlicher Experten, die Jahre damit verbringen, Teile durch Ausprobieren und Testen anzupassen. Dieser Prozess ist langsam und teuer, insbesondere für „weiche“ Roboter aus flexiblen Materialien, die sich wie lebendiges Gewebe biegen und verdrehen, statt wie starrer Metallteile. Kürzlich ist ein neues Werkzeug in das Labor eingezogen: große Sprachmodelle. Dies sind leistungsstarke Computerprogramme, die auf riesigen Mengen von Text trainiert wurden und in der Lage sind, Code zu schreiben und komplexe Ideen in natürlicher Sprache zu beschreiben. Wissenschaftler hofften, dass diese Modelle als automatische Designer fungieren könnten, die eine einfache Anweisung wie „Entwirf einen Roboter, der Treppen steigen kann“ entgegennehmen und sofort einen funktionierenden Bauplan erstellen. Ein großes Hindernis blieb jedoch bestehen: Während diese Modelle brillant mit Worten sind, scheitern sie oft daran, die physische Realität ihrer eigenen Kreationen zu verstehen. Sie könnten einen Roboter beschreiben, der auf dem Papier perfekt aussieht, aber in dem Moment, in dem er gebaut wird, sofort zusammenbricht oder sich selbst verheddert.

Ein Forschungsteam hat nun eine neue Methode entwickelt, um diese Lücke zwischen Sprache und Physik zu schließen, und ein System geschaffen, das es künstlicher Intelligenz ermöglicht, weiche Roboter zu entwerfen, die tatsächlich funktionieren. Die Forscher konzentrierten sich auf einen speziellen Typ eines flexiblen Maschinenmodells, einen seilzuggesteuerten Kontinuumsroboter. Stellen Sie sich eine lange, flexible Wirbelsäule vor, die aus vielen kleinen Segmenten besteht, ähnlich wie eine Schlange oder ein Oktopusarm. Anstelle starrer Motoren bewegen sich diese Roboter durch das Ziehen an dünnen Kabeln, sogenannten Sehnen (Tendons), die durch den Körper verlaufen, um ihn zu biegen und zu verdrehen. Dieses Design ist unglaublich vielseitig, aber auch notorisch schwierig zu konstruieren, da die Art und Weise, wie sich der Roboter biegt, von einer komplexen Mischung aus seiner Form, der Spannung in den Kabeln und der Art und Weise abhängt, wie er mit der Umgebung interagiert. Die Forscher wollten sehen, ob eine KI diese Maschinen von Grund auf entwerfen kann, aber sie wussten, dass es nicht ausreichen würde, die KI einfach nur zu fragen, einen „Entwurf zu schreiben“.

Um dies zu lösen, baute das Team ein mehrschichtiges System namens AID-SR, das als kollaborative Werkstatt zwischen einem Computer-Designer und einer Reihe automatisierter Prüfer fungiert. Der Prozess beginnt, wenn ein Mensch ein übergeordnetes Ziel vorgibt, wie zum Beispiel: „Entwirf einen Roboter, der einen Knopf an einer Wand drücken kann.“ Ein KI-Agent schlägt dann mehrere verschiedene Ideen vor, wie der Roboter aussehen könnte. Anstatt diese Ideen sofort zu akzeptieren, unterzieht das System jede einzelne einer strengen Reihe von Prüfungen. Zuerst testet ein digitaler Simulator das Design, um zu sehen, ob es physikalisch stabil bleibt. Wenn das Robotermodell im Computer-Physik-Modell zusammenbricht, explodiert oder stecken bleibt, erkennt das System den Fehler sofort und schickt das Design mit einem spezifischen Hinweis zurück an die KI, etwa: „Die Kabel sind an den falschen Stellen angeschlossen.“

Dieser Zyklus aus Entwurf, Testen und Korrektur wiederholt sich in einer Schleife. Wenn ein Design den physischen Test besteht, wird es von einem zweiten KI-Richter überprüft, der die Logik des Designs prüft und fragt, ob es tatsächlich für die jeweilige Aufgabe sinnvoll ist. Verfügt der Roboter beispielsweise über genügend Teile, um den Knopf zu erreichen? Schließlich kann ein menschlicher Ingenieur einspringen, um hochrangige Ratschläge zu geben, obwohl das System darauf ausgelegt ist, weitgehend eigenständig zu arbeiten. Diese ständige Feedbackschleife zwingt die KI, aus ihren Fehlern zu lernen und ihre Ideen schrittweise zu verfeinern, bis sie einen Entwurf produziert, der nicht nur eine kluge Beschreibung, sondern eine physisch stabile Maschine ist. Die Forscher testeten dieses System bei vierzehn verschiedenen Aufgaben, die vom einfachen Greifen und Gehen bis hin zu komplexen Greif- und Reinigungsbewegungen reichten.

Die Ergebnisse zeigten, dass dieser Ansatz bemerkenswert gut funktioniert. In den Computersimulationen erstellte das System erfolgreich Designs, die in 96,2 Prozent der Versuche physisch gültig waren. Das bedeutet, dass fast jeder von der KI entworfene Roboter im digitalen Raum tatsächlich stehen und sich bewegen konnte, ohne auseinanderzufallen. Als die Forscher diese Roboter mit einer Standard-Lernmethode darauf trainierten, ihre spezifischen Aufgaben auszuführen, schlossen etwa 26,7 Prozent von ihnen die Aufgabe erfolgreich ab. Dies ist eine bedeutende Errungenschaft, da es beweist, dass die KI in der Lage ist, Designs zu generieren, die nicht nur strukturell solide, sondern auch funktional nützlich sind. Das Team blieb nicht bei den Computersimulationen stehen; sie bauten drei der besten vom System erzeugten Designs mit 3D-Druck und Standardmaterialien in der realen Welt nach. Diese physischen Roboter, die vollständig nach den Anweisungen der KI erstellt wurden, waren in der Lage, ihre Aufgaben genau wie in der Simulation auszuführen, indem sie Objekte griffen und sich über Oberflächen bewegten.

Die Studie unterstreicht, dass künstliche Intelligenz zwar besser darin wird, die physische Welt zu verstehen, aber dennoch Anleitung benötigt, um wirklich effektiv zu sein. Die KI kann nicht einfach eine Lösung erraten; sie benötigt einen strukturierten Prozess, in dem sie die Konsequenzen ihrer Ideen sehen und diese korrigieren kann. Durch die Kombination der kreativen Kraft von Sprachmodellen mit den strengen Regeln der Physik und menschlicher Aufsicht haben die Forscher einen neuen Weg zur Automatisierung des Roboterdesigns eröffnet. Diese Arbeit deutet darauf hin, dass wir in naher Zukunft in der Lage sein werden, einen Computer zu bitten, einen Roboter für eine spezifische, schwierige Aufgabe zu entwerfen, und einen Bauplan zurückzuerhalten, der bereit ist, in der realen Welt gebaut und eingesetzt zu werden, was uns einem zukünftigen Szenario näher bringt, in dem Maschinen mit beispielloser Geschwindigkeit und Präzision auf unsere Bedürfnisse zugeschnitten werden können.