Forschung

Roboter lernen mit Quantenalgorithmen

05.05.2022 - Erste Erfolge für quantengestützte Berechnungsverfahren in der Robotik.

Quantencomputer bergen ungeahntes Potenzial für zahlreiche Anwendungs­felder – auch für die Robotik. Doch noch steckt die Forschung in den Kinderschuhen. Im nun abge­schlossenen Projekt QINROS ist es Forschenden des Deutschen Forschungs­zentrums für Künstliche Intelligenz (DFKI) und der Universität Bremen gelungen, bestärkende Lern­verfahren mit Quanten­algorithmen erstmalig für die Roboter­navigation im Kontext der Weltraum­exploration einzusetzen. Damit schaffen sie wichtige Grundlagen zur Erforschung der Zukunfts­technologie für robotische Anwendungen. 

Die größte Herausforderung im Bereich der autonomen Robotik ist die riesige Datenmenge, die in kürzester Zeit verarbeitet werden muss, damit Roboter selbständig agieren und schnell auf unvorher­gesehene Situationen reagieren können. Quantencomputer sind in der Lage, eine Vielzahl von Lösungs­wegen parallel zu berechnen, weshalb sie Informationen deutlich schneller verarbeiten, und sehr viel komplexere Aufgaben bewältigen könnten als klassische digitale Computer. Doch die Erforschung quanten­gestützter Berechnungs­verfahren in der Robotik steht noch ganz am Anfang. Diese voranzutreiben, haben sich das DFKI Robotics Innovation Center und die Arbeitsgruppe Robotik der Universität Bremen auf die Fahne geschrieben und eine Forschungs­agenda definiert, um quanten­gestützte Konzepte und Lösungen für Anwendungs­felder in der künst­lichen Intelligenz und Robotik zu erarbeiten.

„Die Quantentechnologie, insbesondere das quanten­maschinelle Lernen, hat das Potenzial bedeutende Entwicklungen im Bereich der effizienten Berechnung hoch komplexer Prozesse zu ermöglichen. Gerade in der Robotik haben wir das Problem, dass wir immer am Limit der Computer arbeiten – je mehr Rechenkraft uns zur Verfügung steht, desto besser. Allerdings gilt es hier noch sehr viel grundlegende Forschung zu betreiben und entsprechende Ausbildungs­arbeit zu leisten. Dazu möchten wir mit aktuellen und zukünftigen Projekten beitragen“, sagt Frank Kirchner, Leiter des DFKI Robotics Innovation Center. Dabei ist die Verteilung von Rechen­prozessen von besonderer Relevanz, weil die Rechenkapazität aktueller Quanten­computer noch nicht für eine vollständig quantenbasierte Verarbeitung ausreicht. Zudem wollten die Bremer Forschenden herausfinden, inwiefern die quantengestützte Ausführung maschineller Lern- und Optimierungs­verfahren Vorteile gegenüber klassischen Verfahren birgt.

Dies untersuchten sie am Beispiel eines mobilen Turtlebot-Systems, dessen Aufgabe es ist, eine unbekannte Umgebung eigenständig zu erkunden. Dabei erfasst der Roboter sowohl Sensorwerte der Umgebung als auch Informationen zu seinem internen Status, die als Datenbasis für das bestärkende Lernen dienen, das erwünschtes Roboter­verhalten wie das erfolgreiche Umfahren eines Hindernisses belohnt. So lernt das System, sich nach und nach in der ihm fremden Umgebung zurecht­zufinden. Ausgehend von diesem Szenario wurde zunächst theoretisch evaluiert, welche Anteile des Reinforcement Learning sich mithilfe von quanten­gestützten Verfahren berechnen lassen, und welche sinnvollerweise, aber auch notwendiger­weise mit klassischen Verfahren vorver­arbeitet werden müssen.

Die Umsetzung erfolgte in der simulierten Umgebung mit steigender Komplexität. Hierfür entwickelten die Forschenden Algorithmen für para­metrisierbare Quanten­schaltkreise, die etwa die Berechnung neuer Trajektorien­ziele mit Qubits ermöglichen. Dabei zeigte sich, dass sich mithilfe der Quanten­schaltkreise äquivalente Ergebnisse wie mit klassischen neuronalen Netzen erzielen lassen. Darüber hinaus deuten erste Ergebnisse darauf hin, dass sich Probleme deutlich kompakter darstellen lassen: So benötigten die Wissenschaftler zur Lösung ein und desselben Problems anstatt 2000 Parameter im neuronalen Netz nur 200 Parameter im Quanten­schaltkreis. „Mit QINROS ist es uns erstmalig gelungen, quantenmaschinelle Lernverfahren für Roboter­verhalten in einer simulierten Umgebung zu demonstrieren und so die Leistungs­fähigkeit para­metrisierbarer Quantenschalt­kreise in einem Anwendungs­fall der Weltraumrobotik darzustellen“, sagt Frank Kirchner.

DFKI / JOL

Weitere Infos

Ölfreie Vakuumpumpe für vielseitige Einsatzmöglichkeiten - auch im Labor

Mehr erfahren
Jetzt Newsletter abonnieren!

Newsletter

Jede Woche gut informiert - abonnieren Sie hier den - Newsletter!

Ölfreie Vakuumpumpe für vielseitige Einsatzmöglichkeiten - auch im Labor

Mehr erfahren
Jetzt Newsletter abonnieren!

Newsletter

Jede Woche gut informiert - abonnieren Sie hier den - Newsletter!