Anzeige
Anzeige
Beitrag drucken

Forschungsprojekt Qinros

Quantenalgorithmen für die Roboternavigation

Quantencomputer bergen Potenzial für zahlreiche Anwendungsfelder – auch für die Robotik. 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.

Bild: DFKI, Florian Cordes

Bild: DFKI, Florian Cordes

Eine Herausforderung im Bereich der autonomen Robotik ist die große 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 (KI) 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“, so Prof. Dr. Frank Kirchner, Leiter des DFKI Robotics Innovation Center:

Im Mittelpunkt des Projekts Qinros (Quantencomputing und quantenmaschinelles Lernen für intelligente und robotische Systeme) stand die Frage, ob und in welchem Ausmaß sich Rechenprozesse für robotische Navigationsaufgaben bereits heute auf Quantencomputer auslagern lassen. Die Verteilung von Rechenprozessen ist deshalb 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, das mithilfe von Reinforcement Learning eine unbekannte Umgebung eigenständig erkunden soll. Der Roboter erfasst 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 mit klassischen Verfahren vorverarbeitet werden müssen. Die Umsetzung erfolgte in der simulierten Umgebung mit steigender Komplexität. Dafür entwickelten die Forschenden Algorithmen für parametrisierbare Quantenschaltkreise, die u.a. 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 aus dem Projekt darauf hin, dass sich Probleme deutlich kompakter darstellen lassen: So benötigten die Wissenschaftler zur Lösung ein und desselben Problems anstatt 2.000 Parameter im neuronalen Netz nur 200 Parameter im Quantenschaltkreis.


Das könnte Sie auch interessieren:

Die Parametrierung von Anlagen ist zeitintensiv und erfordert Fachwissen - und findet demnach nur statt, wenn es nicht anders geht. Doch Datenanalyse und Algorithmen können künftig helfen, Produktionsanlagen und eingesetzten Ressourcen stets das Bestmögliche zu entlocken.‣ weiterlesen

Verbraucher können Massenprodukte wie Schuhe und Autos längst nach individuellen Wünschen gestalten. Auch im Industriebereich erwarten Kunden immer individuellere Lösungen zum Preis von Serienprodukten - obwohl Komplexität und Kosten beim Hersteller steigen. Softwaregestützte Variantenkonfiguration adressiert diese Effekte.‣ weiterlesen

PSI Automotive & Industry hat Details zum neuen Release 9.4 des ERP-Systems Psipenta bekanntgegeben. Überarbeitet wurden demnach zum Beispiel die Unterstützung bei der Exportabwicklung, die Textverwaltung, die Standardberichte im Client sowie Mehrsprachenbelege.‣ weiterlesen

Viele Unternehmen rollen Funktionalität im IIoT als Microservice aus. Dazu erstellen IT-Teams kleine Software-Container, die oft mit Kubernetes verwaltet werden. Das könnte künftig häufiger mit Bare Metal Kubernetes erfolgen.‣ weiterlesen

Angesichts komplexer werdender Prozesse und dem Wunsch nach niedrigen Durchlaufzeiten parallelisieren Unternehmen Entwicklungsabäufe per virtuellen Inbetriebnahme.‣ weiterlesen

Wollen Hersteller mehrere Werke mit einer vergleichbaren MOM/MES-Infrastruktur versorgen, steigen die Projektrisiken deutlich. Klare Zielvorgaben, offene Kommunikation und ein Exzellenzzentrum helfen, die Risiken zu bewältigen - und instanziierbare MOM-Templates zu entwickeln, die trotzdem individuelle Anforderungen berücksichtigen.‣ weiterlesen

Die Stimmung in den Unternehmen hat sich im Mai etwas aufgehellt. Der Ifo-Geschäftsklimaindex stieg auf 93 Punkte. Trotz Inflationssorgen, Materialengpässen und Ukraine-Krieg erweise sich die deutsche Wirtschaft als robust, so Ifo-Präsident Clemens Fuest.‣ weiterlesen

Aptean DACH hat zwei neue Partner im Boot: den KI-Spezialisten Prodaso sowie das IT-Systemhaus Acomm.‣ weiterlesen

Im Gegensatz zur klassischen Produktions-IT bieten Cloud-Systeme höhere Rechen- und Speicherkapazitäten. Für Anwendungen mit deterministischen Anforderungen gelten diese Infrastrukturen aber als ungeeignet. Dabei können viele Hürden mit der richtigen Konfiguration und der Nutzung von TSN überwunden werden.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige