KI steuert Enten-Taxis in Duckietown

Forscher der ETH Zürich wollen wissen, welche Aufgaben Künstliche Intelligenz (KI) in selbstfahrenden Autos übernehmen kann. Dafür lassen sie Forschungsteams in einem internationalen Wettbewerb mit den Robotertaxi-Flotten von Duckietown gegeneinander antreten.

Vergr?sserte Ansicht: Duckietown
Andrea Censi und Jacopo Tani rufen in Duckietown zum KI-Wettkampf auf (Bild: ETH Zürich / Alessandro Della Bella)

Forscher der ETH Zürich haben einen neuen Wettbewerb für autonomes Fahren lanciert. Spielfeld für den Wettbewerb ist Duckietown. In der Modellstadt transportieren kleine selbstfahrende Taxis, ausgestattet mit einem Minicomputer, einer Kamera und ein paar LEDs, Entchen von A nach B. Die Plattform wurde am Massachusetts Institute of Technology (MIT) entworfen und an der ETH Zürich weiterentwickelt.

Die Teilnehmenden der ?Artificial Intelligence Driving Olympics?, kurz ?AI-DO?, müssen den kleinen Robotertaxis beibringen, die Spur zu halten, Objekte zu erkennen und ihnen auszuweichen oder als Teil einer ganzen Taxi-Flotte in Duckietown zu interagieren.

Die Idee für den Wettbewerb hatten Andrea Censi und Jacopo Tani, Oberassistenten bei ETH-Professor Emilio Frazzoli. Sie m?chten damit die Grenzen und M?glichkeiten von Machine Learning bei physischen Robotern ausloten.

Kann Künstliche Intelligenz Autos steuern?

Die Forschungsfrage zum Wettbewerb: Kann Künstliche Intelligenz (KI) schon bald aktiv dazu beitragen, autonome Fahrzeuge auf der Strasse zu steuern? Bereits heute k?nnen Autos dank Maschinenlernen beispielsweise Objekte erkennen. Sie treffen aber noch keine aktiven Entscheidungen. Manche Robotik-Forschende glauben, dass dies bald m?glich wird. Censi ist noch skeptisch, ?aber wenn die Kollegen denken, dass sie das auf der Strasse umsetzen k?nnen, dann sollten sie das in Duckietown mit Links schaffen?, sagt er mit einem Schmunzeln. ?An unserem Wettbewerb k?nnen sie es beweisen.?

Teilnehmende erhalten Zugang zu einem Grundstock an Code, zu Simulatoren in der Amazon-Cloud und zum sogenannten Robotarium: einer autonomen Duckietown-Plattform mit Fernzugriff, die Jacopo Tani und sein Team entwickelt und im Maschinenlabor der ETH Zürich aufgebaut haben. In der Qualifikationsphase arbeiten Teams von überall aus der Welt am Code für die verschiedenen Aufgaben. Mit sogenannten Containern – das sind Code-Pakete, die sich per Tastendruck auf den Robotern implementieren lassen – k?nnen sie ihren Code testen und schliesslich einreichen.

Finale an Machine-Learning-Konferenz in Montréal

Seit Mitte Oktober l?uft der Wettbewerb. Die besten Teams qualifizieren sich für den Final am 7. Dezember an der bekannten Machine-Learning-Konferenz ?Neural Information Processing Systems? (NIPS) in Montréal. Dort treten sie in einem Duckietown-Robotarium gegeneinander an. Es gewinnt das Team, dessen Code die Robotertaxis mit den wenigsten Fehlern durch Duckietown steuert. Welche Aufgaben dabei KI erfüllt und wo konventionelle Methoden zum Einsatz kommen, ist den Teams überlassen.

Der eigentliche Wettbewerb wird sich zwischen einer Handvoll Top-Forschenden abspielen, ist Censi überzeugt. Weil die Teilnehmenden aber einen Grundstock an Code erhalten, ist die Einstiegshürde tief. Auch Master-Studierende der ETH Zürich machen im Rahmen eines Kurses mit. Und selbst für interessierte Amateure sollte es m?glich sein, die Robotertaxis zum Fahren zu bringen. Um den Sieg werden sie kaum mitspielen k?nnen. Aber das sei auch nicht der einzige Zweck des Wettbewerbes, sagt Censi: ?Der Wettbewerb ist zugleich ein Spiel- und Experimentierfeld. Wir freuen uns, wenn m?glichst viele Menschen neugierig werden und den Zugang zu Robotik finden. Das ist die Basis, um zu lernen, wie die Technologie von morgen funktioniert.?

Von der Simulation in die Realit?t

Hauptmotivation für den Wettbewerb sind aber auch handfeste Forschungsinteressen. Censi sagt: ?Machine-Learning-Forschende haben oft keinen so einfachen Zugang zu einer Robotik-Plattform. Deshalb gibt es viele Probleme, denen sie noch gar nie begegnet sind. Mit AI-DO wollen wir einen Austausch schaffen zwischen den Robotikern und den Fachleuten für Maschinenlernen.?

Censi erhofft sich von dem Projekt etwa neue Erkenntnisse für das sogenannte Transfer-Problem: Für sicherheitskritische Funktionen kann man Roboter nur in Simulationen trainieren. Danach muss es aber in der Realit?t funktionieren. AI-DO bietet beides, virtuelle Simulationen und mit den Robotarien auch ein physisches Umfeld. Forscher k?nnen mit dem Wettbewerb also üben, diesen Schritt in die physische Welt zu tun.

Am Projekt beteiligen sich neben der ETH Zürich die Université de Montréal, die National Chiao Tung University in Taiwan, das Toyota Technology Institute in Chicago, das Georgia Institute of Technology und die Tsinghua University in China. Darüber hinaus arbeiten Amazon Web Services und nuTonomy, ein Entwickler von selbstfahrenden Taxis in Singapur, bei dem Projekt mit.

Literaturhinweis

Censi A, Paull L, Tani J et al. The AI Driving Olympics at NIPS 2018. externe Seite https://arg-nctu.github.io/publications/paull-2018-nips-AIDO.pdf

JavaScript wurde auf Ihrem Browser deaktiviert