KI-Roboter CyberRunner übertrifft Menschen im Labyrinthspiel

- Der KI-Roboter CyberRunner besiegt die Menschen im Labyrinth-Spiel und meistert es in 6 Stunden.
- Forscher nutzen modellbasiertes Reinforcement Learning und teilen ihre Arbeit für die KI-Kooperation.
- CyberRunners Open-Source-Plattform für 200 US-Dollar lädt zu Innovationen in der KI-Robotik ein.
Forscher der ETH Zürich haben mit CyberRunner einen bahnbrechenden KI- Roboter , der im beliebten Spiel Labyrinth die Leistung von Menschen übertroffen hat. Der Roboter erreichte dies, indem er eine kleine Metallkugel mithilfe von Feinmotorik und räumlichem Vorstellungsvermögen durch ein Labyrinth steuerte und das Spiel innerhalb von sechs Stunden meisterte.
Dies ist einer der ersten Fälle, in denen künstliche Intelligenz in einer direkten physischen Anwendung herausragende Leistungen erbracht hat und ihre Fähigkeit unter Beweis gestellt hat, bei Aufgaben, die Geschicklichkeit erfordern, zu denken, zu lernen und sich selbst weiterzuentwickeln.
Modellbasiertes Reinforcement Learning: Der Schlüssel zum Erfolg
Die Forscher Raffaello D'Andrea und Thomas Bi nutzten jüngste Fortschritte im Bereich des modellbasierten Reinforcement Learning, um CyberRunner beizubringen, wie man im Labyrinth-Spiel erfolgreich ist. Diese Art des maschinellen Lernens beinhaltet, dass die KI durch Ausprobieren lernt, sich in einer dynamischen Umgebung zu verhalten.
Indem die Forscher ihre Arbeit in einem wissenschaftlichen Artikel veröffentlichten, ermöglichten sie es anderen, auf ihren Erkenntnissen aufzubauen, und unterstrichen damit den kollaborativen und Open-Source-Charakter ihres Projekts.
Einer der bemerkenswertesten Aspekte dieses Projekts ist seine Zugänglichkeit. D'Andrea und Bi stellen ihre Arbeit auf einer Open-Source-Plattform zur Verfügung und ermöglichen so einer breiteren Gemeinschaft, KI-Robotik zu erforschen, zu experimentieren und Innovationen in diesem Bereich voranzutreiben.
Für nur 200 US-Dollar können Nutzer die CyberRunner-Plattform für groß angelegte Experimente nutzen und so die Kommunikation und den Austausch bewährter Verfahren unter KI-Enthusiasten und Forschern fördern.
Die Entwicklung der KI von repetitiv zu adaptiv
Industrieroboter sind seit Langem für die Ausführung sich wiederholender und präziser Fertigungsaufgaben bestens geeignet. Die von CyberRunner demonstrierte Flexibilität und Anpassungsfähigkeit stellen jedoch einen bedeutenden Fortschritt in den Fähigkeiten KI-gesteuerter Maschinen dar.
Die Fähigkeit dieses Roboters, in Echtzeit zu denken, zu lernen und sich an eine dynamische physikalische Aufgabe anzupassen, galt bisher als nur durch menschliche Intelligenz erreichbar.
Lernen durch Erfahrung: Der einzigartige Ansatz von CyberRunner
Der Lernprozess von CyberRunner ist ein faszinierender Aspekt seines Erfolgs. Ausgestattet mit einer Kamera, die das Labyrinth von oben beobachtet, lernt der Roboter durch Erfahrung und entdeckt überraschende Wege, sich im Labyrinth zurechtzufinden, einschließlich der Nutzung von Abkürzungen.
Die Forscher mussten jedoch eingreifen und das System anweisen, diese Abkürzungen nicht auszunutzen, was die Notwendigkeit ethischer Überlegungen bei der KI- Entwicklung unterstreicht.
D’Andrea betonte, dass es sich bei ihrem Projekt nicht um eine kostspielige, maßgeschneiderte Plattform handelt. Vielmehr ist es eine offene und erschwingliche Ressource für alle, die an der Weiterentwicklung von KI-Robotik interessiert sind. Diese Inklusivität und Erschwinglichkeit sind Schlüsselfaktoren für das Potenzial rascher Fortschritte auf diesem Gebiet.
Lesen Sie Krypto-News nicht nur, sondern verstehen Sie sie. Abonnieren Sie unseren Newsletter. Er ist kostenlos.
Haftungsausschluss. Die bereitgestellten Informationen stellen keine Anlageberatung dar. Cryptopolitan/ übernimmt keine Haftung für Investitionen, die auf Grundlage der Informationen auf dieser Seite getätigt werden. Wirtronempfehlen dringend, vor jeder Anlageentscheidung eigene Recherchen durchzuführendent oder einen qualifizierten Fachmann zu konsultieren

Brian Koome
Brian Koome verfügt über mehr als sieben Jahre Erfahrung im Bereich Blockchain- und Kryptowährungsberichterstattung und ist seit 2017 in der Branche aktiv. Er hat für führende Publikationen wie BlockToday.com geschrieben. Darüber hinaus entwickelte er den Ethereum -101-Kurs für BitDegree.org, bevor er als festangestellter Autor zu Cryptopolitan wechselte. Brians Themenschwerpunkte umfassen Evergreen-Guides, detaillierte Analysen, Interviews und Preisanalysen. Sein Fokus auf DeFi, Blockchain-Innovationen und aufstrebende Kryptoprojekte begeistert die Leser.
CRASH-KURS
- Mit welchen Kryptowährungen kann man Geld verdienen?
- Wie Sie Ihre Sicherheit mit einer digitalen Geldbörse erhöhen können (und welche sich tatsächlich lohnen)
- Wenig bekannte Anlagestrategien, die Profis anwenden
- Wie man mit dem Investieren in Kryptowährungen beginnt (welche Börsen man nutzen sollte, welche Kryptowährung am besten zum Kauf geeignet ist usw.)















