Projekt Forscher nutzen Quantencomputing für die Roboternavigation

In der autonomen Robotik müssen riesige Datenmengen in kurzer Zeit verarbeitet werden. Bestärkende Lernverfahren mit Quantenalgorithmen könnten hierbei die Lösung sein.

Anbieter zum Thema

SAB Bröckskes GmbH & Co KG

Captron Electronic GmbH

NetModule AG

Deutsches Forschungszentrum f. Künstliche Intelligenz GmbH (DFKI)

Forscher aus Bremen haben das Projekt Qinros (Quantencomputing und quantenmaschinelles Lernen für intelligente und robotische Systeme) abgeschlossen. Wie das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) mitteilt ist es gelungen, bestärkende Lernverfahren mit Quantenalgorithmen erstmalig für die Roboternavigation im Kontext der Weltraumexploration einzusetzen. Damit seien Grundlagen zur Erforschung der Zukunftstechnologie für robotische Anwendungen geschaffen worden. Die Projektergebnisse veröffentlichten die Forscher in dem Paper „Quantum Deep Reinforcement Learning for Robot Navigation Tasks“.

„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“, sagt Frank Kirchner, Leiter des DFKI Robotics Innovation Center. „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.“

200 statt 2000 Parameter

Das Projekt Qinros startete im September 2022. Die Forscher wollten die Frage beantworten, ob und in welchem Ausmaß sich Rechenprozesse für robotische Navigationsaufgaben bereits heute auf Quantencomputer auslagern lassen. Dies untersuchten sie am Beispiel eines mobilen Turtlebot-Systems, dessen Aufgabe es ist, mithilfe von Reinforcement Learning eine unbekannte Umgebung eigenständig zu erkunden, so das Forschungszentrum. Dabei fanden die Forscher heraus, dass sich mithilfe der Quantenschaltkreise äquivalente Ergebnisse wie mit klassischen neuronalen Netzen erzielen lassen. Die Wissenschaftler benötigten zur Lösung eines Problems statt 2000 Parametern 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 parametisierbarer Quantenschaltkreise in einem Anwendungsfall der Weltraumrobotik darzustellen“, so Kirchner.

(ID:48309897)