KI-gestützter Roboter erzielt perfekte Erfolgsquote beim Jenga-Spiel
Mindverse News
KI-gestützt erstellt 9 Quellen Arbeitsweise
KI-gesteuerter Roboter meistert Jenga mit Peitsche und Präzision
Ein Forschungsteam der University of California, Berkeley, hat einen Roboter entwickelt, der mit erstaunlicher Geschicklichkeit Jenga spielt – und das mit einer Peitsche. Durch die Kombination von künstlicher Intelligenz (KI) und menschlicher Anleitung erreicht der Roboter eine Erfolgsquote von 100 Prozent beim Herausschlagen einzelner Blöcke, ohne den Turm zum Einsturz zu bringen.
Jenga, das beliebte Geschicklichkeitsspiel, erfordert von menschlichen Spielern ein gutes Auge, schnelle Reflexe und präzise Handbewegungen. Die Erfolgsquote variiert stark je nach Erfahrung und Können. Die Forscher der UC Berkeley wollten diese Herausforderung einem Roboter stellen, mit dem ambitionierten Ziel, eine perfekte Erfolgsquote zu erreichen.
In ihrem technischen Bericht "Precise and Dexterous Robotic Manipulation via Human-in-the-Loop Reinforcement Learning" beschreiben die Wissenschaftler ihren innovativen Trainingsansatz. Zunächst trainierten sie die KI des Roboters mittels Reinforcement Learning. Eine Kamera erfasste die Versuche des Roboters, wobei erfolgreiche Aktionen in eine Datenbank aufgenommen und Fehlschläge verworfen wurden. Im Gegensatz zu herkömmlichen Methoden verzichteten die Forscher auf ein Training in einer virtuellen Simulation und konzentrierten sich stattdessen auf die reale Welt. Die komplexe Physik der Peitschenbewegung machte eine Simulation ineffizient.
Um den Lernprozess zu beschleunigen, integrierten die Wissenschaftler einen menschlichen Korrekturfaktor. Mithilfe eines speziellen Eingabegeräts konnten sie die Bewegungen des Roboters präzise steuern und korrigieren. Diese Korrekturen flossen ebenfalls in die Datenbank ein, sofern sie zum Erfolg führten. Anfangs waren häufige menschliche Eingriffe notwendig, doch mit zunehmender Trainingsdauer konnte die menschliche Kontrolle reduziert werden. Ab einem bestimmten Punkt lernte der Roboter eigenständig und optimierte seine Technik.
Im finalen Test erreichte der Roboter eine beeindruckende Erfolgsquote von 100 Prozent. Er entfernte jeden Jenga-Block mit der Peitsche, ohne den Turm zum Einstürzen zu bringen. Laut Jianlan Luo, einem der beteiligten Forscher, hat der Roboter gegenüber menschlichen Spielern einen entscheidenden Vorteil: Er ermüdet nicht und führt jeden Schlag mit gleichbleibender Präzision aus.
Die Forscher testeten ihre kombinierte Trainingsmethode aus Reinforcement Learning und menschlicher Korrektur auch bei anderen Aufgaben, wie dem Zusammenbau eines Regals, dem Bestücken einer Platine und dem Wenden eines Spiegeleis. Im Vergleich zu herkömmlichen Methoden des Verhaltensklonens erwies sich der neue Ansatz als deutlich effizienter und führte zu schnelleren Lernerfolgen und höherer Präzision.
Die Entwicklung dieses Jenga-spielenden Roboters demonstriert das Potenzial von KI und menschlicher Expertise in Kombination. Die präzise Steuerung und die hohe Erfolgsquote eröffnen neue Möglichkeiten für den Einsatz von Robotern in Bereichen, die feinmotorische Fähigkeiten und Anpassungsfähigkeit erfordern.
Bibliographie:
- https://www.heise.de/news/Jenga-Peitschen-KI-Roboter-schlaegt-Jenga-Bloecke-zu-100-Prozent-aus-Turm-10267973.html
- https://www.spiegel.de/wissenschaft/technik/jenga-roboter-lernt-tuermchen-spiel-in-kurzer-zeit-a-1250825.html
- https://www.faz.net/aktuell/wissen/klug-verdrahtet/roboter-mit-kuenstlicher-intelligenz-lernt-jenga-zu-spielen-16024622.html
- https://www.heise.de/newsticker/
- https://www.baublatt.ch/verschiedenes/roboter-spielt-jenga-25818
- https://www.amazon.de/Hasbro-Classic-Childrens-Promotes-Reaction/dp/B0C1SXBVH4
- https://the-decoder.de/ki-mit-fingerspitzengefuehl-roboterarm-meistert-jenga/
- https://www.ingenieur.de/technik/fachbereiche/produktion/machine-learning-industrieroboter-spielt-jenga/
- https://www.wissenschaft.de/technik-digitales/ein-roboterarm-spielt-jenga/
//Nächster Artikel
Open Source
Direkteinreichung von Fachpublikationen: Workflows auf Hugging Face und regulatorische Vorgaben im Open-Access-VerlagswesenAnalyse der Einreichungsprozesse für Forschungsarbeiten über Hugging Face Daily Papers sowie der KI- und Lizenzvorgaben im Open-Access-Verlagswesen.

// Artikel teilen
Mehr zu Robotik & Humanoide
Alle Robotik-News- GreenWAM: Wie ein einheitliches World Foundation Model Weltvorhersage und Robotersteuerung verbindet
GreenWAM vereint Weltmodell und Roboter-Policy für 20 Roboterfamilien. Unsere Analyse beleuchtet Architektur, Benchmarks, Alternativen und Governance.
- RoboDawn untersucht die Übertragung multimodaler Modelle auf die Robotersteuerung
Das Forschungsprojekt RoboDawn zeigt, wie Vision-Language-Modelle (VLMs) physische Roboter ohne zusätzliches Training steuern können.
- RoboHarm-Benchmark zeigt Sicherheitslücken bei KI-gesteuerten Robotern
Der RoboHarm-Benchmark testet KI-Modelle wie GPT-6 Astra und Claude Fable bei der Steuerung von Roboterarmen. Das Ergebnis: Gefährliche Befehle werden selten verlässlich verweigert.
- PhysBrain 1.5 verbindet Wahrnehmung, Robotersteuerung und Zukunftsprognosen in einem offenen Modell
PhysBrain 1.5 von DeepCybo vereint Wahrnehmung, Roboteraktionen und Zukunftsprognosen in einem offenen Embodied-AI-Modell. Mit starken Benchmark-Ergebnissen (8B & 2B) eröffnet es neue Wege für Physical AI.
// Dranbleiben
Mindverse News folgen
Neue Meldungen erhalten Sie über unseren RSS-Feed oder auf LinkedIn.
Recherchieren Sie KI-News wie diese selbst — mit Mindverse Studio.
7 Tage kostenlos testen — ohne Kreditkarte, mit 200 Credits. Für Fragen zur Umsetzung buchen Sie eine persönliche Demo.
//Chronik
Aus dem Archiv · rund um den 4. Februar 2025
← Davor erschienen