In drei vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) gef?rderten Projekten arbeiten das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) und die Universit?t Bremen daran, quantenunterstützte maschinelle Lernverfahren für robotische Anwendungen nutzbar zu machen. Damit leisten sie Pionierarbeit in diesem noch jungen Forschungsfeld und etablieren Bremen als wichtigen Standort auf der Quantencomputing-Landkarte.
Maschinelles Lernen und insbesondere best?rkende Lernverfahren gelten heute als Schlüsseltechnologie für jegliche Bereiche des robotischen Lernens mit Anwendungspotenzial sowohl in terrestrischen als auch in Weltraumszenarien. Jedoch sind diese Verfahren in ihrer Architektur ?u?erst komplex und ben?tigen eine erhebliche Menge an Trainingsschritten, was das Erlernen von neuem anspruchsvollem Verhalten in realen robotischen Umgebungen ohne Vorwissen und Simulationsumgebung nahezu unm?glich macht. Quantenalgorithmen, die das Potenzial bergen, gro?e Datenmengen deutlich effizienter zu verarbeiten und zu analysieren als klassische maschinelle Lernalgorithmen, k?nnten hier Abhilfe schaffen. Unter anderem durch die Reduzierung von Trainingszeiten versprechen sie einen immensen Sprung hinsichtlich der Komplexit?t von Anwendungsf?llen, wodurch sich erhebliche Fortschritte auf dem Gebiet des Langzeitlernens von explorativen robotischen Systemen erzielen lie?en.
Grundlagenforschung zu Quantencomputing und quantenmaschinellem Lernen
Allerdings steht die Erforschung der Quantentechnologie in diesem Bereich noch ganz am Anfang. Diese voranzutreiben haben sich Wissenschaftlerinnen und Wissenschaftlern des DFKI Robotics Innovation Center und der AG Robotik der Universit?t Bremen auf die Fahne geschrieben. Seit 2020 betreibt das interdisziplin?re Team unter Leitung von Prof. Dr. Dr. h.c. Frank Kirchner grundlegende Forschung, um quantengestützte Konzepte und L?sungen für Anwendungsfelder in der Künstlichen Intelligenz und Robotik zu erarbeiten. Durch die Entwicklung bedarfsorientierter und niedrigschwelliger Qualifikationsbausteine wollen sie zudem dazu beitragen, dem Fachkr?ftemangel im Technologiefeld der quantenbasierten Künstlichen Intelligenz entgegenzuwirken.
Mit den Projekten QuDA-KI, QuBER-KI und QuMAL-KI f?rdert das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) aktuell drei synergetische Projekte, die das Ziel haben, sowohl bestehende Methoden des quantenmaschinell gestützten Lernens zu evaluieren und zu verbessen als auch neue Methoden für robotische Anwendungen zu entwickeln. Die untersuchten Verfahren umfassen neben rein quantenbasierten Ans?tzen auch hybride Verfahren, bei denen bestimmte Anteile des Algorithmus auf Quantencomputer ausgelagert werden, w?hrend die Verarbeitung des restlichen Teils auf einem klassischen Computer erfolgt.
Kodierung klassischer Datens?tze in Qubits und Aufbau eines Quantencomputing-Labors
Um die roboternahen Datenstr?me, insbesondere von Sensoren und Aktuatoren, für quantenmaschinelle Lernverfahren nutzen zu k?nnen, müssen sie in geeigneten Qubit-Repr?sentationen vorliegen. Wie sich die Daten enkodieren lassen, untersuchen die Bremer Forschenden im Projekt QuDA-KI (Qubit-basierte Datenrepr?sentationen und Vorverarbeitungen für Ans?tze des Quantenmaschinellen Lernens). Der Fokus liegt hierbei auf Qubit-basierten Minimalrepr?sentationen von essenziellen Merkmalen, um mit den wenigen in heutigen Quantencomputern zur Verfügung stehenden Qubits bereits erste Anwendungsf?lle umsetzen zu k?nnen. Zus?tzlich sollen Datens?tze aus robotischen Szenarien bisheriger DFKI-Arbeiten zur Nutzung auf Quantenhardware aufbereitet und anderen Projekten zur Verfügung gestellt werden. Auch der Aufbau eines Labors, das mit leistungsstarker, zur Simulation quantenunterstützter Verfahren ben?tigter Hardware und Software ausgestattet wird, ist Teil des Projekts. Darüber hinaus wollen die Forschenden in dem Vorhaben herausfinden, wie sich Quantenschaltkreise effizienter gestalten lassen.
Quantenunterstützte best?rkende Lernverfahren für einfache Roboterverhalten
Die Erkenntnisse von QuDA-KI flie?en in die zwei anwendungsorientierten Projekte QuBER-KI und QuMAL-KI ein, in denen quantenunterstützte best?rkende Lernverfahren zur Generierung von konkretem Roboterverhalten eingesetzt werden sollen. In QuBER-KI (Quantum Deep Reinforcement Learning für einfache robotische Verhalten) analysieren die Wissenschaftlerinnen und Wissenschaftler bestehende quantenunterstützte Algorithmen und evaluieren sie hinsichtlich der Fragestellung, ob und inwiefern sie sich auch auf komplexere Umgebungen und Anwendungen übertragen lassen. Weiterhin sollen die neuronalen Netze der aktuell in der Praxis erfolgreich eingesetzten klassischen Algorithmen für das best?rkende Lernen durch Quantenschaltkreise ersetzt werden, um zu ermitteln, welche Algorithmen bei welchen Lernproblemen die besten Ergebnisse erzielen. Darauf aufbauend wollen die Forschenden neue quantenunterstützte best?rkende Lernverfahren für einfache robotische Verhalten wie die Navigation oder Manipulation entwickeln, welche die quantenmechanischen Eigenschaften explizit ausnutzen.
Quantenbeschleunigtes Lernen für Multiagentensysteme und koordinative Problemstellungen
Insbesondere für anspruchsvolle Szenarien im Bereich der Weltraumrobotik, z.B. bei der planetaren Erkundung oder dem Infrastrukturaufbau, müssen zukünftige langzeitautonome Roboter in der Lage sein, komplexe Verhalten in Interaktion mit anderen robotischen Systemen zu lernen und gegebenenfalls anzupassen. Das Projekt QuMAL-KI (Quantenbeschleunigtes Multi-Agenten Lernen für langzeitautonome Roboter) zielt darauf, Verfahren des best?rkenden maschinellen Lernens sowohl für 澳门皇冠_皇冠足球比分-劲爆体育ere robotische Systeme als auch für 澳门皇冠_皇冠足球比分-劲爆体育ere Quantencomputer, die in einem verteilten Setting ein bestimmtes Verhalten optimieren oder lernen sollen, zu beschleunigen. Dazu evaluieren die Forschenden zun?chst existierende Quantenalgorithmen, um anschlie?end neue Verfahren zu entwickeln, die sie in einem einfachen, aber realit?tsnahen Szenario mit mindestens zwei Robotern erproben wollen. Die Ausführung der Algorithmen erfolgt in allen drei Projekten 澳门皇冠_皇冠足球比分-劲爆体育heitlich in der Simulation. Darüber hinaus ist geplant, bestimmte Projektanteile auf aktuell verfügbarer Quantenhardware zu demonstrieren.
Die Projekte QuDA-KI (Laufzeit: 01.10.2022 bis 30.09.2025), QuBER-KI (Laufzeit: 01.11.2022 bis 31.10.2025) und QuMAL-KI (Laufzeit: 01.12.2022 bis 30.11.2026) werden mit Mitteln des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK) über das Deutsche Zentrum für Luft- und Raumfahrt unter den F?rderkennzeichen 50RA2206A und 50RA2206B (QuDA-KI), 50RA2207A und 50RA2207B (QuBER-KI), 50RA2208A und 50RA2208B (QuMAL-KI) gef?rdert.
