humanoide Roboter

[Karl1000]

naja der Big Dog hat auch einen Verbrennungsmotor der ordentlich Energie für die saufende Hydraulik liefert. Ein Verbrenner ist aber definitiv keine Lösung für einen Androiden.
Die Darpa hat jetzt das Problem, dass Boston Dynamics von Google gekauft wurde und die wollen lieber zivile Sachen entwickeln. Wobei ich das nicht wirklich glaube...

Ich sehe das Problem in der Software, da leider kein Rechner kaum mehr als 16 -Bit eingangsbandbreite verarbeiten kann.
und solange das nicht möglich ist, wird das stagnieren.

[i_make_it]

Ich sehe zwar nur bedingt einen Zusammenhang zwichen ALU-, Register-, Busbreite und der Verarbeitung größerer Datenmengen in kurzer Zeit,
aber wenn jemanden 8, 16, 32 oder 64 Bit nicht reichen.
Selber machen. Z.B. mit einem FPGA einen 128 Bit Controller erstellen, wie hier:
http://esatjournals.org/Volumes/IJRE...0140315176.pdf
Und auf solche Ideen sind schon ein paar Entwickler gekommen.

Bei dem ARM-FPGA Hybriden sinds 54 IOs die man nutzen kann und wenn man 12 davon nimmt, und mit den 12 internen High speed transceivern mit je 10.3 Gbit/s verbindet, dürfte man mit externen IO-Baugruppen auf doch etwas mehr Eingangsbandbreite als 16 Bit kommen.
http://www.elektroniknet.de/halbleit...artikel/99911/

Also ich sehe da keine Stagnation, eher eine Beschleunigung der Entwicklung.

[Peter(TOO)]

Hallo,

Ich sehe zwar nur bedingt einen Zusammenhang zwichen ALU-, Register-, Busbreite und der Verarbeitung größerer Datenmengen in kurzer Zeit,
aber wenn jemanden 8, 16, 32 oder 64 Bit nicht reichen.

Also ich sehe da keine Stagnation, eher eine Beschleunigung der Entwicklung.

Die Rechenpower muss auch nicht auf einem einzelnen Chip sitzen!

Wie HaWe beschrieben hat, hat die Natur hier vieles auch auf unterschiedliche Rechner aufgeteilt.
Das kann auch problemlos auf unterschiedliche Rechner verteilt werden.

ich habe bis heute nicht verstanden, wieso manche Leute hierarchische Systeme unbedingt auf einem einzelnen Chip nachbilden wollen?
Vor 30 Jahren war es noch ein Frage der Kosten, des Platzbedarfs und der Stromaufnahme. Heute bekommt man für ein paar € wirkliche Single-Chip Lösungen!

MfG Peter(TOO)

[Karl1000]

Unter eingangs Bandbreite verstehe ich die eingangsbits eines neuronalen Netzes ,
Bei 16 bit wären das 65536 eingangs perzeptronen dann noch mindestens 10 hidden schichten. Bei Voll-vernetzung ist das mit nichts in einem echtzeit-takt von, sagten wir mal 1khz , zu rechnen . jedes. Weitere bit potenziert den Aufwand. Ich denke die eingangs Bandbreite beim Menschen ist mehr als 30 bit. Also das ist reine Schätzung.
Und noch was, mit konventioneller Programmierung ist leider kein Blumentopf zu gewinnen. Dazu ist das viel zu komplex. Nicht kompliziert, sondern komplex.

[Klebwax]

Ich denke die eingangs Bandbreite beim Menschen ist mehr als 30 bit. Also das ist reine Schätzung.

Das glaub ich eher nicht. Die "menschlichen" Sensoren sind im Vergleich mit den "technischen" eher schlecht, sowohl was Auflösung und Geschwindigkeit angeht. Jede Küchenwaage ist genauer und löst feiner auf, als das menschliche Gefühl für "Kraft" bzw. "Gewicht", jeder simple Frequenzzähler ist besser als das absolute Gehör. Der Dynamikbereich der menschlichen Sensoren ist häufig groß, das liegt aber an der nichtlinearen Kennlinie der Sensoren. Die Reizleitung in den Nerven ist auch langsam, da geht es um Millisekunden, also Kilohertz. Selbst simple SPI Schittstellen sind im 2 stelligen MHz Bereich. Moderne serielle bewegen sich eher im GHz Bereich, sind also um 6 Größenordnungen schneller, und Datenwortbreiten sind kein wirkliches Thema.

Von den technischen Daten sind Maschinen eigentlich überall besser oder viel besser als die Natur. Auf moderne SSD passen mehr nackte Informationen, als ein Mensch sich je merken kann. Der Mensch ist aber gut beim Pattern-Matching, beim Einordnen und Wiederfinden von Informationen. Er ist ebenso gut bei der Sensorfusion. Ich hab mal einen Fahrer einer Asphaltmaschine sagen hören: "Bevor mir der Laser meldet, daß etwas schief läuft, fühle ich das mit meinem Hintern". Was nicht heißt, daß er mit diesem "Gefühl" in der Lage ist, kilomerterlang eine Straße gerade zu bauen, da ist der Laser schon besser.

Was meiner Ansicht nach fehlt, sind die Algorithmen nicht die Genauigkeit und auch nicht die Rechenleistung. Wieviel "Gehirnleistung" hat wohl ein Regenwurm oder eine Kakerlake? Beide bewegen sich recht geschickt in ihrem Umfeld.

Wie das so ungefähr funktioniert kann man erkennen, wenn man sieht, wie man den Menschen austrickst. Wind von vorn, ein sich neigender Sitz und kein Bezugspunkt für das Auge erzeugt das Gefühl für Beschleunigung. Sobald aber der Beschiß erkannt ist, ändert der Mensch den Algorithmus und erkennt mit den gleichen Sensoren, was wirklich ab geht.

Dazu noch ein Beispiel: bevor es in Flugmodellen die modernen proportionalen Servos gab, konnte man das Seitenruder nur links, rechts und geradeaus steuern. Das sind weniger als zwei Bit pro Achse und durch die verwendeten Relais auch noch langsam. In der Reaktionskette vom Auge des Piloten bis zum Ruder war also diese langsame Strecke, trotzdem wurde damit anspruchsvoller Kunstflug gemacht.

MfG Klebwax

[i_make_it]

Ja das gute alte Popometer, das hat Walter Röhrl auch oft gesagt, das er damit schneller als mit allen Instrumenten gemerkt hat ob was nicht stimmt.
Im Bereich Aktorregelung dürfte noch auf lange Zeit die klassische Programmierung die Nase vor neuronalen Netzen vorne haben. und wenn man sich in den letzten 23 Jahren die Mustererkennung in der Bild und anderer Signalverarbeitung ansieht, da wurde auch viel mit neuronalen Netzen experimentiert bis man Algorithmen gefunden hat die schneller und besser sind. Ob bei einem humanoiden überhaupt ein Neuronales Netz in der Ebene höherer Entscheidungsfunktionen gewünscht ist, dürfte die Frage sein. das Primärmerkmal eines neuronalen Netzes, ist ja das es entgegen des klassischen maschinellen Lernenes sich dabei verändert und sich somit auch nicht vorhersehbare Möglichkeiten ergeben. Der extremfall wäre ein Roboter mit komplett freiem Willen und eigener Weltanschauung und Philosophie. Was da alles gegen die Interessen des Homosapiens laufen kann hat Isaac Asimov ja schon lange geschrieben. Aber mal sehen wie es in 20 Jahren aussieht.

[HaWe]

Man hat bereits das neuronale Netz eines Wurms auf einen Lego-Roboter übertragen. Auf den ersten Blick unterscheidet es sich nicht so sehr von einem Elman- oder Jordan-Netz, nur ist es per Evolution statisch angelegt, nicht lernfähig - funktioniert aber trotzdem genauso (was nicht verwundert, die Struktur, die Verknüpfungen und die Gewichtungen werden halt vererbt):

http://docs.openworm.org/en/latest/resources.html

Bild hier  

Aber: es sind nur rund 10 Dutzend Neuronen in dem Wurm.

Das motorisch-sensorische System des Menschen hat sicher > 1 Milliarde Neuronen (mit den synergistischen Zentren vielleicht sogar 10 mal soviele), modulierende Gliazellen noch nicht mal mitgerechnet (das sind sicher noch mal soviele). Es ist ebenfalls in etlichen Bereichen statisch, aber auch in anderen Bereichen stark lernfähig mit sich dabei ständig neu entwickelnden polysynaptischen Verbindungen. Das ist eine (geringfügig) andere Liga.
Nicht, dass es nicht irgendwann möglich sein würde, auch dies nachzubilden, nur momentan halt nicht in all seiner Komplexität.


ps,
auch das Auge ist nicht bloß eine Cam mit 25 Hz.
Das Auge ist ein eigener, quasi ausgestülpter Teil des Gehirns (eigentlich sogar sein ältester Teil), mit eigenen lokalen Signalverarbeitungszentren zur mehrfachen Datenreduktion, Datenvorraussage, Datenfokussierung, dann im weiteren Verlauf weitere Modulationen durch Emotions- und Erinnerungs-Zentren, bis es ÜBERHAUPT in die Sehrinde (hinterer Teil des Gehirns) gelangt.
Und erst danach kommen, nach weiterer Umschaltung und Modulation, die Seheindrücke überhaupt erst ins Bewusstsein. Die beschriebenen "optischen Täuschungen" sind also keine Fehlfunktion des optischen Systems, sondern die Folge der implementierten intelligenten Datenfilter zur Vor-, Zwischen- und Weiter-Verarbeitung der optischen Signale. Soll nur nochmal illustrieren, dass menschliche Sensoren nicht einfach nur "Sensoren" als Dateninputs mit serieller Datenübertragung sind.

Letzendlich dienen die menschlichen sensorischen und motorischen Systeme nicht der punktgenauen Messung von Werten und millimetergenauen Stellung von Aktoren, sondern sie dienen in ihrer Gesamtheit durch intelligente Verknüpfung und Auswertung einer maximal effizienten Überlebensprognose, und darum sieht ein Mensch, was er sehen soll und bewegt sich so, wie er sich bewegt.

Das glaub ich eher nicht. Die "menschlichen" Sensoren sind im Vergleich mit den "technischen" eher schlecht, sowohl was Auflösung und Geschwindigkeit angeht. Jede Küchenwaage ist genauer und löst feiner auf, als das menschliche Gefühl für "Kraft" bzw. "Gewicht", jeder simple Frequenzzähler ist besser als das absolute Gehör. Der Dynamikbereich der menschlichen Sensoren ist häufig groß, das liegt aber an der nichtlinearen Kennlinie der Sensoren. Die Reizleitung in den Nerven ist auch langsam, da geht es um Millisekunden, also Kilohertz. Selbst simple SPI Schittstellen sind im 2 stelligen MHz Bereich. Moderne serielle bewegen sich eher im GHz Bereich, sind also um 6 Größenordnungen schneller, und Datenwortbreiten sind kein wirkliches Thema.

Von den technischen Daten sind Maschinen eigentlich überall besser oder viel besser als die Natur. Auf moderne SSD passen mehr nackte Informationen, als ein Mensch sich je merken kann. Der Mensch ist aber gut beim Pattern-Matching, beim Einordnen und Wiederfinden von Informationen. Er ist ebenso gut bei der Sensorfusion. Ich hab mal einen Fahrer einer Asphaltmaschine sagen hören: "Bevor mir der Laser meldet, daß etwas schief läuft, fühle ich das mit meinem Hintern". Was nicht heißt, daß er mit diesem "Gefühl" in der Lage ist, kilomerterlang eine Straße gerade zu bauen, da ist der Laser schon besser.

Was meiner Ansicht nach fehlt, sind die Algorithmen nicht die Genauigkeit und auch nicht die Rechenleistung. Wieviel "Gehirnleistung" hat wohl ein Regenwurm oder eine Kakerlake? Beide bewegen sich recht geschickt in ihrem Umfeld.

Wie das so ungefähr funktioniert kann man erkennen, wenn man sieht, wie man den Menschen austrickst. Wind von vorn, ein sich neigender Sitz und kein Bezugspunkt für das Auge erzeugt das Gefühl für Beschleunigung. Sobald aber der Beschiß erkannt ist, ändert der Mensch den Algorithmus und erkennt mit den gleichen Sensoren, was wirklich ab geht.

Dazu noch ein Beispiel: bevor es in Flugmodellen die modernen proportionalen Servos gab, konnte man das Seitenruder nur links, rechts und geradeaus steuern. Das sind weniger als zwei Bit pro Achse und durch die verwendeten Relais auch noch langsam. In der Reaktionskette vom Auge des Piloten bis zum Ruder war also diese langsame Strecke, trotzdem wurde damit anspruchsvoller Kunstflug gemacht.

MfG Klebwax

[Karl1000]

Ja die Faszination neuronaler Netze. Die faszinieren deshalb, weil man sie nicht lesen kann wie normalen Programmcode.
Das Problem bei neuronalen Netzen ist, dass sie extrem Ineffizient sind. Und deren Hauptproblem ist, dass ein Netz genauso wie alles andere erstmal mit Daten gefüllt werden muss. Dies ist schon bei einfachen Dingen wie
Gesichter-Erkennung ein Riesenproblem und Aufwand. Deshalb werden KNN NIEMALS in humanoiden Robotern funktionieren. Das mal vorweg. Der Grund ist die Eingangsbandbreite.

[HaWe]

man soll niemals nie sagen, aber wenn überhaupt irgendwann irgendein autnomes System so autonom werden könnte oder sollte wie ein Mensch, dann NUR über ein neuronales Netz.
Das menschliche neuronale System ist ja auch ein riesiges neuronales Netz, aber es ist ja auch beileibe nicht leer von Anfang an, die meisten Funktionen sind bereits von Geburt an da und vorbelegt, bereit zur effizienten Weiterentwicklung. Und die Tatsache, dass die Art der Weiterentwicklung (gehen lernen, sprechen lernen) bei allen Menschen in identischen Teilschritten abläuft, beweist, dass nicht nur die Vorbelegung gleich ist, sondern auch die Prozesse der Weiterentwicklung bereits in den Individuen identisch vorbelegt sind.

Aber dabei ist nicht nur die ungeheure Anzahl von Neuronen ein Thema im Vergleich zu heutigen KNNs, sondern auch die ebenso ungeheure Anzahl von Sensoren.
Wer heute mit Berührungssensoren arbeitet, der hat vielleicht mit einem Dutzend, maximal mehreren Dutzend davon zu tun - in Extremfällen vielleich auch ein paar Hundert.
Allein auf der Haut sind aber ca. 1.000.000 Tast-, Temperatur- und Schmerzrezeptoren (und zwar "analog", nicht nur ein/aus), die in Muskeln, Gewebe und Organen kommen aber noch dazu. Von den 4 höheren Sinnen noch gar nicht zu reden. Sicherlich ist da die Eingangsbandbreite ein Thema, aber gerade NNs können das bewältigen, weil sie nach einem Grundtraining bereits Ergebnisse und Vorraussagen liefern können, die dann weiter "fein" trainiert werden können.
Das alternative Modell würde eine infernalische Schachtelung von fixen AND, OR, NOT, XOR, NAND-Verknüpfungen aller Milliarden von Inputs und Outputs vorraussetzen, die dann aber unveränderlich blieben und nicht mehr anpassungsfähig wären.
Genau das brauchen aber lebende Organismen, und ebenso künstliche kybernetische Organismen, wollten sie vergleichbar agieren können.

Und der Schlüssel zur Bewältigung der Eingangsbandbreite heißt bei natürlichen Organsimen: extreme, aber intelligente, lernfähige, adaptive Datenreduktion.

[Peter(TOO)]

Hallo,

Unter eingangs Bandbreite verstehe ich die eingangsbits eines neuronalen Netzes ,
Bei 16 bit wären das 65536 eingangs perzeptronen dann noch mindestens 10 hidden schichten. Bei Voll-vernetzung ist das mit nichts in einem echtzeit-takt von, sagten wir mal 1khz , zu rechnen . jedes. Weitere bit potenziert den Aufwand. Ich denke die eingangs Bandbreite beim Menschen ist mehr als 30 bit. Also das ist reine Schätzung.

Das menschliche Gehirn scheint eine Taktrate um die 25Hz zu haben.

Vor über 10 Jahren gab es einen Versuch der ETZ.
Dabei wurden auf das linke und rechte Ohr nacheinander ein Ton gegeben.
So ab 4ms Abstand fallen beide Töne in den selben Arbeitstakt und es kann nicht mehr unterschieden werden, welcher Ton zuerst war.

MfG Peter(TOO)