Selbstfahrende Autos können Einiges von Grand Theft Auto lernen

|

Selbstfahrende Autos können Einiges von Grand Theft Auto lernen

Hunderte Stunden Grand Theft Auto zu spielen, mag dem Menschen keinen Vorteil verschaffen, aber Computer könnten durchaus davon profitieren.

Momentan nutzen Forschungsgruppen das populäre Spiel, in dem es um schnelle Autos und fragwürdige Aktivitäten geht, um Algorithmen zu verfeinern, die einem selbstfahrenden Auto bei der Navigation auf einer echten Straße helfen könnten.

Die Chance, dass sich ein Computer beim Spielen eines gewalttätigen Video-Spiels schlechtes Verhalten abguckt ist relativ gering. Aber die unglaublich realistische Kulisse in Grand Theft Auto und anderen virtuellen Welten helfen einer Maschine, die Elemente der realen Welt richtig wahrzunehmen.

Maschinelles Lernen ermöglicht Computern erstaunliche, neue Dinge zu tun, wie das Identifizieren eines Gesichts oder Sprache so gut wie eine Person zu erkennen. Dies erfordert jedoch große Mengen an analysierbaren Daten, deren Erfassung schwierig und zeitaufwendig sein kann. Die Kulisse in vielen Spielen ist so fantastisch realistisch, dass sie sich zur Generierung von Daten genauso gut eignet wie echtes Bildmaterial.

Einige Forscher haben bereits 3D-Simulationen unter der Verwendung von Spiele-Engines kreiert, um Übungsdaten für ihre Algorithmen zu schaffen. Video-Spiele könnten jedoch einen einfacheren Weg bieten, um große Mengen an Übungsmaterial bereitzustellen.

Eine Forschungsgruppe von Intel Labs und TU Darmstadt hat einen intelligenten Weg entwickelt, nützliche Übungsdaten aus Grand Theft Auto zu extrahieren.

Die Forscher kreierten einen Software Layer, die sich zwischen dem Spiel und der Computer Hardware befindet und verschiedene Objekte in den Straßenszenen automatisiert klassifiziert. Dies erlaubt Kennzeichnungen, die einen auf maschinelles Lernen ausgerichteten Algorithmus anreichern können, sodass Autos, Passanten und andere Objekte im Spiel und auf der echten Straße erkannt werden können.

Eine der großen Herausforderungen in AI ist es, den Durst nach, von den fähigsten Algorithmen erhobenen, Daten zu stillen. Bei Aufgaben wie dem automatisierten Fahren ist dies besonders problematisch. Es nimmt tausende Stunden in Anspruch, entsprechendes Bildmaterial zusammenzutragen, und weitere tausend, um jenes zu kennzeichnen. Außerdem ist es unmöglich, jedes mögliche Szenario in der Praxis nachzustellen, etwa ein Auto mit hoher Geschwindigkeit in eine Mauer fahren zu lassen.

AI-Forscher nutzen bereits einfache Spiele, um die Lernfähigkeiten ihrer Algorithmen zu testen. Aber es gibt ein wachsendes Interesse, Spielszenen zu nutzen, um Algorithmen mit visuellen Übungsdaten zu füttern. Eine Gruppe an der Johns Hopkins University in Baltimore entwickelt gerade ein Programm, das einen Algorithmus mit jedem Spiel verbinden kann, welches mit der Unreal Engine programmiert wurde. Das beinhaltet Spiele wie KiteRunner und Hellblade, aber auch viele spektakuläre, architektonische Visualisierungen.

Rockstar Games, das Studio hinter der Grand Theft Auto Franchise, hat die Möglichkeit nicht wahrgenommen, sich zu diesem Artikel zu äußern.

Bild: Grand Theft Auto III (Rockstar Games)
A A A | Drucken | Impressum | Sitemap | Suche | Kontakt