Kapitel 7 : Daniela Rus

Daniela L. Rus ist Informatikerin und rumänischer und amerikanischer Abstammung. Sie ist Andrew and Erna Viterbi Professorin am Department of Electrical Engineering and Computer Science (EECS) am Massachusetts Institute of Technology, wo sie auch als Direktorin des Computer Science and Artificial Intelligence Laboratory (CSAIL) am Massachusetts Institute of Technology tätig ist. "Computing the Future", "The Heart and the Chip: Our Bright Future with Robots" und "The Mind's Mirror: Risk and Reward in the Age of Artificial Intelligence" sind allesamt Arbeiten, die sie geschrieben hat.

Daniela L. Rus, die mit ihren Eltern in die Vereinigten Staaten eingewandert ist, wurde in Rumänien geboren, bevor sie in die Vereinigten Staaten zog. Ihr Vater, Teodor Rus, ist Professor für Informatik an der University of Iowa, wo er seit vielen Jahren als Professor tätig ist.

1985 war das Jahr, in dem Rus sein Studium an der University of Iowa mit einem Bachelor of Science abschloss, mit den Schwerpunkten Mathematik und Informatik. Mit einem Abschluss in Informatik an der Cornell University erwarb sie 1990 einen Master of Science und 1993 einen Doktor der Philosophie. Beide Abschlüsse waren im Bereich der Informatik. Es war John Hopcroft, der ihr als Berater für ihre Doktorarbeit mit dem Titel "Fine motion planning for dexterous handling" diente.

Rus begann ihre akademische Laufbahn als Professorin am Fachbereich Informatik am Dartmouth College. Im Jahr 2004 wechselte sie an das Massachusetts Institute of Technology (MIT). Seit 2012 ist sie Direktorin des Computer Science and Artificial Intelligence Laboratory (CSAIL) am Massachusetts Institute of Technology (MIT). Dieses Labor ist mit mehr als 125 akademischen Mitgliedern und mehr als 1500 Mitgliedern das größte fakultätsübergreifende Forschungslabor der Universität.

Während ihrer Amtszeit als Direktorin des CSAIL initiierte sie eine Vielzahl von Forschungsprogrammen und -initiativen. Dazu gehören das Artificial Intelligence Accelerator-Programm, das Toyota-CSAIL Joint Research Center, Communities of Research (CoR), ein Postdoktorandenprogramm namens METEOR, Future of Data Trust and Privacy, Machine Learning Applications, Fintech und Cybersecurity. Als Leiterin des Distributed Robotics Lab am CSAIL konzentriert sich Rus in ihrer Forschung auf die Wissenschaft und Technik der Autonomie. Ihr ultimatives Ziel ist es, Systeme zu entwickeln, die Menschen bei kognitiven und körperlichen Aufgaben auf eine Weise unterstützen können, die nahtlos und in ihr Leben integriert ist.

Rus ist Mitglied der Association for Computing Machinery (ACM), der American Academy of Arts and Sciences (AAAS) und des Institute of Electrical and Electronics Engineers (IEEE). Er ist außerdem Mitglied der National Academy of Engineering (NAE), der American Academy of Arts and Sciences (AAAS) und der National Academy of Sciences (NAS). Darüber hinaus erhielt sie 2002 ein MacArthur Fellowship sowie einen Career Award der National Science Foundation und ein Stipendium der Alfred P. Sloan Foundation.

Robotik, künstliche Intelligenz (KI), maschinelles Lernen und Computational Design sind nur einige der Bereiche, die Rus in seiner riesigen Sammlung von Forschungspublikationen, die er veröffentlicht hat, behandelt hat.

Rus hat sich bemüht, das Konzept dessen, was ein Roboter sein kann, durch die von ihr produzierten Arbeiten zu erweitern. Sie hat eine Vielzahl von Themen untersucht, darunter Softrobotik, selbstrekonfigurierbare modulare Roboter, Schwarmrobotik und 3D-Druck. Ihre Forschung befasst sich mit der Erforschung der Wissenschaft und Technik von Autonomie auf der Ebene integrierter Hardware-Software-Systeme, die auch als Körper-Hirn-Systeme bekannt sind. Sie hat gesagt, dass sie den Körper des Roboters für am wichtigsten hält, um "den Bereich der Fähigkeiten des Roboters zu definieren", und dass sie das Gehirn für das Wichtigste hält, um "dem Körper zu ermöglichen, seine Fähigkeiten zu entfalten".

Um dieses Ziel zu erreichen, hat sie eine Vielzahl von Algorithmen für das rechnerische Design und den Bau von Robotern, für die Steigerung der Lernfähigkeit von Maschinen in sicherheitskritischen Anwendungen und für die Koordination von Teams aus Maschinen und Menschen entwickelt.

Rus leistete nicht nur wichtige Beiträge zum Design, zur Steuerung, zur Planung und zum Lernen von Agenten, sondern berücksichtigte auch die Anforderungen, die erfüllt sein müssen, damit Roboter in der Welt eingesetzt werden können. Ein Beispiel dafür wäre ihr Projekt, Fahrzeuge zu bauen, die selbst fahren können.

Sie hat auch zahlreiche Reden gehalten und ausführlich über große Fragen im Zusammenhang mit Technologie geschrieben, wie z. B. die Auswirkungen von Robotik und künstlicher Intelligenz auf die Zukunft der Arbeit, KI für das Gute und rechnerische Nachhaltigkeit.

Darüber hinaus ist Rus in der Governance von Unternehmen tätig. Sie wurde in den Verwaltungsrat des Logistikunternehmens Symbotic aufgenommen, der im März 2023 bestellt wurde. Das Software-as-a-Service (SaaS)-Startup für künstliche Intelligenz, SymphonyAI, hat sie im Oktober 2023 in seinen Vorstand berufen, und sie ist in dieser Funktion auch ab Juli 2024 tätig.

Durch die Implementierung einer steuerungstheoretischen Optimierungsstrategie für adaptive dezentrale Koordination hat Rus einen bedeutenden Beitrag auf dem Gebiet der verteilten Robotik geleistet, indem es einige der ersten Multi-Roboter-Systemalgorithmen entwickelt hat, die in der Lage sind, Leistungsgarantien zu bieten. Die enge Beziehung zwischen Wahrnehmung, Kontrolle und Kommunikation ist die treibende Kraft hinter diesen Erkenntnissen. Die Regelungsalgorithmen sind nicht nur dezentral und anpassungsfähig, sondern auch nachweislich stabil.

Ihr Team hat die Entwicklung von selbstkonfigurierenden modularen Robotern abgeschlossen, die in der Lage sind, ihre physische Architektur zu modifizieren, um eine Vielzahl von Aktivitäten auszuführen. Dazu gehören magnetgesteuerte Roboter, die unter Verwendung einer Vielzahl von auflösbaren Exoskeletten laufen, segeln und gleiten können, sowie Sätze von Roboterwürfeln, die durch den Einsatz von Winkelbewegungstechnologie zu einer Vielzahl verschiedener Formationen zusammengesetzt werden können. Darüber hinaus hat sie an der Entwicklung von Algorithmen gearbeitet, die es Robotern ermöglichen, in Schwärmen zu fliegen und Boote selbstständig durch die Kanäle von Amsterdam zu navigieren und sich als schwimmende Strukturen selbst zusammenzusetzen.

Rus war ein früher Mitwirkender auf dem Gebiet der weichen Robotik, von der einige Wissenschaftler glauben, dass sie das Potenzial hat, die traditionelle Hartkörperrobotik in einer Vielzahl von menschlichen Kontexten zu übertreffen. Rus war besonders einflussreich bei der Entwicklung der Softrobotik. Als Ergebnis ihrer Arbeit wurden in sich geschlossene autonome Robotersysteme entwickelt. Zu diesen Systemen gehören ein Unterwasser-"Fisch", der für die Erkundung des Ozeans verwendet wird, sowie geschickte Hände, die in der Lage sind, eine Vielzahl verschiedener Dinge zu greifen. Mit der Absicht, es auch für Nicht-Profis einfacher zu machen, ihre eigenen Roboter zu bauen, hat Rus kostengünstige Entwürfe und Fertigungsverfahren für eine Vielzahl von Robotern entwickelt, die auf Silizium basieren und in 3D gedruckt werden können.

Bei ihren Ideen hat sie sich immer wieder von der Natur inspirieren lassen, etwa vom Roboterfisch und einem Roboter, der einem Rüssel ähnelt und mit Berührungssensoren ausgestattet ist. Darüber hinaus hat sie die Möglichkeit von extrem miniaturisierten Robotern untersucht, wie z. B. einem Origami-Roboter, der im Magen eines Menschen verschluckt und entfaltet werden kann, um Wunden zu heilen oder zu behandeln. Ein weiterer Forschungsbereich konzentrierte sich auf die Entwicklung von Robotern, die in einer Vielzahl von logistischen Umgebungen eingesetzt werden können, einschließlich einem, der einen Lagerboden in dreißig Minuten desinfizieren kann.

Die Methoden, die derzeit für das maschinelle Lernen eingesetzt werden, werfen eine Reihe bedeutender Probleme auf, von denen einige die folgenden sind: Datenqualität und -verzerrung, Erklärbarkeit, Generalisierbarkeit und Nachhaltigkeit. Rus und ihr Team arbeiten daran, diese Herausforderungen anzugehen. Derzeit arbeitet sie an einer neuen Kategorie von Modellen des maschinellen Lernens, die sie als "flüssige Netzwerke" bezeichnet. Diese Modelle sind in der Lage, Unsicherheiten mit größerer Präzision vorherzusagen, haben ein besseres Verständnis der Ursache-Wirkungs-Beziehung zwischen Aufgaben und sind sogar in der Lage, sich ständig an neue Dateneingaben anzupassen, anstatt nur während der Trainingsphase zu lernen.

Die von Rus durchgeführte Forschung umfasste auch die Entwicklung von Systemen für maschinelles Lernen für eine Vielzahl von Anwendungsfällen und Sektoren. Diese Systeme wurden für autonome Technologien für Fahrzeuge eingesetzt, die zu Lande, in der Luft und auf See eingesetzt werden.

Neben der Entwicklung von Algorithmen, die das autonome Fahren unter schwierigen Straßenbedingungen wie Winterwetter und Landstraßen verbessern können, hat sie auch eine Open-Source-Simulations-Engine bereitgestellt, mit der Akademiker ihre eigenen Algorithmen für fahrerlose Fahrzeuge testen können.

Viele der Studien, die vom Distributed Robotics Lab durchgeführt wurden, konzentrierten sich auf das Ziel, Interaktionen und Kollaborationen zwischen Menschen und Robotern nahtloser und natürlicher zu gestalten. Im Kontext von Produktionsumgebungen hat Rus Feedback-Systeme entwickelt, die es menschlichen Benutzern ermöglichen, durch die Aktivität ihrer Gehirnströme...