In einem letzte Woche veröffentlichten Beitrag heißt es: Meta-Frage, „Wo sind die Roboter?“ Die Antwort ist einfach. Sie sind hier. Man muss nur wissen, wo man suchen muss. Lassen Sie das Gerede über Autos und Fahrerassistenz beiseite und konzentrieren Sie sich auf Dinge, bei denen wir uns alle einig sind, dass es sich um Roboter handelt. Zunächst einmal kommt die Amazon-Lieferung nicht ohne Roboterunterstützung zu Ihnen.
Eine relevantere Frage wäre: Warum gibt es nicht mehr Roboter? Und genauer gesagt: Warum gibt es derzeit nicht mehr Roboter in meinem Haus? Es handelt sich um eine komplexe Frage mit vielen Nuancen, von denen viele auf den aktuellen Stand der Hardwarebeschränkungen rund um das Konzept eines „Allzweck“-Roboters zurückzuführen sind. Roomba ist ein Roboter. Es gibt viele Roombas auf der Welt, und das liegt vor allem daran, dass Roombas eine Sache richtig machen (ein zusätzliches Jahrzehnt Forschung und Entwicklung hat dazu beigetragen, dass die Dinge aus einem „ziemlich guten“ Zustand herausgekommen sind).
Es geht nicht so sehr darum, dass die Prämisse der Frage fehlerhaft ist, sondern vielmehr darum, sie leicht umzuformulieren. „Warum gibt es nicht mehr Roboter?“ ist eine vollkommen berechtigte Frage für jemanden, der kein Robotiker ist.
Die Meta-Version ist softwarebasiert, und das ist auch fair. In den letzten Jahren gab es eine explosionsartige Zunahme von Start-ups, die sich mit mehreren wichtigen Kategorien befassen, wie etwa robotergestütztes Lernen, Bereitstellung/Verwaltung sowie No-Code- und Low-Code-Lösungen. Besonders hervorzuheben sind die fast zwei Jahrzehnte Forschung und Entwicklung, die in die Erstellung, Wartung und Verbesserung von ROS (Robot Operating System, Open Source) geflossen sind. Passenderweise wurden die langjährigen Marktführer von Open Robotics von Alphabet übernommen, das durch lokale Bemühungen seine eigene Arbeit in der Kategorie Intrinsic und Everyday Robots leistete (obwohl sie überproportional von reduzierten Ressourcen auf breiter Front betroffen waren).
Zweifellos hat Meta/Facebook seinen eigenen Anteil an Skunkworks-Projekten, die von Zeit zu Zeit auftauchen. Bisher habe ich nichts gesehen, was darauf hindeutet, dass sie mit dem, was Alphabet/Google im Laufe der Jahre erforscht hat, mithalten können, aber es ist immer interessant zu sehen, wie sich einige dieser Projekte abzeichnen. In einer Ankündigung, von der ich stark vermute, dass sie mit der Verbreitung generativer KI-Debatten zusammenhängt, hat der Social-Media-Riese „zwei große Fortschritte in Richtung universell einsetzbarer eingebetteter KI-Agenten, die in der Lage sind, sensomotorische Fähigkeiten herauszufordern“, bekannt gegeben.
Hier direkt zitieren:
Ein künstlicher visueller Kortex, Cortex Bench (mit dem Namen VC-1): Ein einzigartiges Wahrnehmungsmodell, das zum ersten Mal ein breites Spektrum sensomotorischer Fähigkeiten, Umgebungen und Inkarnationen unterstützt. VC-1 wird anhand von Videos von Menschen trainiert, die alltägliche Aufgaben aus dem innovativen Ego4D-Datensatz ausführen, der von Meta AI und akademischen Partnern erstellt wurde. Und VC-1 erreicht oder übertrifft die bekanntesten Ergebnisse bei 17 verschiedenen sensomotorischen Aufgaben in virtuellen Umgebungen.
Ein neuer Ansatz namens Adaptive Skill Coordination (Sensomotorik) (ASC), der eine nahezu perfekte Leistung (98 Prozent Erfolg) bei der anspruchsvollen Aufgabe der mobilen Robotermanipulation (zu einem Objekt navigieren, es aufnehmen, zu einem anderen Ort navigieren, platzieren) erreicht Objekt, Wiederholung) in physischen Umgebungen.
Bild: Meta
Sicherlich eine interessante Forschung und es ist spannend, sich möglicherweise mit einigen davon auseinanderzusetzen. Der Begriff „Allgemeinzweck“ wird heutzutage häufig verwendet. Es ist ein immer wieder interessantes Gesprächsthema in der Robotik, aber im Zuge der Einführung des Tesla-Bots kam es zu einer massiven Verbreitung humanoider Allzweckroboter. Seit Jahren sagen die Leute Dinge wie: „Sagen Sie, was Sie über Musk wollen, aber Tesla hat neues Interesse an Elektrofahrzeugen geweckt“, und so denke ich im Moment auch über Optimus. Es erfüllte eine wichtige Doppelfunktion, indem es die Diskussion über den Formfaktor erneuerte und gleichzeitig ein klares Bild lieferte, um zu erklären, wie schwierig dies ist. Ist es möglich, die Erwartungen der Öffentlichkeit drastisch zu steigern und sie gleichzeitig zu mäßigen?
Auch hier passen diese Gespräche gut zu all diesen GPT-Fortschritten. Das ist alles sehr beeindruckend, aber Rodney Brooks hat schon vor ein paar Wochen auf die Gefahr hingewiesen, dass hier etwas durcheinander gerät: „Ich denke, die Leute sind zu optimistisch. Sie verwechseln Leistung mit Kompetenz. Wenn man an einem Menschen eine gute Leistung sieht, erkennt man, was er kann. Wir sind ziemlich gut darin, Menschen zu modellieren, aber dieselben Modelle gelten nicht. Sie sehen eine großartige Leistung eines dieser Systeme, aber es sagt Ihnen nicht, wie es im angrenzenden Raum oder mit anderen Daten funktionieren wird.“
Bild: Kovariante
Dies schließt natürlich nicht aus, dass die meisten Leute hereingerufen werden ProMat über seine Meinung zur zukünftigen Rolle generativer KI in der Robotik. Die Reaktionen waren vielfältig: Einige zucken mit den Schultern, andere sehen eine sehr reglementierte Rolle der Technologie und wieder andere sind äußerst optimistisch, was dies alles für die Zukunft bedeutet. Peter Chen, der CEO von Covariant (das gerade 75 Millionen US-Dollar eingesammelt hat), bot einen interessanten Kontext zum Thema allgegenwärtige KI:
Vor dem jüngsten ChatGPT gab es viele KIs zur Verarbeitung natürlicher Sprache. Suchen, Übersetzen, Stimmungserkennung, Spam-Erkennung – es gab eine Menge KI in natürlicher Sprache. Der Ansatz vor GPT besteht darin, für jeden Anwendungsfall eine bestimmte KI zu trainieren und dabei eine kleinere Teilmenge von Daten zu verwenden.
Wenn man sich die Ergebnisse jetzt ansieht, entfernt GPT das Übersetzungsfeld und kann nicht einmal übersetzen. Im Grunde besteht der Ansatz des Basismodells darin, statt kleine, situationsspezifische Datenmengen zu verwenden oder ein umstandsspezifisches Modell zu trainieren, ein großes, verallgemeinertes Basismodell mit viel mehr Daten zu trainieren, damit die KI besser durchdringt .
Natürlich legt Covariant derzeit großen Wert auf Pick-and-Place. Ehrlich gesagt ist die Herausforderung groß genug, um sie lange zu beschäftigen. Aber eines der Versprechen, die Systeme wie dieses bieten, ist eine praxisnahe Ausbildung. Unternehmen, die tatsächlich echte Roboter haben, die echte Aufgaben in der realen Welt erledigen, bauen äußerst leistungsstarke Datenbanken und Modelle darüber auf, wie Maschinen mit der Welt um sie herum interagieren.
Es ist nicht schwer zu erkennen, wie viele der scheinbar unterschiedlichen Bausteine, die von Forschern und Unternehmen gestärkt werden, eines Tages zusammenkommen könnten, um ein wirklich universelles System zu schaffen. Wenn die Hardware und die KI auf diesem Niveau sind, wird es einen scheinbar endlosen Fundus an Felddaten geben, mit denen man sie trainieren kann.
Im Moment macht der Plattform-Ansatz sehr viel Sinn. Mit Spot zum Beispiel verkauft Boston Dynamics seinen Kunden effektiv ein iPhone-Modell. Erstens produziert es die erste Generation einer beeindruckenden Hardware. Anschließend bietet es interessierten Parteien ein SDK an. Wenn die Dinge wie geplant verlaufen, kann dieses Produkt plötzlich Dinge tun, die sich Ihr Team nie hätte vorstellen können. Vorausgesetzt, dass dabei nicht die Montage einer Waffe an der Rückseite des Produkts erforderlich ist (gemäß den BD-Richtlinien), ist das ein spannender Vorschlag.
Bild: 1X
Es ist noch zu früh, etwas Definitives darüber zu sagen Der NEO-Roboter von 1X Technologies, abgesehen von der Tatsache, dass das Unternehmen eindeutig hofft, genau in diesem Schnittpunkt zwischen Robotik und generativer KI zu leben. Mit OpenAI haben Sie sicherlich einen mächtigen Verbündeten. Der Startup Fund des generativen KI-Riesen führte eine 23,5-Millionen-Dollar-Runde an, an der unter anderem auch Tiger Global beteiligt war.
Bernt Øivind Børnich, Gründer und CEO von 1X, sagt: „1X freut sich, dass OpenAI diese Runde anführt, denn wir sind auf unsere Mission ausgerichtet: neue Technologien durchdacht in das tägliche Leben der Menschen zu integrieren.“ Mit der Unterstützung unserer Investoren werden wir weiterhin bedeutende Fortschritte im Bereich der Robotik machen und den globalen Arbeitsmarkt vergrößern.“
Eine interessante Anmerkung dazu (zumindest für mich) ist, dass es 1X schon seit einer Minute gibt. Das norwegische Unternehmen war bis zu seiner Gründung unter dem Namen Halodi bekannt vor einem Monat) Prägnantes Rebranding. Man muss nur ein oder zwei Jahre zurückblicken, um zu sehen, wie die Anfänge den humanoiden Formfaktor annehmen, den das Unternehmen entwickelte. für die Gastronomie. Die Technologie sieht definitiv ausgefeilter aus als sein Gegenstück aus dem Jahr 2021, aber die fahrbare Basis verrät, wie weit man gehen muss, um zu einer Version des Roboters zu gelangen, die wir sehen, wenn sie gerendert ist.
Bilder: Tesla/Abbildung/IX
Von oben nach unten sind dies Renderings des Tesla Optimus, Figure 01 und 1X Neo. Natürlich handelt es sich nicht um direkte Kopien, aber sie sehen auf jeden Fall so aus, als könnten sie Cousins sein. Neo ist derjenige, der darauf besteht, auch bei formellen Anlässen einen Kapuzenpullover zu tragen.
Bild: MITCSAIL
Parallel dazu gibt es interessante Forschungsprojekte. Einer ist vom MIT. Wenn Sie wirklich darüber nachdenken, ist Fußballspielen eine großartige Möglichkeit, Ihre Fortbewegung zu testen. Es gibt einen Grund, warum es den Robocup schon seit fast 20 Jahren gibt. Im Fall von Dribblebot besteht die Herausforderung jedoch in unebenem Gelände, einschließlich Gras, Schlamm und Sand.
Sagt MIT-Professor Pulkit Agrawal:
Wenn Sie sich heute umschauen, haben die meisten Roboter Räder. Aber stellen Sie sich vor, es gäbe ein Katastrophenszenario, eine Überschwemmung oder ein Erdbeben, und wir möchten, dass Roboter den Menschen bei der Suche und Rettung helfen. Wir brauchen die Maschinen, um Gelände zu durchqueren, das nicht flach ist, und Roboter mit Rädern können solche Landschaften nicht durchqueren. Das Ziel der Untersuchung von Beinrobotern besteht darin, in Bereiche vorzudringen, die über die Reichweite aktueller Robotersysteme hinausgehen.
Bild: Universität von California, Los Angeles
Ein weiteres Forschungsprojekt stammt von der UCLA Samueli School of Engineering kürzlich gepostet Erkenntnisse aus seiner Arbeit rund um Origami-Roboter. Origami MechanoBots oder „OrigaMechs“ basieren auf Sensoren, die in ihre dünnen Polyesterbausteine eingebettet sind. Der leitende Ermittler Ankur Mehta hat einige ziemlich weitreichende Pläne für die Technologie.
„Bei solchen gefährlichen oder unvorhersehbaren Szenarien, etwa bei Naturkatastrophen oder von Menschen verursachten Katastrophen, könnten sich Origami-Roboter als besonders nützlich erweisen“, sagte er in einem Beitrag. „Roboter könnten sehr schnell für spezielle Funktionen entworfen und bei Bedarf hergestellt werden. Auch wenn es weit weg ist, könnte es auf anderen Planeten Umgebungen geben, in denen Scout-Bots, die gegen diese Szenarien immun sind, äußerst wünschenswert wären.“
