De droom van een robot die uw wasgoed kan opvouwen, uw bureau kan ordenen of zelfs delicaat papiergeld kan verwerken, verschuift van sciencefiction naar realiteit. Terwijl eerdere generaties robotica worstelden met de onvoorspelbaarheid van de fysieke wereld, overbrugt een nieuwe doorbraak in Physical AI de kloof tussen rigide programmering en mensachtige behendigheid.
De doorbraak van Gen-1
Het in Californië gevestigde Generalist AI heeft Gen-1 onthuld, een nieuw fysiek AI-model dat is ontworpen om te dienen als universeel ‘brein’ voor verschillende robotsystemen. In tegenstelling tot traditionele modellen die mogelijk alleen voor een specifieke industriële arm werken, is Gen-1 gebouwd om platform-agnostisch te zijn, wat betekent dat het alles kan aandrijven, van een humanoïde robot tot een stationair industrieel onderdeel.
De capaciteiten van het model worden het best gedemonstreerd door zijn vermogen om ‘onhandige’ taken uit te voeren – acties die fijne motoriek en begrip van textuur en wrijving vereisen. Recente demonstraties zijn onder meer:
– Omgaan met valuta: Met succes opnemen en opnieuw inbrengen van dun papiergeld in een portemonnee.
– Huishoudelijke klusjes: Sokken op kleur sorteren en in nette stapeltjes vouwen.
– Precisietaken: Etuis uitpakken, sinaasappels in piramides stapelen en Ethernet-kabels aansluiten.
Het dataprobleem oplossen: “Datahanden”
Om te begrijpen waarom dit een sprong voorwaarts is, moet je kijken naar de belangrijkste hindernis in de robotica: dataschaarste.
Terwijl grote taalmodellen (zoals ChatGPT) werden getraind op het uitgestrekte internet, missen robots een soortgelijk ‘internet van fysieke beweging’. De meeste robots worden getraind via teleoperatie, waarbij een mens een robot op afstand bestuurt om hem een taak te leren. Dit is langzaam en moeilijk op te schalen.
Generalistische AI omzeilde dit knelpunt door een meer organische aanpak te gebruiken. Ze distribueerden draagbare technologie naar mensen over de hele wereld, waardoor ze miljoenen taken konden uitvoeren. Dit voorzag de AI van ‘datahands’: een enorme dataset die de subtiele nuances van menselijke bewegingen vastlegt, zoals:
* Tactiele feedback: Hoeveel druk er op een object moet worden uitgeoefend.
* Uitglijden en herstel: Hoe u de grip kunt aanpassen wanneer een object begint te glijden.
* Krachtmodulatie: De mogelijkheid om onderscheid te maken tussen een zachte sok en een harde smartphone.
Met deze gegevens kan de robot ‘fysiek gezond verstand’ ontwikkelen, waarbij hij afstapt van het uitvoeren van rigide, vooraf ingestelde instructies en in de richting gaat van een intuïtief begrip van hoe objecten zich gedragen.
Van rigide programmering tot robotimprovisatie
Een van de belangrijkste verschuivingen die door Gen-1 worden benadrukt, is de beweging richting improvisatie.
Traditioneel zou een robot, als hij een kleine verandering in zijn omgeving zou tegenkomen, zoals een onderdeel dat iets buiten bereik wordt geplaatst, eenvoudigweg falen. Gen-1 is ontworpen om ‘na te denken’. Bij een assemblagetaak in de automobielsector demonstreerde het model bijvoorbeeld het vermogen om twee handen te gebruiken om een onderdeel te verplaatsen, ondanks dat het slechts was getraind om er één te gebruiken. Dit vermogen om zich aan te passen aan ‘curveballs’ is essentieel voor robots om over te stappen van gecontroleerde fabrieksvloeren naar de chaotische omgevingen van de detailhandel, de horeca en uiteindelijk onze huizen.
De economische horizon
De timing van deze vooruitgang komt overeen met een enorme verschuiving in de wereldeconomie. Terwijl bedrijven als Boston Dynamics en Honor de grenzen van de humanoïde beweging verleggen, zien analisten een groeiende markt. Morgan Stanley voorspelt dat de roboticamarkt in 2050 een omvang van $5 biljoen zou kunnen bereiken.
Om deze markt zijn potentieel te laten realiseren, moeten robots verder gaan dan zwaar tillen en zich begeven op het gebied van complexe, alledaagse interacties. De succespercentages in Gen-1 – zoals het verhogen van het succespercentage bij het onderhoud van een robotstofzuiger van 50% naar 99% – suggereren dat de overgang van industriële gereedschappen naar huishoudhulpen steeds sneller gaat.
“We beginnen echte vooruitgang te zien en zijn enthousiast om de grenzen van belichaamde intelligentie te verleggen.” — Pete Florence, mede-oprichter en CEO van Generalist AI
Conclusie
Door AI te trainen op de subtiele nuances van menselijke aanraking in plaats van alleen op rigide commando’s, brengt Generalistische AI robotica dichter bij echte autonomie. Deze verschuiving van geprogrammeerde herhaling naar fysieke improvisatie is de sleutel tot het introduceren van nuttige, betrouwbare robots in onze huizen en werkplekken.
