Die Branche der verkörperten künstlichen Intelligenz, die maschinelle Lernmodelle mit bewegungsfähigen Körpern und Robotern verbindet, erlebt eine starke Investitionswelle. Doch die Fortschritte bei der Hardware wurden bislang nicht von vergleichbaren Fortschritten bei der zuverlässigen Ausführung wertschöpfender Tätigkeiten begleitet. Diese Lücke fasst die aktuelle Lage der Branche zusammen: Roboter sind körperlich leistungsfähiger geworden, doch das Wissen, das sie für den Umgang mit der realen Welt benötigen, bleibt eine ungelöste Herausforderung.
Dieser Widerspruch zeigte sich deutlich auf der jüngsten Actuate-Konferenz, die Foxglove für Entwickler von Modellen und Infrastruktur für verkörperte KI veranstaltet. Die Konferenz hat sich seit ihrem Start im Jahr 2023 verdreifacht und 1.500 Teilnehmer angezogen – ein Zeichen für das wachsende Interesse an diesem Bereich. Zugleich konzentrierten sich Infrastrukturunternehmen auf das, was sie als Roboter-Datenkrise bezeichnen: den Mangel an hochwertigen und vielfältigen Trainingsdaten, die Modelle benötigen.
Warum körperliche Fähigkeiten nicht ausreichen
Versuche, einen allgemeinen Roboter zu bauen, der jede beliebige Aufgabe ausführen kann, sind noch weit von der Reife entfernt. Selbst wenn ein Roboter mithilfe von End-to-End-Lernen für eine bestimmte Aufgabe trainiert wird, haben diese Ansätze bislang keine Produkte mit konstant stabiler, verlässlicher kommerzieller Leistung hervorgebracht. Daher wenden sich Entwickler dem zu, was fortgeschrittene KI-Labore vorgemacht haben: vielfältigere Datensätze sammeln oder erstellen, mehrere Trainingsmethoden testen und bessere Szenarien für bestärkendes Lernen entwerfen.
Harry Mellsop, Gründer des auf Simulationswerkzeuge für Modellbauer spezialisierten Unternehmens Antioch, beschrieb verkörperte KI als eine Technologie in ihrer „GPT-2“-Phase – also in einer Phase vor dem Durchbruch, der ChatGPT zu einem Massenphänomen machte. Dieser Vorstellung zufolge benötigt die Branche mehr Daten und Rechenleistung, um ihre aktuelle Phase zu überwinden, darunter optimierte Grafikprozessoren für Raytracing-Techniken zum Aufbau hochauflösender Simulationen.
Der Vergleich mit Sprachmodellen bedeutet jedoch nicht, dass der Weg identisch verlaufen wird. Ein Roboter agiert in einer veränderlichen physischen Welt und benötigt visuelle Daten, LiDAR-Daten sowie umgebungsbezogene Verhaltensdaten – nicht nur Texte. Außerdem kann ein Fehler bei einer physischen Aufgabe zu einem Zusammenstoß, einer Beschädigung oder einem Betriebsstillstand führen. Dadurch wird der Übergang von einem Modell, das gelegentlich funktioniert, zu einem verlässlichen kommerziellen Produkt komplexer.
Autonome Fahrzeuge als frühes Labor
Autonome Fahrzeuge scheinen zu den fortschrittlichsten Bereichen der verkörperten KI zu gehören, teilweise aufgrund ihrer Fähigkeit, große Datenmengen aus von Menschen gesteuerten Fahrzeugen zu sammeln, und weil sich ihre zentrale Aufgabe auf die Vermeidung von Zusammenstößen konzentriert, statt auf den direkten Umgang mit und das Bewegen von Gegenständen. Viele Werkzeuge für den Modellbau gelangten von Unternehmen für autonomes Fahren in die Robotikbranche. Foxglove wurde beispielsweise von ehemaligen Mitarbeitern von Cruise gegründet, dem früheren autonomen Fahrprojekt von General Motors.
Automobilunternehmen versuchen nun, diese Erfahrung für den Wettbewerb im Bereich humanoider Roboter zu nutzen. Tesla entwickelt den Roboter Optimus, während Wayve, ein auf autonomes Fahren spezialisiertes Unternehmen, und Uber Robotiklabore gegründet haben, die sich im Rahmen von Forschungs- und Entwicklungsinitiativen auf humanoide Körper konzentrieren.
Alex Kendall, CEO von Wayve, ist der Ansicht, dass ein Start mit Fahrzeugen sinnvoller sein könnte, weil Daten- und Simulationsinfrastruktur sowie Prozesse für den Betrieb maschinellen Lernens teilweise zwischen den Anwendungen geteilt werden können. Er betont jedoch, dass ein universelles Modell Unterschiede benötigen wird, die mit jedem Körper, jedem Roboter und jeder Betriebsumgebung zusammenhängen, und dass die raschen Fortschritte bei Sensoren und Komponenten eine frühe Festlegung auf eine einzige Hardwareplattform riskant machen.
Spezialisierung versus allgemeiner Roboter
Nicht alle Branchenvertreter stimmen der Idee zu, den „Geist“ vom Körper zu trennen. Théophile Gervet, CEO des auf vertikal integrierte humanoide Robotik spezialisierten Unternehmens Genesis AI, ist der Ansicht, dass sich die Welle noch in einer sehr frühen Phase befindet, in der Hardware und künstliche Intelligenz gemeinsam entwickelt werden können. Das Unternehmen hatte in diesem Jahr eine Seed-Finanzierungsrunde in Höhe von 105 Millionen US-Dollar abgeschlossen.
Der Streit betrifft nicht nur die Technik, sondern auch die Geschäftsstrategie. Unternehmen, die bestimmte Aufgaben anvisieren, bringen ihre Roboter bereits an reale Einsatzorte: Gritt arbeitet in Solarenergieanlagen, Agility setzt Roboter in industriellen Umgebungen ein, während Bedrock autonom betriebene Bagger einsetzt. Vielseitige humanoide Roboter befinden sich dagegen weiterhin größtenteils in Laboren.
Gervet zufolge interessiert sich ein Kunde nicht für einen allgemeinen Roboter, der eine Aufgabe nur mit einer Erfolgsquote von 80 % bewältigt, weil ein fehlender Branchenfokus bedeuten kann, dass auch der praktische Nutzen fehlt. Spezialisierung schafft jedoch ein weiteres Problem: Wird ein vertikales Produkt auf einer frühen Modellgeneration aufgebaut, könnte es von einem Konkurrenten überholt werden, der ein fortschrittlicheres Modell verwendet. Dennoch verschafft eine spezialisierte Anwendung Einnahmen und Daten aus der realen Welt, selbst wenn diese Daten nicht vielfältig genug sind, um einen allgemeinen Roboter zu entwickeln.
Bedrock beginnt mit Baggerarbeiten, um die Herausforderungen des Umgangs mit Gegenständen unter realen Bedingungen zu verstehen, plant jedoch den Aufbau einer Intelligenzschicht, die sich über eine Reihe von Baumaschinen erstreckt. Dies verdeutlicht einen möglichen Kompromiss: ein spezialisiertes Produkt auf den Markt zu bringen, das Erfahrungen und Daten sammeln kann, während das Ziel breiterer Fähigkeiten später beibehalten wird.
Was verändert sich in der Praxis?
Die Infrastruktur richtet sich zunehmend auf die Datenproblematik selbst. Foxglove kündigte ein neues Produkt an, das auf Nvidias offen gewichtetem Weltmodell Cosmos aufbaut. Es ermöglicht Ingenieuren, mithilfe fortschrittlicher natürlicher Abfragen in visuellen Daten und LiDAR-Daten zu suchen, um Evaluationen und Simulationen zu erstellen sowie die Untersuchung und Behebung von Problemen zu beschleunigen. Der Wert dieser Werkzeuge liegt nicht darin, dem Roboter körperliche Fähigkeiten hinzuzufügen, sondern darin, die Zeit zu verkürzen, die erforderlich ist, um die Ursache eines Modellfehlers zu erkennen und das Modell erneut zu trainieren.
Die umfassendere Frage lautet, was den ChatGPT-Moment der Robotik auslösen wird. Kendall ist der Ansicht, dass der entscheidende Moment das Interesse von Verbrauchern und nicht von Investoren wecken muss. Als Beispiel nennt er vollständig autonomes Fahren ohne Überwachung durch den Blick und mit Hardware, deren Wert unter 1.000 US-Dollar liegt – eine Chance, die Wayve nach eigenen Angaben durch die Lizenzierung seiner Modelle an Automobilunternehmen anstrebt. Gervet zufolge wird das entscheidende Merkmal ein Roboter sein, der natürliche Anweisungen versteht und grundlegende Manipulationsaufgaben ausführt, etwa einen Laptop zu schieben, zu ziehen oder zu schließen oder einen Tisch zu reinigen, mit einer Erfolgsquote von rund 80 % oder mehr und ohne komplexe Einrichtung.
Adrian Macneil, CEO von Foxglove, erwartet jedoch keinen einzigen Moment, der mit ChatGPT vergleichbar wäre, denn die Verbreitung in der physischen Welt ist deutlich schwieriger als die Verteilung einer Software über das Internet. Stattdessen erwartet er einen Moment ähnlich dem Aufkommen des Apple II oder des IBM PC, in dem es möglich wird, einen Haushaltsroboter zu kaufen, der nützliche und unterhaltsame Aufgaben ausführt.
Die wichtigste Erkenntnis aus diesen Positionen ist, dass die Branche noch nicht entschieden hat, ob der Fortschritt von einem allgemeinen Modell, von einem gemeinsamen Design aus Hardware und Software oder von spezialisierten Anwendungen ausgehen wird, die schrittweise erweitert werden. Sicher ist anhand der verfügbaren Daten, dass steigende Investitionen und bessere Körper den zentralen Engpass nicht beseitigen: realitätsnahe und vielfältige Daten, präzise Simulationen sowie eine Leistung, auf die Kunden außerhalb des Labors vertrauen können.