Ein Robotergehirn, tausend Hände: Wie GEN-1 von Generalist lernt, jedes Werkzeug zu nutzen

Wichtigste Punkte

• Das GEN-1-Fundationsmodell von Generalist, ein einzelnes KI-Gehirn für Roboter, unterstützt jetzt etwa 9.000 Variationen von Roboterhänden und Werkzeugaufsätzen.
• Das Modell wurde mit mehr als 500.000 Stunden echter Roboterinteraktionsdaten trainiert, die eine Vielzahl von Werkzeugtypen abdecken.
• GEN-1 kann während einer Aufgabe zu einem anderen Werkzeug wechseln und seinen Ansatz anpassen, ohne neu programmiert zu werden.
• Generalist misst, wie sehr jedes neue Werkzeug die internen Einstellungen des Modells verändert, um Lücken in den Trainingsdaten zu erkennen.
• Das Unternehmen hat keine begutachteten Ergebnisse veröffentlicht; alle Zahlen und Aussagen stammen aus eigenen Mitteilungen von Generalist.

Ein Roboter, der einen Schneebesen greifen, ablegen, eine Spachtel schnappen und weiterkocht, klingt nach Science-Fiction. Generalist, ein Robotik-KI-Unternehmen, sagt, dass sein neuestes Modell ein Schritt in diese Richtung ist.

Das Unternehmen hat diese Woche detailliert beschrieben, wie GEN-1, sein Fundationsmodell (stellen Sie sich ein universelles KI-Gehirn vor, das den Körper eines Roboters steuert), jetzt über eine ungewöhnlich breite Palette von Endefektoren funktioniert. Ein Endefektor ist alles, das an der Spitze eines Roboterarms sitzt: ein Greifer, ein Schraubendreher, eine Zange, ein Schäler oder eine Bürste. Die meisten Robotersysteme sind auf ein festes Werkzeug ausgelegt. GEN-1 ist für viele ausgelegt.

Wie lernt ein KI-Modell, so viele verschiedene Werkzeuge zu nutzen?

Generalist trainierte GEN-1 mit mehr als 500.000 Stunden echter Roboterinteraktionsdaten, die sich über Tausende von Werkzeugtypen erstrecken. Das Unternehmen zog eine bewusste Parallele zur Sprache: So wie ein Modell, das auf Französisch und Spanisch trainiert wurde, Wissen zwischen ihnen übertragen kann, kann ein Modell, das auf Schneebesen und Spachteln trainiert wurde, ein gemeinsames Verständnis dafür aufbauen, wie Objekte sich verhalten, wenn sie berührt, geschoben oder gegriffen werden.

Jedes Werkzeug lehrt das Modell etwas anderes. Ein Elektroschraubendreher dreht sich schneller, als Finger können. Zangen biegen sich und schnellen zurück. Ein Metallschaber funktioniert gegen eine flache Oberfläche, statt um ein Objekt zu wickeln. Ein Cutter erfordert stabilen, kontrollierten Druck entlang einer festen Linie. Zusammen, sagt Generalist, bauen diese Erfahrungen das auf, was es „universelle sensomotorische Repräsentationen" nennt – eine Art physikalischer Hausverstand, der auf Werkzeuge übertragen wird.

Das Modell hat bisher etwa 9.000 Werkzeugvariationen trainiert, wie das Unternehmen angibt.

Kann der Roboter wirklich während eines Jobs Werkzeuge wechseln?

Ja, zumindest in Generalists eigenen Tests. Das Unternehmen demonstrierte einen Werkzeugwechsel am Roboterarm, während GEN-1 noch lief. Das Modell erkannte den neuen Aufsatz, passte seinen Plan an und bewegte sich weiter zum gleichen Ziel. Keine Neuprogrammierung. Kein Neustart.

Das funktioniert, so Generalist, weil das Training mit gemischten Daten das Modell zwingt, auf das Werkzeug zu achten, das es gerade hält, statt ein festes anzunehmen.

Wie weiß Generalist, was das Modell noch lernen muss?

Das Unternehmen verfolgt, wie stark ein neues Werkzeug GEN-1s interne Einstellungen, sogenannte Modellgewichte, verschiebt, wenn das Modell für dieses Werkzeug nachtrainiert wird. Eine große Verschiebung signalisiert, dass das Modell etwas wirklich Neues gefunden hat. Eine kleine Verschiebung bedeutet, dass vorhandenes Wissen es bereits abdeckt.

Schneebesen erwiesen sich beispielsweise als störender als Schäler. Das Modell hatte Schwierigkeiten mit der dünnen Drahtgeometrie eines Schneebesen, was bedeutet, dass seine visuelle Verarbeitung mehr Training bei dünnen, spärlichen Objekten benötigte. Diese Feststellung zeigt Generalist genau, wo mehr Daten zu sammeln sind.

Dies sind unternehmensinternes Erkenntnisse. Wie von The Robot Report berichtet, hat Generalist noch keine begutachtete Forschung zur Untermauerung dieser Ergebnisse veröffentlicht, daher steht eine unabhängige Überprüfung noch aus.

Was bedeutet das für Menschen, die Roboter bei der Arbeit einsetzen?

Derzeit ist dies Forschungstechnologie. Aber die Richtung ist wichtig. Wenn ein einzelnes KI-Modell wirklich eine breite Palette von Werkzeugen antreiben kann, benötigen Fabriken, Küchen und Lagerhäuser möglicherweise irgendwann weniger spezialisierte Roboter und weniger kostspielige Umkonfigurationen, wenn sich eine Aufgabe ändert.

Generalists erklärte Vision: nicht ein Roboter mit einer Hand, sondern eine Intelligenz, gepaart mit jedem Werkzeug, das die Aufgabe erfordert.

Häufig gestellte Fragen

Kann ich GEN-1 heute kaufen oder nutzen?

Generalist hat keine Veröffentlichung eines kommerziellen Produkts angekündigt. GEN-1 ist derzeit ein Forschungsmodell; das Unternehmen veröffentlicht Funktionsdemonstrationen, während es seinen Trainingsdatensatz erweitert.

Bedeutet das, dass humanoide Roboterhände weniger wichtig werden?

Nicht unbedingt, aber Generalist argumentiert, dass fünffingrige Hände eine Option unter vielen sein sollten, anstatt das Standardziel zu sein. Spezialisierte Werkzeuge übertreffen für spezifische Aufgaben oft menschenähnliche Hände, und das Unternehmen glaubt, dass ein fähiges KI-Modell wissen sollte, welches man greifen sollte.