Figure 03 beklimt ladder zonder hulp: mijlpaal voor humanoïde robots
Robotbedrijf Figure heeft een video gedeeld waarin zijn humanoïde robot Figure 03 volledig zelfstandig een ladder beklimt, zonder afstandsbediening of menselijke hulp. Het bedrijf noemt het een mijlpaal in de balans en bewegingsaansturing van zijn machines, gedreven door een grote upgrade van het onderliggende AI-model.
Het Amerikaanse robotbedrijf Figure heeft een video online gezet waarin zijn nieuwste humanoïde robot Figure 03 een ladder beklimt zonder dat er een mens aan te pas komt. Oprichter Brett Adcock plaatste de beelden op 1 augustus op X. Op de video is te zien hoe de robot zelfstandig zijn armen en benen coördineert om sport voor sport omhoog te klimmen. Figure noemt de demonstratie een nieuwe stap in de ontwikkeling van robotmobiliteit en balans.
Waarom ladderklimmen zo moeilijk is
Voor mensen is een ladder beklimmen een routineklus. Voor een robot is het een van de zwaarste testen die er zijn. Het vraagt om precieze afstemming tussen armen en benen, voortdurende balanscorrecties en een nauwkeurige inschatting van de omgeving. Eén verkeerde stap kan de robot laten vallen. Slaagt een machine hier toch in, dan zegt dat volgens experts veel over de kwaliteit van de bewegingsaansturing, oftewel hoe goed een robot zijn hele lichaam als één geheel leert besturen. AI-onderzoekers reageerden overwegend positief op de beelden en spraken van 'goede vooruitgang'. Figure heeft geen technische details over de proef vrijgegeven en de demonstratie is niet door derden geverifieerd. Adcock liet in een andere post weten weinig te zien in robots op wielen: volgens hem zijn benen beter geschikt voor fabrieken, magazijnen, kantoren en huizen, omgevingen die nu eenmaal voor mensen zijn gebouwd.
Een robot die leert zien én bewegen
De ladderklim volgt op een grote update van Figures AI-systeem Helix System 0, kortweg S0. Dit model bepaalt hoe de robot zijn lichaam aanstuurt. Voorheen vertrouwde S0 vooral op proprioceptie: het interne gevoel van de robot voor de stand van zijn gewrichten en zijn balans, vergelijkbaar met hoe mensen ook zonder te kijken weten waar hun armen en benen zich bevinden. Dat werkte prima op vlakke vloeren, maar schoot tekort bij trappen, ladders en oneffen terrein. Het nieuwe S0-model combineert die interne balansinformatie nu met beelden van ingebouwde stereocamera's. Die camera's leveren een driedimensionaal beeld van de omgeving, zodat de robot tegelijk vooruitkijkt én zijn eigen lichaamspositie in de gaten houdt. Dat moet leiden tot preciezere voetplaatsing en soepelere bewegingen, ook bij wisselend licht.
Trainen in een virtuele wereld
Figure traint het model met reinforcement learning in simulatie: de robot oefent talloze varianten van trappen en obstakels na in een virtuele omgeving voordat hij ooit een echte ladder ziet. Volgens het bedrijf zijn de aangeleerde bewegingen daarna direct te gebruiken op de fysieke robot, zonder verdere bijstelling. Dat is opvallend, want de overstap van simulatie naar de echte wereld gaat in de robotica meestal gepaard met kinderziektes. Figure claimt dat probleem grotendeels te hebben opgelost. Het bedrijf zegt intussen ook zijn productie flink te hebben opgeschaald: van één Figure 03 per dag naar één per uur, met meer dan 350 afgeleverde robots tot nu toe.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? Als humanoïde robots straks net zo makkelijk trappen en ladders nemen als mensen, kunnen ze breder inzetbaar worden in fabrieken, magazijnen en uiteindelijk huishoudens. De combinatie van visuele waarneming en bewegingsaansturing is daarbij een belangrijke technische horde, en het slim trainen in simulatie kan de ontwikkeling van dit soort robots flink versnellen.
- Proprioceptie
- Het interne gevoel van een robot (of mens) voor de positie van eigen gewrichten en lichaamsdelen, zonder daarvoor te hoeven kijken.
- Stereocamera
- Een cameraopstelling met twee lenzen die, net als twee ogen, diepte kan waarnemen en zo een driedimensionaal beeld van de omgeving maakt.
- Reinforcement learning
- Een trainingsmethode waarbij een AI-systeem via vallen en opstaan leert, en beloond wordt voor gewenst gedrag.
- Sim-to-real
- De uitdaging om gedrag dat een robot in een virtuele simulatie heeft geleerd, succesvol over te zetten naar de echte, fysieke wereld.
- End-to-end training
- Een trainingsaanpak waarbij een AI-model in één doorlopend proces leert van ruwe input (zoals camerabeelden) naar uiteindelijke actie, zonder losse tussenstappen.
- Locomotie
- De technische term voor de manier waarop een robot of organisme zich voortbeweegt.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.
