Robotmaker Figure huurt tot 100.000 chips voor trainen humanoïde robots
Het Amerikaanse robotbedrijf Figure heeft een meerjarige deal gesloten met het Britse techbedrijf Nscale voor de inzet van tot 100.000 gespecialiseerde computerchips. Daarmee wil Figure de kunstmatige intelligentie achter zijn humanoïde robots trainen op een schaal die tot nu toe ongekend is in de robotica. De eerste rekencapaciteit moet in de tweede helft van 2027 online komen in Barstow, Texas.
Figure, bekend van zijn mensvormige robots die fabriek- en magazijnwerk moeten overnemen, heeft een strategisch partnerschap gesloten met Nscale. Dat Britse bedrijf gaat tot 100.000 GPU's beschikbaar stellen, gebaseerd op het nieuwe Vera Rubin-platform van chipmaker NVIDIA. Een GPU is een gespecialiseerde processor die oorspronkelijk voor computergames werd ontwikkeld, maar inmiddels de motor is achter vrijwel alle zware AI-training. Hoe meer van deze chips een bedrijf tot zijn beschikking heeft, hoe sneller en complexer de AI-modellen zijn die het kan trainen.
De deal vertegenwoordigt in eerste instantie een investering van 3,5 miljard dollar, omgerekend ruim 3,2 miljard euro. Beide partijen willen dat bedrag op termijn verder optrekken tot meer dan 6 miljard dollar. Nscale investeert daarnaast rechtstreeks in Figure, en de twee bedrijven onderzoeken of Figures humanoïde robots kunnen worden ingezet in Nscales eigen bevoorradingsketen. Dat zou een vroege praktijktest zijn voordat de robots breder op de markt komen.
Waarom robots zo veel rekenkracht nodig hebben
Het trainen van een taalmodel als ChatGPT draait vooral om tekst. Het trainen van een robot die moet leren lopen, grijpen en objecten herkennen in een rommelige, onvoorspelbare wereld vraagt veel meer rekenkracht. Dit soort fysieke AI moet niet alleen taal begrijpen, maar ook camerabeelden, sensordata en fysieke bewegingen combineren tot bruikbare acties. Figure gebruikt hiervoor een eigen AI-systeem genaamd Helix. Naarmate de trainingsdatasets groeien, groeit ook de benodigde rekencapaciteit navenant.
Volgens Figure-oprichter en CEO Brett Adcock ontstaat er nu een compleet productieproces: modellen worden getraind op de chips van Nscale, vervolgens getest in NVIDIA's simulatiesoftware Isaac Sim, en daarna daadwerkelijk gebruikt in de robots zelf, die ook op NVIDIA-chips draaien. Adcock noemt dit de fysieke AI-flywheel, ofwel het datavliegwiel: elke stap in dat proces levert nieuwe data op die de volgende trainingsronde weer beter maakt.
Miljoenen video's van menselijke handelingen
Naast rekenkracht heeft Figure ook grote hoeveelheden trainingsdata nodig. Daarvoor bouwt het bedrijf aan Index, een groeiende dataset met video's van alledaagse menselijke handelingen, van afwassen tot dozen inpakken. Het platform is inmiddels meer dan 264.000 keer gedownload in 108 landen en telt ruim 44.000 wekelijks actieve gebruikers, die gezamenlijk elke seconde dertig minuten aan videomateriaal aanleveren.
Omdat bestaande dataleveranciers niet aan de gewenste schaal en kwaliteit konden voldoen, bouwde Figure een eigen pijplijn: video's worden automatisch gefilterd op kwaliteit, mensen controleren op fraude, dubbele beelden worden verwijderd en de data wordt voorzien van gedetailleerde tekstbeschrijvingen. Contributors kregen tot nu toe samen 15 miljoen dollar uitbetaald. Het einddoel is dat humanoïde robots niet langer afhankelijk zijn van zorgvuldig voorbereide demonstraties, maar betrouwbaar en zelfstandig fysiek werk kunnen doen in de echte wereld.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? De miljardeninvestering laat zien dat de ontwikkeling van bruikbare humanoïde robots vooral wordt afgeremd door een gebrek aan rekenkracht en trainingsdata, niet door mechanisch ontwerp. Bedrijven als Figure schalen daarom net zo hard op als AI-taalmodelmakers, met vergelijkbare miljardenbedragen aan chips. Als deze aanpak werkt, komt de stap van robots die alleen gecontroleerde demo's uitvoeren naar robots die zelfstandig in fabrieken, magazijnen en op termijn huishoudens werken, dichterbij.
- GPU
- Een gespecialiseerde computerchip die oorspronkelijk voor grafische taken werd gemaakt, maar nu vooral wordt gebruikt om AI-modellen te trainen omdat hij veel berekeningen tegelijk kan uitvoeren.
- Vera Rubin-platform
- De nieuwste generatie AI-chiparchitectuur van NVIDIA, vernoemd naar de Amerikaanse astronome Vera Rubin, bedoeld voor grootschalige AI-training.
- Fysieke AI
- Kunstmatige intelligentie die niet alleen tekst of beeld verwerkt, maar ook fysieke handelingen aanstuurt, zoals lopen, grijpen en manipuleren van objecten in de echte wereld.
- Humanoïde robot
- Een robot met een min of meer menselijke lichaamsvorm, met twee armen en benen, ontworpen om taken uit te voeren in omgevingen die voor mensen zijn gebouwd.
- Datavliegwiel (flywheel)
- Een proces waarbij elke stap in een systeem nieuwe data oplevert die het systeem in de volgende stap weer verbetert, waardoor verbetering zichzelf versterkt.
- Helix
- Het AI-systeem dat Figure ontwikkelt om zijn humanoïde robots aan te sturen en te laten leren van trainingsdata.
- Isaac Sim
- Simulatiesoftware van NVIDIA waarin AI-modellen voor robots virtueel getest en verfijnd kunnen worden voordat ze op een echte robot worden ingezet.
- Index
- De dataset van Figure met video's van menselijke activiteiten, gebruikt om de AI van de robots te trainen op realistische, alledaagse taken.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.
