Google DeepMind leert robots met heel hun lijf denken en bewegen

Robots die zelfstandig door een rommelige kamer lopen, spullen oprapen en die op de juiste plek neerzetten: het klinkt futuristisch, maar Google DeepMind zet er nu een concrete stap naartoe. Het bedrijf introduceert Gemini Robotics 2, een nieuwe versie van zijn AI-systeem voor humanoïde robots. Waar eerdere modellen vooral de armen en handen aanstuurden voor taken op een tafel, kan de nieuwe versie het hele lichaam laten samenwerken: van voeten tot vingertoppen.

Van tafelblad naar hele kamer

Tot nu toe waren de meeste robots geprogrammeerd voor herhalende, voorspelbare handelingen of werden ze op afstand bestuurd. Ze konden zich moeilijk aanpassen aan een onvoorspelbare omgeving, en een vaardigheid die op het ene robotlichaam was aangeleerd, werkte vaak niet op een ander model. Gemini Robotics 2 moet dat probleem oplossen. In een demonstratie kreeg de humanoïde robot Apollo 2 van het bedrijf Apptronik de opdracht om "de gieter in de groene bak op de onderste plank te zetten". De robot liep naar de tafel, pakte de gieter op, liep naar de kast en zette het voorwerp precies op de juiste plaats. Voor dit soort taken moet een robot lopen, bukken, reiken en zijn evenwicht bewaren, allemaal tegelijk.

Vingers die knopen leggen

Naast grove bewegingen richt DeepMind zich ook op fijne motoriek. Het systeem kan een robothand met vijf vingers en 22 bewegingsassen aansturen voor precieze klusjes, zoals een knoop leggen of een zakje dichtritsen. Diezelfde intelligentie werkt ook met eenvoudigere, tweevingerige grijpers, bijvoorbeeld om spullen strak in een doos te pakken. Achter de schermen stuurt een apart redeneermodel, Gemini Robotics ER 2, het geheel aan: het observeert de ruimte, plant de stappen, communiceert met mensen en houdt bij of een taak goed verloopt. Dat maakt het mogelijk dat meerdere robots samen aan één klus werken, iets wat DeepMind voor het eerst mogelijk maakt. Er is ook een lichtere variant die lokaal op een robot kan draaien, zonder internetverbinding, en die zich met slechts een paar honderd voorbeelden kan aanpassen aan een compleet nieuw robotlichaam.

Veiligheid als voorwaarde

Met meer fysieke vrijheid groeit ook het risico op fouten in de buurt van mensen. DeepMind introduceert daarom een nieuwe veiligheidstoets, ASIMOV-Agentic, die meet of een robot een onveilige opdracht durft te weigeren en op tijd een mens om hulp vraagt bij twijfel. Het redeneermodel kan bovendien detecteren wanneer een persoon te dichtbij komt en de robot dan automatisch laten stoppen. DeepMind noemt de release een belangrijke tussenstap richting robots die in huizen en fabrieken breed inzetbaar worden, al erkent het bedrijf dat de snelheid en precisie van de bewegingen nog verder moeten verbeteren.