Robotmakers: AI-brein van robots zit nog in zijn GPT-2-fase
Investeerders pompen miljarden in 'fysieke AI', de technologie die robots moet leren denken en handelen. Maar volgens de bouwers van die AI-breinen staat de sector nog aan het prille begin: vergelijkbaar met de allereerste, weinig indrukwekkende versie van ChatGPT.
De Chinese robotmaker Unitree ging deze week hard onderuit op de beurs, nadat het bedrijf bij zijn beursgang nog op 66 miljard dollar was gewaardeerd. Analisten wijzen op een bekend probleem: de fysieke robots worden steeds beter, maar de kunstmatige intelligentie die ze aanstuurt, kan nog altijd geen betrouwbaar, waardevol werk verrichten. Op de Actuate-conferentie vorige week, waar ontwikkelaars van robotbreinen samenkwamen, klonk dat geluid ook. Het aantal bezoekers is sinds 2023 verdrievoudigd tot 1500, maar de zorgen groeiden mee.
Een tekort aan goede data
Het kernprobleem heet de 'robotica datacrisis': er is simpelweg te weinig hoogwaardige data om robots mee te trainen. Bedrijven die algemene, breed inzetbare robots willen bouwen, lopen daar keer op keer tegenaan. Harry Mellsop, oprichter van simulatiebedrijf Antioch, noemt de sector daarom in zijn 'GPT-2-fase' — verwijzend naar het gedateerde OpenAI-model van vóór de doorbraak van ChatGPT. Om die fase te ontgroeien is meer rekenkracht nodig, vooral chips die geschikt zijn voor ray tracing: een techniek waarmee realistische simulaties worden gebouwd waarin robots virtueel kunnen oefenen.
Zelfrijdende auto's lopen voorop
Binnen de fysieke AI zijn zelfrijdende auto's het verst. Die kunnen data verzamelen van miljoenen kilometers die mensen al rijden, en hun belangrijkste taak — botsingen vermijden — is eenvoudiger dan het grijpen en verplaatsen van voorwerpen. Veel technologie voor robotbreinen komt dan ook uit de autonome-voertuigenindustrie. Bedrijven als Tesla (met robot Optimus), Wayve en Uber zetten daarom nu ook in op mensvormige robots. "Manipulatierobotica staat waar zelfrijdend rijden vijf jaar geleden stond", zegt Wayve-CEO Alex Kendall. Volgens hem worden data-infrastructuur en simulatietechniek straks gedeeld tussen auto's en robots, ook al blijft er verschil per type machine.
Alles kunnen, of één ding goed?
Niet iedereen is het daarmee eens. Théophile Gervet, CEO van het humanoïde-robotbedrijf Genesis AI dat dit jaar 105 miljoen dollar aan startkapitaal ophaalde, vindt het nog te vroeg om op één aanpak te wedden en pleit voor hardware die je samen met de AI ontwerpt. Hij wijst ook op een lastig dilemma: robots die op één specifieke taak zijn getraind, staan al wél in de praktijk. Gritt bouwt zonneparken, Agility werkt in fabrieken en Bedrock laat graafmachines autonoom werken. Algemene, breed inzetbare robots blijven vooral in het laboratorium hangen. "Niemand zit te wachten op een robot die maar tachtig procent van de tijd werkt", aldus Gervet. Om al die visuele en lidardata te beheren, lanceerde databedrijf Foxglove deze week een nieuw product op basis van Nvidia's open wereldmodel Cosmos, waarmee ingenieurs met natuurlijke taal door robotdata kunnen zoeken.
Of er ooit een echt 'ChatGPT-moment' voor robots komt, daarover verschillen de meningen. Kendall denkt aan betaalbare zelfrijdende techniek onder de duizend dollar. Gervet ziet het pas gebeuren als een robot elke eenvoudige taak betrouwbaar uitvoert na een simpel gesproken commando. Foxglove-CEO Adrian Macneil is somberder: volgens hem is verspreiding in de fysieke wereld te traag voor zo'n plotselinge doorbraak.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? Zolang robots onvoldoende trainingsdata en rekenkracht hebben, blijven ze vooral geschikt voor nauw afgebakende taken zoals graven of lassen, en niet voor het huishouden of algemeen fabriekswerk. De komende jaren draait de sector vooral om betere simulaties en data-infrastructuur, met zelfrijdende auto's als proeftuin voor de rest van de robotica.
- Fysieke AI
- Kunstmatige intelligentie die is gekoppeld aan een lichaam, zoals een robot of zelfrijdende auto, en daardoor met de echte wereld moet omgaan.
- Wereldmodel
- Een AI-systeem dat leert voorspellen hoe de omgeving zich gedraagt, gebruikt om robots te trainen en te testen.
- Ray tracing
- Een rekentechniek die het pad van licht nabootst om zeer realistische simulaties en beelden te maken.
- Manipulatierobotica
- Het vakgebied dat zich richt op robots die voorwerpen kunnen grijpen, verplaatsen en bewerken, in tegenstelling tot alleen navigeren.
- Lidar
- Sensortechniek die met laserlicht de omgeving in 3D in kaart brengt, veel gebruikt bij zelfrijdende auto's en robots.
- GPT-2
- Een vroege, beperkte versie van OpenAI's taalmodel die aan ChatGPT voorafging; wordt hier gebruikt als vergelijking voor de vroege ontwikkelingsfase van robotica-AI.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.
