Taakonafhankelijke besturing: robots die niet één, maar alles leren
Stel je een magazijnrobot voor die geprogrammeerd is om precies één ding te doen: dozen van A naar B tillen. Verander je het magazijn, de dozen of de taak, dan moet een technicus de robot helemaal opnieuw programmeren of trainen. Dat is taakspecifieke besturing: elk apparaat krijgt zijn eigen, nauw omschreven instructieset. Taakonafhankelijke besturing is het tegenovergestelde principe: één en hetzelfde besturingssysteem leert algemene vaardigheden, zodat het zonder herprogrammeren kan overschakelen naar nieuwe taken, objecten of omgevingen.
Vergelijk het met het verschil tussen een kookboek en een opgeleide kok. Een kookboek (taakspecifiek) geeft exacte stappen voor precies één gerecht; verander het recept en het boek is nutteloos. Een kok die het koken zelf begrijpt (taakonafhankelijk) kan improviseren met nieuwe ingrediënten en onbekende recepten, omdat die de onderliggende principes kent. In de robotica en kunstmatige intelligentie probeert men machines steeds meer als die kok te laten werken, in plaats van als een kookboek dat blind wordt gevolgd.
Wat is het precies?
Traditionele robotbesturing werkt met vaste regels of met een machinelearningmodel dat getraind is op één specifieke taak, bijvoorbeeld "pak deze fles op". Verander de fles in een kop, dan faalt het systeem vaak, omdat het nooit geleerd heeft wat een kop is of hoe je die anders vastpakt.
Taakonafhankelijke besturing pakt dit anders aan. In plaats van één taak, traint men één groot model op enorme hoeveelheden gevarieerde data: duizenden verschillende taken, objecten, robotarmen en omgevingen tegelijk. Het model leert daardoor geen trucje voor één situatie, maar een algemenere "vaardigheid" om van een waarneming (camerabeeld) en een instructie (vaak in gewone taal, zoals "leg de appel in de kom") naar een passende actie te redeneren.
De belangrijkste technische doorbraak hierachter zijn de zogeheten Vision-Language-Action-modellen (VLA-modellen). Dit zijn neurale netwerken die dezelfde soort architectuur gebruiken als grote taalmodellen zoals ChatGPT, maar dan uitgebreid met camerabeelden als invoer en motorcommando's als uitvoer. Omdat ze zijn gebouwd op bestaande taal- en beeldmodellen, kunnen ze kennis over de wereld — wat een "vork" is, wat "voorzichtig" betekent — meenemen naar de robotica, ook al hebben ze nog nooit specifiek met een vork geoefend.
Cruciaal is ook het soort trainingsdata: niet meer data van één robot voor één taak, maar verzamelingen van talloze robotarmen, grijpers en zelfs hele humanoïde robots die door onderzoekscentra wereldwijd zijn opgenomen en gedeeld. Hoe diverser die data, hoe beter een model generaliseert naar situaties die het nooit letterlijk heeft gezien.
Wat wil men ermee bereiken?
De drijfveer is grotendeels economisch en praktisch. Het apart programmeren en trainen van een robot voor elke nieuwe taak is duur, traag en vereist telkens specialistische kennis. Als één basismodel talloze taken tegelijk aankan — vergelijkbaar met hoe één taalmodel duizenden verschillende gesprekken kan voeren zonder voor elk onderwerp apart geprogrammeerd te zijn — dan dalen de kosten en de drempel om robots in te zetten drastisch.
Een tweede doel is generalisatie: het vermogen om ook met onbekende objecten, belichting of instructies om te gaan. Dit is essentieel voor robots die buiten de strak gecontroleerde fabriekshal moeten werken, bijvoorbeeld in huishoudens, magazijnen met wisselende voorraad, of de zorg.
Tot slot hoopt men op een soort "schaalwet" zoals die bij taalmodellen is gezien: meer data en rekenkracht leiden vrij voorspelbaar tot betere prestaties. Als dat ook voor robotbesturing geldt, wordt vooruitgang minder afhankelijk van slimme trucs per taak en meer van simpelweg meer en betere data verzamelen — al is dit vooralsnog een hoopvolle aanname, geen bewezen wet.
Voorbeelden uit de praktijk
Gato (DeepMind, 2022) was een vroeg, spraakmakend voorbeeld: één neuraal netwerk dat honderden uiteenlopende taken kon uitvoeren, van het besturen van een robotarm tot het spelen van Atari-spelletjes en het bijschriften van foto's, allemaal met dezelfde gewichten.
RT-1 en RT-2 (Google, 2022-2023) waren gericht op echte robotarmen in een keukenachtige testomgeving. RT-2 was bijzonder omdat het voortbouwde op een bestaand taal-en-beeldmodel, waardoor de robot ook kon reageren op instructies over objecten die hij nooit fysiek had geoefend, zoals "til het uitgestorven dier op" bij een speelgoeddinosaurus.
Open X-Embodiment (2023) was geen model maar een samenwerkingsproject van tientallen universiteiten en bedrijven wereldwijd, die hun robotdata bundelden tot één grote, gedeelde dataset met meer dan twintig verschillende robottypes. Dit voedde daaropvolgende open-source modellen zoals Octo (Berkeley/Stanford e.a., 2024) en OpenVLA (Stanford/Berkeley/Toyota Research Institute, 2024).
Physical Intelligence, een in 2024 opgerichte startup met onderzoekers van onder meer Berkeley en Google, bracht het model π0 (pi-zero) uit: een generalistisch besturingsmodel dat is getest op uiteenlopende huishoudelijke taken zoals was opvouwen en tafels afruimen, met dezelfde onderliggende software.
NVIDIA's project GR00T, aangekondigd in 2024, richt zich specifiek op besturing voor humanoïde robots en moet als een soort gedeeld "besturingsbrein" dienen voor meerdere robotfabrikanten tegelijk. Ook de samenwerking tussen Figure AI en OpenAI (aangekondigd begin 2024) valt in dit rijtje: een humanoïde robot die spraak- en taalbegrip van OpenAI combineert met taakonafhankelijke bewegingsbesturing.
Hoe ver is de techniek?
De ontwikkeling gaat snel, maar bevindt zich grotendeels nog in het laboratorium- en pilotstadium. De meeste demonstraties vinden plaats in gecontroleerde omgevingen: opgeruimde tafels, beperkte objectsets, en vaak met een mens die kan ingrijpen als er iets misgaat.
Het grootste obstakel is databeschikbaarheid. Tekst en beelden zijn in gigantische hoeveelheden online beschikbaar om taalmodellen mee te trainen, maar robotinteracties met de fysieke wereld moeten grotendeels handmatig worden verzameld, vaak met mensen die een robotarm besturen via een soort joystick. Dat is traag en kostbaar, waardoor robotdatasets nog vele ordes van grootte kleiner zijn dan de tekstdatasets achter taalmodellen.
Een tweede obstakel is de overstap van simulatie naar de echte wereld (het zogeheten "sim-to-real"-probleem): gedrag dat in een computersimulatie perfect werkt, gedraagt zich in de echte wereld vaak anders door wrijving, gewicht, slip en onvoorziene omstandigheden. Ook precisie en veiligheid blijven lastig: een taalmodel dat een fout antwoord geeft is vervelend, maar een robotarm die een fout beweging maakt kan schade of letsel veroorzaken, wat de lat voor betrouwbaarheid veel hoger legt.
Toch is de trend duidelijk: waar modellen een paar jaar geleden nog op enkele tientallen taken werden getest, gaat het nu om honderden tot duizenden taken, en verschuift onderzoek van losse robotarmen naar complete humanoïde robots die met dezelfde soort besturingssoftware moeten kunnen lopen, grijpen en manipuleren.
Wie werken eraan?
Het onderzoeksveld wordt gedomineerd door een mix van grote technologiebedrijven, gespecialiseerde startups en academische instituten, met een sterk zwaartepunt in de Verenigde Staten. Google DeepMind is een van de pioniers met de RT-reeks. De startup Physical Intelligence (San Francisco) richt zich volledig op generalistische robotbesturing. NVIDIA investeert zwaar in besturingssoftware voor humanoïde robots via project GR00T, mede omdat het bedrijf ook de chips levert waarop dit soort modellen draait. OpenAI is via een samenwerking met robotmaker Figure AI ingestapt, en ook Tesla ontwikkelt met zijn Optimus-robot in dezelfde richting.
Aan de academische kant spelen UC Berkeley, Stanford University en het Toyota Research Institute een leidende rol, onder meer via het gezamenlijke Open X-Embodiment-initiatief waaraan tientallen universiteiten en bedrijven wereldwijd data en modellen bijdragen. Ook Europese en Aziatische onderzoeksgroepen dragen bij, al ligt het commerciële zwaartepunt vooralsnog duidelijk bij Amerikaanse bedrijven en universiteiten.