Der chinesische Roboterhersteller Unitree ging mit einer Bewertung von rund 66 Milliarden Dollar an die Börse, verlor jedoch innerhalb einer einzigen Woche fast die Hälfte seines Wertes. Analysten weisen darauf hin, dass die Entwicklung von Robotern zwar voranschreitet, die Maschinen aber noch immer keine Arbeit verrichten können, für die Kunden bezahlen würden. Genau dieses Thema diskutierten Entwickler auf der Konferenz Actuate, die sich auf Software zur effizienten Steuerung von Robotern konzentriert.
Begeisterung, die auf leere Datenordner trifft
Actuate wird von Foxglove veranstaltet, einem Unternehmen, das Entwicklern physischer KI dabei hilft, Messdaten zu verwalten und zu visualisieren. Seit der ersten Ausgabe im Jahr 2023 hat sich die Veranstaltung verdreifacht, und in diesem Jahr nahmen fünfzehnhundert Menschen daran teil. Die Begeisterung war auf Schritt und Tritt zu spüren, ebenso wie die Sorgen. Am Stand des Unternehmens Avala hing beispielsweise ein Schild, das die Lösung der Krise bei Robotikdaten versprach.
Diese Krise besteht darin, dass es nur wenige hochwertige Trainingsdaten gibt. Ein universeller Roboter für jede beliebige Aufgabe bleibt eine ferne Vision. Auch das direkte Training für eine einzige konkrete Aufgabe hat bislang kein Produkt hervorgebracht, auf das man sich im normalen Betrieb verlassen kann. Die Entwickler kopieren daher die Vorgehensweisen der Entwickler von Sprachmodellen. Sie beschaffen vielfältigere Datensätze, erproben unterschiedliche Trainingsverfahren und suchen nach besseren Szenarien für bestärkendes Lernen.
Harry Mellsop, Mitgründer des Start-ups Antioch, das Simulationswerkzeuge entwickelt, vergleicht den heutigen Stand der physischen KI mit der Ära des Modells GPT-2 vor der Einführung von ChatGPT. Damit die Branche diese Schwelle überwinden kann, wird sie mehr Daten und Rechenleistung benötigen. Dabei wird es vor allem um Grafikkarten gehen, die für Raytracing optimiert sind, mit dessen Hilfe realitätsgetreue Simulationen entstehen.
Autonome Fahrzeuge sind am weitesten
Am besten aufgestellt sind selbstfahrende Autos. Die Daten lassen sich aus von Menschen gesteuerten Fahrzeugen sammeln, und die Hauptaufgabe besteht darin, Kollisionen zu vermeiden, nicht darin, Gegenstände zu handhaben. Es ist kein Zufall, dass ein großer Teil der Werkzeuge zur Modellerstellung genau aus diesem Bereich stammt. Foxglove wurde von ehemaligen Mitarbeitern von Cruise gegründet, einem Projekt für autonomes Fahren des Automobilherstellers General Motors.
Die Automobilhersteller prüfen nun, ob ihnen ihr Entwicklungsumfeld rund um maschinelles Lernen auch die Tür zu humanoiden Robotern öffnet. Tesla entwickelt das Modell Optimus, während auch die Unternehmen Wayve und Uber Labore eröffnet haben, die sich auf humanoide Formen konzentrieren.
Wayve-Chef Alex Kendall erklärte gegenüber TechCrunch, dass man bei Fahrzeugen beginnen müsse. Die Manipulationsrobotik befinde sich seiner Ansicht nach ungefähr dort, wo das autonome Fahren vor fünf Jahren stand. Dateninfrastruktur, Simulationen und Betriebswerkzeuge würden größtenteils gemeinsam genutzt, Unterschiede entstünden erst beim Weltmodell für die konkrete Bauform der Maschine. Kendall warnt zugleich davor, sich auf eine einzige Hardwareplattform festzulegen. Sensoren und andere Komponenten verändern sich schnell, weshalb ein allgemeines Modell so wenig wie möglich von konkreter Hardware abhängig sein sollte.
Théophile Gervet, Chef des Unternehmens Genesis AI, sieht das anders. Seiner Ansicht nach ist es für eine ausschließlich auf Software ausgerichtete Strategie noch zu früh, und die Chance liegt in der gemeinsamen Entwicklung von Hardware und KI.
Spezialisierte Roboter verdienen Geld
Gervet sprach auch das zweite große Thema der Branche an: die Wahl des richtigen Schwerpunkts. Unternehmen, die auf konkrete Aufgaben abzielen, haben ihre Maschinen bereits im praktischen Einsatz. Das Unternehmen Gritt errichtet Solarparks, Agility setzt Roboter in der Industrie ein und Bedrock steuert Bagger autonom. Universelle humanoide Roboter kommen dagegen bislang kaum aus den Laboren heraus.
Gervet zufolge interessiert sich kein Kunde für einen Universalroboter, der nur in achtzig Prozent der Fälle erfolgreich ist. Zugleich fügt er hinzu, dass der Entwickler eines speziell ausgerichteten Produkts auf Basis älterer Technologie leicht von Wettbewerbern überholt werden kann, die fortschrittlichere Modelle einsetzen.
Die Spezialisierung ist attraktiv, weil sie sowohl Umsätze als auch Daten aus dem realen Betrieb liefert. Diese Daten sind zwar möglicherweise nicht vielfältig genug für die Entwicklung allgemeiner Modelle, für die Funktionsfähigkeit eines konkreten Roboters sind sie jedoch unverzichtbar. Bedrocks Technikchef Kevin Peterson erklärte, dass Aushubarbeiten dem Unternehmen dabei helfen, die Manipulation in einer unvorhersehbaren Umgebung zu verstehen. Ziel sei es, eine Intelligenzebene zu schaffen, die sich für eine ganze Reihe von Baumaschinen nutzen lässt.
Die Verwaltung dieser Aufzeichnungen ist anspruchsvoll, da Bild- und Lidar-Daten enorm viel Speicherplatz beanspruchen. Foxglove stellte daher ein Werkzeug vor, das auf Nvidias offenem Weltmodell Cosmos aufbaut. Ingenieure können darin Daten mit gewöhnlichen Sätzen durchsuchen, daraus Tests und Simulationen zusammenstellen und Fehler schneller erkennen.
Wann kommt also der große Moment?
Sam Altman sprach kürzlich davon, dass der physischen KI innerhalb weniger Jahre ein grundlegender Durchbruch bevorstehe, der mit dem Erfolg von ChatGPT vergleichbar sei. Kendall erinnert daran, dass Haushaltsstaubsauger noch immer die größte Roboterflotte der Welt bilden. Der Wendepunkt werde seiner Ansicht nach dann eintreten, wenn der normale Kunde begeistert sei, nicht der Investor. Als Beispiel nennt er ein Auto, in dem der Fahrer auf Hardware für weniger als tausend Dollar eine Fahrt ohne Überwachung startet. Wayve zielt darauf ab, lizenziert seine Modelle an Automobilhersteller und sieht in diesem Bereich eine milliardenschwere Chance, aus der das Unternehmen die Entwicklung eines allgemeinen Modells für Roboter finanzieren möchte.
Gervet stellt sich diesen Durchbruch als eine Handhabung von Gegenständen vor, die unmittelbar nach dem Auspacken der Maschine funktioniert. Ein Mensch spricht in gewöhnlicher Sprache mit dem Roboter, bittet ihn, einen Stuhl heranzuschieben oder den Tisch aufzuräumen, und die Maschine führt dies zuverlässig aus.
Foxglove-Chef Adrian Macneil sieht das anders. Gegenüber TechCrunch erklärte er, dass die Robotik keinen mit ChatGPT vergleichbaren Moment erleben werde. ChatGPT wurde vor allem dank der digitalen Verbreitung zu einem Phänomen, da es innerhalb einer einzigen Woche eine Million Nutzer gewann. Physische Maschinen weltweit auszuliefern, ist unvergleichlich schwieriger. Macneil würde daher lieber einen Meilenstein sehen, wie ihn in der Computergeschichte der Apple II oder der IBM PC darstellten. Also den Tag, an dem Menschen einen Haushaltsroboter kaufen, der beginnt, etwas wirklich Nützliches und Unterhaltsames für sie zu tun.
