Das Silberne Zeitalter der verkörperten Intelligenz: Ein tiefer Einblick

Die aktuelle Landschaft der verkörperten Intelligenz

Die aktuelle Phase der verkörperten Intelligenz wird als "silbernes Zeitalter" bezeichnet – eine Übergangszeit zwischen dem ersten Aufkommen und der vollen Reife dieser Technologie. Diese Phase ist von intensiver Forschung und Entwicklung geprägt. Eine zentrale Diskussion fand im Rahmen einer Podiumsdiskussion auf der Volcano Engine FORCE Konferenz statt, bei der Experten aus unterschiedlichen Bereichen die Potenziale großer Modelle zur Beschleunigung der Robotikentwicklung erkundeten.

Hintergrund der Entwicklung

Der rasante Fortschritt großer KI-Modelle hat zu erheblichen Investitionen in der Robotikindustrie geführt. Dieser Investitionsschub birgt jedoch auch das Risiko einer Marktüberhitzung. Die Hauptaufgabe besteht darin, die echten Durchbrüche in der Technologie und ihrer Anwendung zu identifizieren.

Einige Kernfragen, die diskutiert werden, sind:

• Sollte der Fokus auf Reinforcement Learning oder Simulation Learning liegen?
• Ist es wichtiger, Simulation oder Tests in der realen Welt zu priorisieren?
• Sollte der Schwerpunkt auf Vision oder physikalischen Engines liegen?

Teilnehmer der Podiumsdiskussion

Die Podiumsdiskussion umfasste Experten aus verschiedenen Hintergründen:

• Chen Yang: Vizepräsident von Galaxy General Robotics
• Shi Lingxiang: Leiter der Innovationsinkubation bei Volcano Engine (Moderator)
• Wu Di: Leiter für intelligente Algorithmen bei Volcano Engine
• Wan Haoji: Partner bei Matrix Partners China
• Wang Xiao: Gründer von Nine Chapters Capital
• Yan Weixin: Mitbegründer von Shanghai Zhiyuan Robotics und Doktorvater an der Shanghai Jiao Tong Universität

Wichtige Diskussionspunkte

Der Anstieg der Investitionen in die Robotik

Die Aufregung um die Robotik rührt daher, dass KI-Anwendungen in zwei Kategorien eingeteilt werden können: Soft-Anwendungen (wie Chatbots und Videogenerierung) und Hard-Anwendungen (wie Robotik). Die Robotik wird als die vielseitigste Hard-Anwendung der KI angesehen. Investoren suchen nach Unternehmen, die sowohl Software als auch Hardware integrieren und reale Anwendungen jenseits von Demos demonstrieren können.

Die Kommerzialisierung von Robotern verläuft langsamer als erwartet, insbesondere in komplexen Umgebungen wie Wohnungen und B2B-Dienstleistungen. Die Koordination zwischen dem "Gehirn" (KI) und dem "kleinen Gehirn" (Steuerungssysteme) muss verbessert werden. Die Kostenreduzierung ist für eine breite Akzeptanz entscheidend.

Der Weg zur Kommerzialisierung

Es besteht ein allgemeiner Konsens darüber, dass die Robotik erfolgreich sein wird, aber der Zeitrahmen und die führenden Unternehmen sind noch ungewiss. Der Markt wird wahrscheinlich nicht von einem einzigen Unternehmen dominiert werden, ähnlich wie in der Elektrofahrzeugindustrie. Große Modelle haben Robotern verbesserte Interaktions- und Denkfähigkeiten verliehen.

Es gibt zwar keine unüberwindbaren technischen Hindernisse, aber der Prozess wird länger und herausfordernder als erwartet sein. Venture Capital-Geber spielen eine entscheidende Rolle bei der Beschleunigung der Entwicklung durch die Bereitstellung von Finanzmitteln.

Die Bedeutung der allgemeinen Intelligenz

Der Fokus sollte darauf liegen, dass sich Roboter an Menschen und Umgebungen anpassen, anstatt umgekehrt. Die Verwendung großer Mengen an Simulationsdaten ist der Schlüssel, um Robotern eine allgemeine Intelligenz zu ermöglichen. Robotik-Startups stehen vor großen Herausforderungen in Bezug auf Technologie, Produktentwicklung und Geschäftsmodelle. Die Branche benötigt eine Zusammenarbeit über die gesamte Lieferkette hinweg und Unterstützung von Investoren.

Technische Wege für verkörperte Intelligenz

Die Verwendung von Imitationslernen zur Verbesserung des Reinforcement Learnings ist ein praktikabler Ansatz für die Gangsteuerung. Simulationsdaten sind wirksam für die Gangsteuerung der unteren Extremitäten, aber die Parametereinstellung und Produktkonsistenz stellen immer noch Herausforderungen dar. Es ist notwendig, den Fokus von der Bewegung der unteren Extremitäten auf die gesamte Aufgabenbearbeitungsfähigkeit von humanoiden Robotern zu verlagern. Die Datenerhebung und -standardisierung, insbesondere bei komplexen Aufgaben, ist eine große Herausforderung. Reale Daten sind entscheidend, insbesondere für komplexe physikalische Interaktionen, die schwer zu simulieren sind.

Simulation vs. Reale Daten

Simulationsdaten sind kostengünstiger, skalierbarer und vielseitiger für das Training von allgemeinen verkörperten Modellen. Reale Daten sind unerlässlich, um die Nuancen physikalischer Interaktionen wie Reibung und Elastizität zu erfassen. Sobald Roboter über zuverlässige Weltmodelle verfügen, können groß angelegte Simulationen verwendet werden, um ihre Leistung in verschiedenen Szenarien zu testen und zu verbessern.

Zukünftige Anwendungen

Kurzfristige Anwendungen (2-3 Jahre)

• Industrielle Fertigung: Roboter können komplexe Aufgaben ausführen, die Geschicklichkeit in kontrollierten Umgebungen erfordern.
• Fernbedienungen: Roboter können in gefährlichen Umgebungen eingesetzt werden, z. B. bei der Handhabung gefährlicher Materialien.
• Kontrollierte Umgebungen: Roboter werden in kontrollierten Umgebungen wie Restaurants, Hotels und Fabriken eingesetzt.
• Spezifische Aufgaben: Roboter werden für Aufgaben wie die Lieferung von Lebensmitteln, die Zubereitung von Kaffee und die Durchführung leichter Wartungsarbeiten eingesetzt.
• Fabriken, Büros und Sicherheit: Dies sind die wahrscheinlichsten Bereiche für den ersten Einsatz.

Langfristige Anwendungen

• Häusliche Umgebungen: Die komplexeste, aber am meisten erwartete Anwendung ist in häuslichen Umgebungen.
• Haushaltsaufgaben: Roboter werden schließlich in der Lage sein, Aufgaben wie Kochen, Wäsche zusammenlegen und Putzen zu übernehmen.
• Kostenreduzierung: Mit dem technologischen Fortschritt werden die Kosten für Roboter sinken, wodurch sie für die Verbraucher zugänglicher werden.
• Allzweckroboter: Der Fokus wird sich auf Allzweckroboter verlagern, die verschiedene Bedürfnisse erfüllen können.
• Marktüberlegungen: Unternehmen müssen die Funktionalität, Leistung, Offenheit und Risikobereitschaft verschiedener Anwendungen berücksichtigen.

Volcano Engine VeOmniverse

Virtuelle Simulationsplattform

VeOmniverse ist eine cloudbasierte Plattform für Robotersimulation und -training. Sie schafft hochrealistische digitale Umgebungen für das Training und Testen von Robotern. Dies reduziert den Bedarf an physischer Ausrüstung und senkt die Entwicklungskosten. Die Plattform nutzt visuelle Engines, physikalische Engines, Sensorsimulation und 3D-Generierung, um ein umfassendes Trainingssystem zu schaffen. Die Plattform nutzt KI, um hochwertige Trainingsdaten zu generieren und den Trainingsprozess zu beschleunigen.

Anpassungsmöglichkeiten

Die Plattform ist offen und anpassbar, so dass Unternehmen personalisierte Digital-Twin-Anwendungen entwickeln können. Sie hilft Unternehmen, Robotermodelle schnell zu erstellen, zu validieren und zu optimieren. VeOmniverse ist ein wichtiges Werkzeug für die intelligente und digitale Transformation der Robotikindustrie.