Der ‚ChatGPT-Moment‘ in der Robotik und darüber hinaus

In den letzten Jahren hat sich die Robotik rasant weiterentwickelt. Vor drei Jahren war es noch eine Herausforderung, einen Roboter dazu zu bringen, zuverlässig Objekte aufzuheben. Dies erforderte ein Heer von Ingenieuren, die an verschiedenen Aspekten wie Hardware, Computer Vision und Steuerungstechnik arbeiteten. Heute hingegen kann ein Student ein Open-Source-Modell herunterladen und innerhalb eines Wochenendes Ergebnisse erzielen, die zuvor Monate in der Industrie gedauert hätten. Diese dramatische Veränderung hat die Frage aufgeworfen, ob wir uns dem lang erwarteten ‚ChatGPT-Moment‘ in der Robotik nähern.

Was ist der ‚ChatGPT-Moment‘?

Der Begriff ‚ChatGPT-Moment‘ beschreibt einen Wendepunkt, an dem Technologien so weit fortgeschritten sind, dass sie in der Lage sind, Aufgaben zu erledigen, die zuvor als zu komplex oder anspruchsvoll galten. In der Robotik könnte dies bedeuten, dass Roboter in der Lage sind, in Echtzeit zu lernen und sich an ihre Umgebung anzupassen, ähnlich wie es KI-Modelle wie ChatGPT in der Sprachverarbeitung tun.

Der aktuelle Stand der Robotik

Die Robotik hat verschiedene Entwicklungsstufen durchlaufen:

• Autonomie 1.0: Handgefertigte Robotik (vor 2015) – Regelbasierte Steuerung und klassische Vision.
• Autonomie 2.0: Modulare Deep-Learning-Stacks (ca. 2015–2022) – Verwendung von CNNs für die Wahrnehmung, aber regelbasierte Planung.
• Autonomie 3.0: Foundation-Model-Autonomie (2023 bis heute) – Transformer-Modelle, die in der Lage sind, multimodale Daten zu verarbeiten und Aktionen auszugeben.
• Autonomie 4.0: Zukünftige kollaborative Autonomie – Roboter, die nahtlos zusammenarbeiten und menschliche Intentionen verstehen.

Was ist anders als zuvor?

Die jüngsten Fortschritte in der Autonomie 3.0 haben zu einem Anstieg an Kapital und Talenten in der Robotik geführt. Einige der bemerkenswertesten Entwicklungen sind:

1. Ein einheitlicher, end-to-end Lernstack, der die Integrationsaufwände reduziert.
2. Multimodale Wahrnehmung und reasoning, die es Robotern ermöglichen, einfache Befehle in natürlicher Sprache zu verstehen.
3. Schnelle Anpassung an Aufgaben, die es Robotern ermöglicht, in Tagen und nicht in Monaten zu lernen.
4. Ein selbstverstärkender Datenkreislauf, der es Robotern ermöglicht, aus ihren Erfahrungen zu lernen und sich kontinuierlich zu verbessern.

Die Zukunft der Robotik

Ein wirklich universeller Roboter, der von einem Lagerhaus über eine Küche bis hin zu einer Baustelle mit minimalem Training wechseln kann, bleibt jedoch eine Herausforderung. Zu den Herausforderungen gehören:

• Bessere Kognition und Gedächtnis, um langfristige Überlegungen anzustellen.
• Real-World-Lernen, das es Robotern ermöglicht, sich an reale Umgebungen anzupassen.
• Effiziente Edge-Inferenz, um Genauigkeit mit Geschwindigkeit und Energieverbrauch in Einklang zu bringen.
• Hohe Bandbreite bei der Datensammlung, um reale Erfahrungen schnell und kostengünstig zu erfassen.
• Simulationen, die der Realität entsprechen, um den Sim2Real-Gap zu überbrücken.
• Hardware, die in der Geschwindigkeit und zu den Preisen von Smartphones hergestellt wird.
• Kontaktreiche Manipulation für präzise und empfindliche Aufgaben.
• Immer aktive Sicherheitsvorkehrungen, um sicherzustellen, dass Roboter keine Menschen oder Infrastrukturen gefährden.

Wer wird gewinnen?

Die nächsten fünf Jahre werden zeigen, welche Pioniere der Autonomie 3.0 zu Einhörnern werden und welche nur einen reichen Datensatz hinterlassen. Unternehmen, die sofortigen Kundenwert bieten, werden die ersten sein, die in diesem neuen Markt erfolgreich sind. Die ersten Unternehmen, die in diesem Bereich Milliardenumsätze erzielen, werden wahrscheinlich einen bestimmten Workflow meistern und von dort aus expandieren.

Fazit

Die Robotik steht an der Schwelle zu einer neuen Ära, in der Roboter in unserem Alltag eine Rolle spielen werden. Wenn das Falten von Kleidung oder das Heben von Paletten „einfach das ist, was der Roboter tut“, werden wir wissen, dass die Zukunft leise angekommen ist.

Quellenliste:

• Quelle: The ‘ChatGPT Moment’ in Robotics and beyond
• Andrej Karpathy: Software 2.0
• Tesla Optimus
• Boston Dynamics Spot
• Waymo Firefly