Da ich jemand bin, der das Zen des Aufräumens sehr genießt, habe ich letztes Jahr bei einem Besuch im Toyota Research Lab in Cambridge, Massachusetts, nur zu gerne eine Kehrschaufel und einen Besen genommen und ein paar auf einer Tischplatte verschüttete Bohnen aufgekehrt. Die Aufgabe war anspruchsvoller als sonst, da ich sie mithilfe eines teleoperierten Paars Roboterarme mit Zweifingerzangen als Händen erledigen musste.
Als ich vor dem Tisch saß und ein Paar Controller wie Fahrradgriffe mit zusätzlichen Knöpfen und Hebeln benutzte, konnte ich das Gefühl spüren, feste Gegenstände zu greifen, und auch ihr Gewicht spüren, wenn ich sie anhob, aber es war trotzdem etwas gewöhnungsbedürftig.
Nachdem ich einige Minuten lang aufgeräumt hatte, setzte ich meinen Rundgang durch das Labor fort und vergaß meine kurze Tätigkeit als Lehrer für Roboter. Ein paar Tage später schickte mir Toyota ein Video von dem Roboter, den ich bedient hatte, wie er selbstständig ein ähnliches Chaos beseitigte. Dabei nutzte er das, was er aus meinen Demonstrationen gelernt hatte, kombiniert mit ein paar weiteren Demos und mehreren weiteren Stunden Übung beim Kehren in einem simulierten Gebäude Welt.
Die meisten Roboter – und insbesondere diejenigen, die in Lagerhäusern oder Fabriken wertvolle Arbeit leisten – können nur vorprogrammierten Routinen folgen, deren Planung technisches Fachwissen erfordert. Dadurch sind sie sehr präzise und zuverlässig, aber völlig ungeeignet für Arbeiten, die Anpassung, Improvisation und Flexibilität erfordern – wie Fegen oder die meisten anderen Hausarbeiten. Es hat sich als schwierig erwiesen, Robotern beizubringen, Dinge selbstständig zu erledigen, da die physische Welt und die menschliche Umgebung komplex und variabel sind und es schwierig ist, genügend Trainingsdaten zu erhalten, um ihnen beizubringen, mit allen Eventualitäten umzugehen.
Es gibt Anzeichen dafür, dass sich dies ändern könnte. Die dramatischen Verbesserungen, die wir im letzten Jahr oder so bei KI-Chatbots gesehen haben, haben viele Robotiker dazu veranlasst, sich zu fragen, ob ähnliche Fortschritte auf ihrem eigenen Gebiet möglich sein könnten. Die Algorithmen, die uns beeindruckende Chatbots und Bildgeneratoren beschert haben, tragen auch bereits dazu bei, dass Roboter effizienter lernen.
Der Kehrroboter, den ich trainiert habe, verwendet ein maschinelles Lernsystem namens Diffusionsrichtlinie, ähnlich denen, die einige KI-Bildgeneratoren antreiben, um auf der Grundlage der vielen Möglichkeiten und im Bruchteil einer Sekunde die richtige Aktion für die nächste Aktion zu finden mehrere Datenquellen. Die Technik wurde von Toyota in Zusammenarbeit mit Forschern unter der Leitung von Shuran Song entwickelt, einem Professor an der Columbia University, der heute ein Roboterlabor in Stanford leitet.
Toyota versucht, diesen Ansatz mit den Sprachmodellen zu kombinieren, die ChatGPT und seinen Konkurrenten zugrunde liegen. Ziel ist es, Robotern das Erlernen von Aufgaben durch das Ansehen von Videos zu ermöglichen und so Ressourcen wie YouTube möglicherweise in leistungsstarke Ressourcen für das Robotertraining zu verwandeln. Vermutlich werden ihnen Clips von Menschen gezeigt, die vernünftige Dinge tun, und nicht die dubiosen oder gefährlichen Stunts, die oft in sozialen Medien zu finden sind.
„Wenn man noch nie etwas in der realen Welt berührt hat, ist es schwierig, dieses Verständnis allein durch das Ansehen von YouTube-Videos zu erlangen“, sagt Russ Tedrake, Vizepräsident für Robotikforschung am Toyota Research Institute und Professor am MIT. Laut Tedrake besteht die Hoffnung darin, dass ein grundlegendes Verständnis der physischen Welt in Kombination mit in Simulationen generierten Daten es Robotern ermöglichen wird, physische Aktionen durch das Ansehen von YouTube-Clips zu lernen. Der Diffusionsansatz „ist in der Lage, die Daten viel skalierbarer zu absorbieren“, sagt er.
