Roboter sind immer noch nicht besonders gut im Aufheben von Dingen, trotz Milliarden von Dollar an Investitionen und endlosen Videos, die in Deep-Learning-Modelle eingespeist wurden.
Das könnte sich bald ändern, dank einer Manipulationsarchitektur, die von Eka Robotics entwickelt wurde und einen kraftsensitiven Greifer sowie eine neue Art von Deep-Learning-Modell umfasst. Das Startup, gegründet vom MIT-Professor Pulkit Agrawal und dem ehemaligen Google-DeepMind-Forscher Tuomas Haarnoja, hat gerade eine Series-A-Runde über 150 Millionen $ abgeschlossen, die es post-money mit 1,45 Milliarden $ bewertet, angeführt von den Risikokapitalfonds a16z und F-Prime.
„Sie übertreffen bereits die Leistung übermenschlicher Fähigkeiten bei bestimmten Aufgaben, und wir glauben, dass es in den nächsten Monaten übermenschliche Leistung bei vielen geschickten Manipulationsaufgaben geben wird“, sagte Raghu Raghuram, der a16z-Generalpartner, der die Finanzierungsrunde mit anführte, gegenüber TechCrunch.
In einer Ära endloser Roboter-Demonstrationen sind Ekas Fähigkeiten für erfahrene Roboterbauer schockierend.
Kris Hauser, Professor an der University of Illinois Urbana-Champaign, sagte, der Roboter habe im Vergleich zu anderen Roboter-Demos, die er kürzlich gesehen hatte, einen „Wow-Faktor“. Der Eka-Roboter „war in der Lage, sich an eine große Anzahl unterschiedlicher Objekte anzupassen, ohne neu trainiert zu werden“, sagte Hauser und fügte hinzu, dass er auch einen Aspekt von „Menschlichkeit, einer unheimlichen Menschlichkeit“ habe, da er es immer wieder von Neuem versuchen würde, wenn er beim ersten Mal scheiterte.
Ein anderer Robotiker, der wegen seiner Arbeit in einem Frontier-Lab anonym bleiben wollte, sagte TechCrunch, dass der Anblick von Ekas Roboter in Aktion ein emotionaler Erlebnis gewesen sei, vergleichbar damit, als Roboter vor fünf bis 10 Jahren erstmals zuverlässige zweibeinige Fortbewegung erreichten. Sehen Sie selbst:
Loading the player…
Was ist hier bemerkenswert? Wie geschmeidig und schnell sich der Roboter bewegt. Er kann etwa 1,500 Objekte, die bis zu 1 kg wiegen, in einer Stunde aufheben, verglichen mit etwa 600 für einen Menschen; Eka zufolge hebt er Objekte in mehr als 95 % der Fälle zuverlässig auf. Und der Roboterarm ist stark genug, um sich selbst zu verletzen, wenn er sich so schnell bewegt. Das zeigt laut dem Frontier-Lab-Beobachter, dass „sie viel Vertrauen in ihren Algorithmus haben, dass er den Roboter nicht zerstört. Ich frage mich, wie viele Roboter sie unterwegs zerstört haben?“
Als der Frontier-Lab-Robotiker Ekas Roboter traf, reichte ihm eine Himbeere, das offenbar Lieblingstestobjekt des Labs. „Das Erlebnis, wenn ein großer, schwerer Roboter auf meinen Arm zurast und dann genau rechtzeitig abbremst und mich sehr sanft berührt, ist ein Gefühl, das ich, während wir sprechen, in meinem Körper trage“, sagte er gegenüber TechCrunch.
Wie man die Himbeere nicht zerquetscht
Diese Fähigkeiten sind eine Folge davon, wie das Basismodell aufgebaut wurde. Statt eines Vision-Language-Action-Modells – das darauf trainiert ist, die Beziehung zwischen Sprache, visuellen Eingaben und Aktionen zu verstehen – ist das Schema hier ein Vision-Force-Action-Modell, das sich auf die Beziehung zwischen Sprache, Krafteingaben und Aktionen konzentriert. Kritiker der aktuellen Richtung generativer KI-Robotikmodelle, wie Rodney Brooks, sagen, dass sie scheitern werden, wenn nicht versucht wird, Kraft und Berührung zu repräsentieren; Ekas Ergebnisse deuten darauf hin, dass solche Kritiker recht haben.
„Sehen ist nicht der primäre Weg, wie man dieses letzte-Millimeter-Problem löst“, sagte Eka-Mitgründer Agrawal gegenüber TechCrunch. „Das Sehen sagt Ihnen grob, wo sich das Objekt befindet, welche Pose es hat, aber das eigentliche Greifen, die eigentliche Suche findet über Kräfte statt.“
Eka musste einen einzigartigen Roboterhand entwerfen, die flexibler als herkömmliche Greifer war und mehr Kraftsensoren enthielt; sie reagiert auf Kontakt, weshalb sie die Himbeere nicht zerquetscht. Die Gründer geben sich aus offensichtlichen Wettbewerbsgründen bedeckt, wie sie das erreicht haben, aber es läuft darauf hinaus, einen Physiksimulator zu verwenden, um die mehreren Kräfte zu modellieren, auf die der Roboter beim Versuch, etwas zu greifen, trifft, und daraus eine Reinforcement-Learning-Umgebung zu schaffen, die im großen Maßstab betrieben werden kann. Sie sagen, sie können in Minuten Tausende von Stunden Robotererfahrung erzeugen.
„Statt auf die Daten beschränkt zu sein, die man etwa aus menschlichen Demonstrationen sammelt, verfolgt Eka mit Reinforcement Learning einen Ansatz, bei dem der Roboter jede Art von Demonstrationen übertreffen kann, die ihm gegeben werden“, sagte Hauser. „Was wirklich spannend ist, ist, dass sie nicht auf die Daten beschränkt sind, die ihnen zum Training vorgelegt werden.“
Agrawal und Haarnoja, die sich erstmals im Graduiertenstudium an der University of California–Berkeley kennenlernten, sind führende Forscher im Bereich Reinforcement Learning für die Robotik-Steuerung. Ekas zentrale Wette war, dass diese Technik im großen Maßstab durch Simulation durchgeführt werden kann, statt sich auf Videos zu verlassen, die von Gig-Workern oder Roboterbedienern über viele Stunden bei Aufgaben aufgenommen wurden. Die Simulation war der Schlüssel zur zuverlässigen Manipulation ihres Roboters, einer Leistung, die sich in der Vergangenheit bei Aufgaben, die die Interaktion mit Objekten erfordern – statt deren Vermeidung – als schwieriger erwiesen hat.
„Was EKA überbrückt, ist die Generality-Performance-Lücke, die viele moderne Robotik plagt“, argumentiert Agrawal.
Einen Allzweck-Roboter nützlich machen
Derzeit sind die am besten generalisierbaren physischen KI-Modelle – diejenigen, die viele verschiedene Aufgaben versuchen können – nicht besonders gut darin. Aber KI-Modelle, die darauf trainiert sind, bei einer einzigen Aufgabe hochgradig fähig zu sein, dürften den Business Case für ein Unternehmen nicht schließen: Das Versprechen generativer KI ist, dass Roboter schnell mehrere Aufgaben lernen können, sogar neue.
Die aktuellen Ansätze sind gut darin, Roboter hervorzubringen, die allgemein intelligenter sind als zuvor — Astra, das neueste LLM von ChatGPT, kann einen Roboter steuern in einer unbekannten Umgebung und damit Aufgaben ausführen, allerdings langsam und zu hohen Kosten. Das Versprechen eines Modells wie dem von Eka besteht darin, dass es die physische Ausführung übernimmt, während ein allgemeineres Modell Entscheidungen darüber trifft, wie ein Problem gelöst werden soll. Astra weiß beispielsweise vielleicht, dass Teller nach dem Geschirrspüler in einen Schrank geräumt werden, aber Ekas Modell ist in der Lage, ein Geschirrteil aufzunehmen, ohne es zu zerbrechen.
„Der Großteil des Bereichs hat sich auf die Planung konzentriert“, sagt Eka-Mitgründer Haarnoja, „also nähern sie sich von oben an: hohe Intelligenz, die sie Richtung Physisches hinunterdrücken. Wir denken dagegen von unten nach oben.“
Eka muss sich in der Praxis allerdings noch beweisen. Das Unternehmen arbeitet in geheimen Pilotprojekten mit einer Reihe von Industriekunden an Pick-and-Place- und Kabelmanipulationsaufgaben, aber der Sprung vom Labor zur Fertigungslinie ist fast so groß wie die Lücke zwischen Simulation und Realität.
„Was eine große Herausforderung sein wird, ist, wenn sie mit Integratoren an echten Fertigungslinien arbeiten und es ein ganzes Jahr lang ohne Ausfälle laufen muss“, sagte Hauser. Die andere offene Frage lautet: „Wie gut verallgemeinerbar sind diese Techniken auf verschiedene Aufgaben? Was ich gesehen habe, ist Pick and Place, aber viele Wertschöpfungsaufgaben in der Industrie umfassen mehr als nur Pick-and-Place.“
Agrawal konzentriert sich auch auf die Einsatzfähigkeit; derzeit, sagt er, sei Ekas Greifer-Hardware — die weniger als 1,000 US-Dollar kostet — für 5 Millionen Einsatzzyklen ausgelegt, aber das ultimative Ziel sei es, die von Standard-Industrierobotern gesetzte Marke von 20 Millionen Zyklen zu erreichen.
„Was wir aufbauen, ist dieses Engineering dafür, wie man komplette Workflows entwirft, aber wir beginnen sehr pragmatisch und sagen: Hier sind zwei Vertikalen — Pick, Arrange, Place und Kabelhandhabung —, machen wir daraus vollendete Erfolge“, sagte Agrawal. „Sobald wir damit vollendete Erfolge erzielt haben, sind der Himmel und die Grenzen dessen, was wir mit dem von uns entwickelten Ansatz erreichen können, offen.“