Von Markus Wulfmeier, Chef-Wissenschaftler
Auf der Suche nach einer universell einsetzbaren physikalischen KI richtet unser Fachgebiet seinen Blick stets nach vorn: Wir entwickeln umfangreiche Simulationen, analysieren Internetvideos und erstellen immer größere Datensätze für die Teleoperation. Doch die Robotik produziert bereits im Stillen ihre eigenen Daten im Internetmaßstab: Einsatzdaten von realen Systemen, die im Produktionsbetrieb reale Aufgaben erfüllen.
Die relevantesten “Internetdaten” der Robotik sind Nebenprodukte von Maschinen, die in der physischen Welt nützliche Arbeit verrichten – genau wie das Internet selbst ein Nebenprodukt von Menschen ist, die (gelegentlich) nützliche Arbeit in der digitalen Welt leisten. Sie werden aktuell generiert, größtenteils verworfen und warten auf ihre Verwendung. Diese Daten, zusammen mit den bestehenden modularen Steuerungssystemen, die sie erzeugen, sind der entscheidende Vorteil der Robotik gegenüber anderen Anwendungsbereichen. Sie bilden die Grundlage für das, was wir als kompetenzorientierte physische KI bezeichnen.
Der vorherrschende Ansatz in der physikalischen KI ist heute die Allgemeingültigkeit: Die größte Herausforderung besteht darin, ein ausreichend großes, allgemeines Modell anhand von Video, Simulation und Teleoperation zu trainieren, das schließlich in allen Bereichen gut genug ist. Wir verfolgen den gegenteiligen Ansatz. Die größte Herausforderung in der physikalischen KI ist heute die Perfektionierung des Problems. Das bedeutet, dass wir uns intensiv mit realen Aufgaben und in realen Umgebungen auseinandersetzen müssen, bis das System die komplexen Problemstellungen bewältigt, die erst in der Produktion auftreten, und von dort aus auf benachbarte Aufgaben, Konfigurationen und Roboterformen expandieren kann. Wir vertreten diese Ansicht mit Überzeugung, aber ohne Dogmatismus. Generalistische Modelle sind durchaus leistungsfähig, verbessern sich schnell und wir bauen direkt auf ihnen auf. Unser Ansatz ist präziser und unserer Meinung nach besser begründet: Die letzte und entscheidende Stufe der Zuverlässigkeit, von der beeindruckenden Demo bis zum autonomen Betrieb mit 99,91 TP4T+, wird in der Produktion erreicht, nicht im Vortraining. Autonomie wird durch die komplexen Problemstellungen begrenzt, und diese zeigen sich erst in der Produktion. Der Durchbruch in der Robotik wird nicht durch ein einzelnes bahnbrechendes Modell erzielt. Es wird durch den Einsatz bei echten Kunden mit echten Zielen ankommen – und das ist das schwierigere Problem in der Robotik.
Physikalische KI ist im Kern ein Problem des Wissenstransfers. Da es unmöglich ist, jedes Grenzszenario im Voraus zu lösen, stellt sich die Frage nach dem Ausgangspunkt. Hierbei ist die Nähe zum Einsatzumfeld entscheidend. Ähnlich wie mathematisches Vortraining bessere Bedingungen für quantitative Aufgaben schafft, stammen die wichtigsten Informationen für Generalisierung und Anpassung im Produktivbetrieb direkt aus den Einsatzumgebungen. Wie das von Menschen erstellte Netz für digitale KI ist dieses Internet der Robotik ein Ausgangspunkt und nicht das Endziel unserer Modelle. Schließlich bildet der Einsatz nicht nur die Grundlage für die Daten, sondern auch für die Benchmarks. Da eine strenge Evaluierung die Leistung bestimmt, mildert die Messung der tatsächlichen Produktionsanforderungen Goodharts Gesetz und die Anziehungskraft von Ersatzmetriken.
Die Verankerung der Trainingspipeline im praktischen Einsatz bildet die Grundlage für die Entwicklung nützlicher physikalischer KI in großem Maßstab. Die heutigen offenen, geschlossenen oder intern entwickelten Modelle erreichen allein nicht die für den Produktiveinsatz erforderlichen Erfolgsraten. Der bestehende modulare Stack bildet einen Schutzrahmen um das Modell: Er fängt Fehler ab, hält das Gesamtsystem über der Autonomieschwelle und ermöglicht eine sichere Evaluierung, während sich das Modell weiter verbessert. Gleichzeitig übertreffen unsere Modelle den klassischen Stack in einigen Bereichen bereits, sodass das kombinierte System – klassischer Schutzrahmen plus VLA – zu einem überlegenen System führt. Dadurch können wir Modelle vom ersten Tag an im realen Betrieb mit zahlenden Kunden einsetzen, anstatt sie in separaten Pilotprojekten zu testen.
Das Framework verändert unsere Sicht auf die Einsatzbereitschaft – es optimiert unsere Modelle und Iterationszyklen. Modelle lassen sich kostengünstig erweitern und anpassen, beispielsweise durch wenige erfolgreiche Demonstrationen, unvollkommene klassische Stack-Trajektorien oder gezielte Simulationen. Groß angelegtes Reinforcement Learning, das für die physikalische Beherrschung entscheidend ist, kann endlich innerhalb eines sicheren und robusten Implementierungs-Workflows auf genau die relevanten Probleme fokussiert werden. Anstatt einzelne Standorte zu optimieren, liegt der Fokus nun auf der Geschwindigkeit und Effizienz der Skalierung: Wie kostengünstig lassen sich Erfahrungen auf die nächste Anlage, Konfiguration oder Roboterversion übertragen? Das klassische Stack leistet mehr als nur die Bereitstellung des Frameworks: Es optimiert das Basismodell selbst.
Daher gehen wir davon aus, dass physische KI in Lagerhallen und Fabriken deutlich vor dem Einzug ins Wohnzimmer ausgereift sein wird. Die Daten sind bereits vorhanden, die Implementierung ermöglicht Evaluierung und Iteration, und gezieltes Feedback optimiert die Modelle auf dem letzten und schwierigsten Abschnitt hin zu höchster Zuverlässigkeit. Simulation und Teleoperation werden weiterhin relevant bleiben, ihre Rolle wandelt sich jedoch von primären Datenquellen zu Werkzeugen, die das in der Implementierung erworbene Lernen ergänzen und beschleunigen.
Deshalb ist dies auch kein Weg für ein brandneues Startup. Der erste wirkliche Beweis für die Einsatzbereitschaft physikalischer KI wird nicht von einer von Grund auf neu entwickelten Anwendung kommen, sondern von einem etablierten Unternehmen, das seine implementierten, autonomen Systeme nutzt, um die nächste Generation von Modellen zu entwickeln.
Wir sehen bereits erste positive Rückmeldungen zu unserer These. Wir haben das unserer Ansicht nach weltweit erste VLA zur Objektmanipulation im Produktivbetrieb implementiert und lösen damit gezielt Grenzfälle im laufenden Betrieb bei einem zahlenden Kunden, anstatt in einem separaten Pilotprojekt. Dasselbe Schwungrad wird auch für die Anpassung an verschiedene Werkzeuge verwendet, darunter unser Schuhkartongreifer – ein erster direkter Test, wie effektiv sich Erfahrungen von einer Konfiguration auf die nächste übertragen lassen.
.svg)
Das Muster erstreckt sich über die Handlung hinaus auf die Wahrnehmung. Durch iterative Implementierung haben unsere Systeme zur visuellen Wahrnehmung Betriebspunkte erreicht, die selbst modernste Generalistenmodelle unter identischen Produktionsbedingungen nicht erreichen konnten. Dies ist der Unterschied zwischen einer beeindruckenden Demo und einem System, das die Hürde für Autonomie und Rentabilität überwindet. Wir werden in Kürze einen ausführlichen Beitrag darüber veröffentlichen, wie dies ein gezieltes Verständnis der physischen Welt ermöglicht.
Was kommt als Nächstes?
Es gibt noch viel über künstliches Lernen im Kontext der Implementierung zu lernen: wie wenige zielgerichtete Daten benötigt werden, um eine produktionsbasierte Strategie anzupassen, welche Repräsentationen sich am besten auf verschiedene Standorte und Ausführungen übertragen lassen und wie Erfolgsprognosen Systemen helfen können, ihre eigenen Fehler zu erkennen und zu beheben. Wir werden unsere Forschungsergebnisse fortlaufend teilen und freuen uns auf neue Kooperationen.
Wir suchen erstklassige Forscher und Ingenieure für unser Team. Wenn Sie sich für die Skalierung von KI-Technologien im realen Einsatz und nicht nur für Prototypen begeistern, dann freuen wir uns auf Ihre Bewerbung!
