Forscher Sergey Levine und Karol Hausman haben ein bahnbrechendes Projekt vorgestellt, das darauf abzielt, ein einziges Super-Gehirn zu schaffen, das in der Lage ist, jeden Roboter unabhängig von seinen Unterschieden zu steuern. In Zusammenarbeit mit 32 anderen Roboterlaboren in Nordamerika, Europa und Asien haben Levine und Hausman das ehrgeizige RT-X-Projekt im Jahr 2023 ins Leben gerufen.
Traditionell setzen Robotik auf generative KI zur Steuerung, doch dieser Ansatz hat aufgrund der begrenzten Verfügbarkeit von Daten über Interaktionen zwischen Roboter und Umgebung seine Grenzen. Die Forscher erkannten die Notwendigkeit von Daten, die von den Robotern selbst generiert werden, was normalerweise langsam und monoton in Laboreinstellungen für spezifische Aufgaben produziert wird und dadurch eine begrenzte Anwendbarkeit und Funktionalität aufweist.
Die Lösung dieser Herausforderung liegt im Teilen von Daten einer Vielzahl von Robotern, um neuen Maschinen das Lernen aus gemeinsamen Erfahrungen zu ermöglichen. Der RT-X-Datensatz umfasst fast eine Million Roboterexperimente mit 22 verschiedenen Arten von Robotern, wie beispielsweise beliebten Roboterarmen, die auf dem Markt zu finden sind. Levine und Hausman machten während ihrer Experimente eine faszinierende Entdeckung: Ein tiefes neuronales Netzwerk, das auf diesen vielfältigen Roboterdaten trainiert ist und mit groß angelegten maschinellen Lernmodellen kombiniert wird, kann verschiedene Roboter steuern, ohne spezialisierte Anpassungen zu benötigen.
Bemerkenswerterweise kann das aus dem RT-X-Datensatz entwickelte Modell anhand der visuellen Eingabe, die von der Kamera des Roboters empfangen wird, die Art des gesteuerten Roboters identifizieren. Wenn die Kamera beispielsweise einen UR10 Industriearm erfasst, sendet das Modell spezifische Befehle für genau diesen Roboter. Gleichzeitig passt es seine Steuerung an, wenn es einen günstigeren WidowX Hobbyarm erkennt.
Um die Effektivität ihres Modells zu bewerten, verglichen fünf Labore, die am RT-X-Projekt teilnahmen, es mit ihren eigenen Steuersystemen für ihre jeweiligen Roboter. Erstaunlicherweise übertraf das einzelne Modell die Methode jedes Labors und erledigte Aufgaben durchschnittlich 50 Prozent häufiger.
Das RT-X-Projekt veranschaulicht die Kraft der Zusammenarbeit innerhalb der Robotikgemeinschaft. Levine und Hausman sehen die Initiative weiter wachsen und sich zu einem gemeinschaftlichen Einsatz zur Etablierung von Datennormen, wiederverwendbaren Modellen und neuen Algorithmen und Methoden entwickeln. Durch die Nutzung des gemeinsamen Wissens und der Ressourcen der globalen Robotik-Lerngemeinschaft wird das Potenzial für Fortschritte und Durchbrüche in der Robotik wirklich grenzenlos.
The source of the article is from the blog maestropasta.cz