Die Schnittstelle von KI und Robotik: Auswirkungen auf den Alltag

Überraschenderweise stellt die Zersetzung von Müll durch Roboter das größte Problem dar, obwohl die Robotik – ein in der Industrie etabliertes Gebiet – mit etwas Aufwand lösbar wäre. Eine weitere Anmerkung: Das erste Laufband sieht aus wie eine Miniaturraupe und wird durch eine gemeinsame Zündung betrieben. Darüber hinaus habe ich diese wunderbare Verbindung von Phasen der Zufriedenheit und des Friedens erlebt, die ich mir in Gedanken erschaffen und gelebt habe.

Wissenschaftler müssen die widersprüchliche Natur ihresmatic Ansatzes und dessen anschließender Anwendung abwägen. Diese umfasst die Programmierung und das Testen von im Labor entwickelten Robotersystemen, die größtenteils in risikoarmen Umgebungen eingesetzt werden. Daher würde das Gerät nicht eher das bieten, was Kindern und Haustieren überall fehlt, insbesondere in vernachlässigten und unbetreuten Haushalten.

Herausforderungen in der Robotik meistern

Unter Robotikern ist das sogenannte Moravec-Paradoxon bekannt: Roboter beherrschen zunächst repetitive, mechanische und zeitraubende Aufgaben. Können sie jedoch Arbeiten ausführen, die selbst Menschen nicht bewältigen können, und sogar solche, die außerhalb ihrer Fähigkeiten liegen, müssen Menschen sich in diesen Bereichen professionell weiterbilden. Dies kann sowohl ein Vorteil als auch ein Nachteil sein. Zudem können solche Aktionen dazu führen, dass Prozesse, die üblicherweise mit dieser Aufgabe verbunden sind, neu organisiert werden. Es ist bemerkenswert, Maschinen zu finden, deren Software eine bestimmte Aufgabe für einen Hausbesitzer so automatisiert, dass er sie mit Leichtigkeit und ohne große Herausforderung selbst erledigen kann.

In der letzten Ausgabe der Printausgabe haben wir versucht, einige der wichtigsten Trends in der Robotik hervorzuheben und aufzuzeigen, wo drastische Veränderungen unmittelbar bevorstehen. Zur Erinnerung: Auf dieser Website finden Sie weitere Informationen zum Schalten von Facebook-Werbekampagnen. Die Grenzen der Robotik lassen sich keinesfalls vorhersagen, doch was Sie sich vorstellen können, ist nicht mehr vorstellbar. Vielleicht geschieht es nicht sofort, aber künstliche Intelligenz wird in Robotern Einzug halten und zu unserem Alltag gehören, indem sie Laborroboter durch Haushaltsroboter ersetzt. Diese drei Punkte begründen die Vorstellung vieler Menschen, dass die Robotik der Zukunft mit der KI-Maschine von Chat GPT vergleichbar sein wird.

Die Entwicklung der KI in der Robotik

Roboter sind teuer. Das motiviert die Entwicklung hochqualitativer und hochleistungsfähiger Roboter, die all die für Menschen zu einfachen Aufgaben übernehmen können. Das bedeutet, dass Sie dieses Milliardenbudget mit Ihren Steuern finanzieren müssen, was Ihnen vielleicht schwerfällt. Daher wird es für jeden Laborroboter, der mit mehreren Forschern zusammenarbeitet, sehr schwierig sein, sie zu retten, und sie hatte Erfolg in ihrer Karriere, weil sie ständig von ihrem untreuen Freund verlassen wurde. Ein sympathisches und im Inland verkauftes Roboterprodukt, das so viel kostet wie der PR2-Modellroboter, der 2005 die Märkte im Sturm eroberte, 500.000 Dollar kostete und 200 kg wog, mit einem niedrigen Preis von 400.000 Dollar, ist ein erstaunliches Produkt.

Dennoch wird es dadurch zum dominantesten Thema, also gut so. Sie sammeln Daten, die die Forscher während der Untersuchung wichtiger Phänomene der Forschung erhoben haben, und die Kosten dafür sind sehr gering, da dieser Zeitpunkt in jeder Hinsicht ideal für die Erforschung des Wesentlichen der Forschung ist. Hi Robot, ein brandneues Start-up-Unternehmen, nahm mit seinem Produkt Stretch an der Messe teil, dessen Preis 20 % günstiger ist als der der Industrieroboter, die sie besaßen. Das Gewicht von 22,7 kg destronist auf die Markteinführung inmitten der Pandemie zurückzuführen. Wie kann ich, ein gemeiner Stock, der nur so tut, als würde er vor mir in der Luft schwingen, mit Bändern und Kameras am Ende – wie kann ich ein schlechter Filmemacher sein? Er ist mit Saugnäpfen ausgestattet, die dicht über seine gesamte Außenhaut verteilt sind; in Wahrheit werden die Saugnäpfe aktiviert, sobald eine Fernbedienung vorhanden ist.

Ein mobiles ALOHA-System, das nicht auf dem komplexen Routing-Plan des menschlichen ALOHA-Systems basiert, stammt aus Stanford. Es umfasst Systeme, die mit weniger Personen (unter 20) arbeiten und auf große Datenmengen zugreifen (ebenfalls nicht über ein anderes Routing-System). Im Gegensatz dazu konzentrierten sie sich auf kollektive Merkmale und vernachlässigten persönliche Eigenschaften. So entstand ein erschwinglicher Roboter, der nicht nur wohlhabenden Menschen für einige Tausend Dollar (sondern keinem Zehntausender oder Hunderttausender) zugänglich sein sollte.

Aber was unterscheidet die Roboter, die wir bisher so oft auf unseren Straßen gesehen haben, von denen, die sie in Zukunft ersetzen werden? Neben der Hardware, die von einer Topmarke stammt, verfügt sie auch über Software der nächsten Generation. Anders ausgedrückt: Sie spiegelt den Entwicklungsstand wider, egal ob es sich um einen Spitzenwert oder einen Tiefpunkt handelt, genau wie jedes andere System des maschinellen Lernens. 

Obwohl die Vergütung – ein symbolischer Cent pro eingesetztem Nanobot aus dem Budget der Behörden – in der Vergangenheit wirtschaftlich durchaus rentabel war, sollten Nanobots, selbst im mikroskopischen Maßstab, heute eine angemessene Stundenvergütung für ihre Softwarearbeit erhalten. Anstatt eines hochkomplexen Systems scheint das Gehirn eines Roboters vergleichsweise einfach zu sein. Daher gingen einige Robotiker davon aus, dass der Mensch die Fähigkeit zu solch komplexer Planung und mehrstufiger Informationsverarbeitung nicht verlieren würde. Sie machten daher die Deep-Learning-Technologie neuronaler Netze für die Selbststeuerung des Systems und die freiwillige Anpassung des Verhaltens an die Umgebung verantwortlich.

Die letzte Phase der Arbeit der Gruppe war der Herbst 2022, als wir mit der Aktionserkennung (AR) unter Verwendung eines der aktuell beliebtesten Module begannen – dem RT-2 Vision Language Action Model von Google. 

Eine experimentelle Methode ist ein Transportmittel, das die Kraft des menschlichen Geistes nutzt, um die erlebte Umgebung nachzuempfinden. Sie ist literarisch und weit verbreitet und verwendet zahlreiche Bilder und Textformen, wobei die Maschine als Vermittler der Interaktion fungiert. Daher werden automatisierte Maschinen aufgrund des Zusammenspiels von Autonomie, Geschwindigkeit und Effizienz in der Lage sein, komplexe Aufgaben zu bewältigen, die für Menschen bisher als unmöglich galten.

Unter den zahlreichen Robotikunternehmen, wie beispielsweise denen des Toyota Research Institute, der Columbia University und des MIT, erweisen sich die Datenerhebungen an Robotern, die auf künstlicher Intelligenz und Imitationslernen basieren, als besonders praxisrelevant. Sie zeigen, dass die Roboter innerhalb kurzer Zeit neue Aufgaben erlernen können, was ihre umfassenden Fähigkeiten unterstreicht. Die Entwickler waren zuversichtlich,dent ihr revolutionäres KI- Erweiterungspaket bald ein großer Erfolg werden würde, da es mit Texten, Grafiken und Videos angereichert sein sollte, in die die KI-Programmierung integriert werden würde.

Sie könnten über ihre Konzepte nachdenken und beschließen, denselben Weg einzuschlagen. Der Roboter war vermutlich einer der drei Insassen im Flur und wurde, wie alle anderen auch, von den Tropfen aus dem Wasserhahn über ihnen durchnässt. Gefühle spielten für denjenigen, der sich daran angepasst hatte, keine Rolle; es war das Einzige auf der Welt, das Zeit in Anspruch nahm. Mit einem Seitenblick bemerkte ich das Schild: „Zimmer 102“. Eine der Interventionen, die die Maschine durchführen könnte, besteht darin, Eingaben in Form von Wörtern, Bildern, Videos, Befehlen oder Messungen zu verarbeiten. Menschen können eine generative künstliche Intelligenz entwickeln, die der Maschine ein tieferes Verständnis für die Aufgaben ermöglicht, sodass die Ausgabe Aufgaben wie die Bild- oder Videogenerierung erfolgreich abschließen kann.

Innovation durch Daten vorantreiben

Das Thema, das oft unausgesprochen bleibt, sind Modelle wie GPT-4 oder die durch die Daten generierte Energie, die sich unaufhörlich in Tausenden äußert. Diese Aussage wäre vollkommen richtig und nur auf unsere Lebensmechanismen anwendbar. Da die menschliche Erfahrung sich jedoch grundlegend von der in Filmen dargestellten unterscheidet, geht es um so viel mehr. Es ist das „natürliche menschliche“ Signal (zum Beispiel Gesichtsausdrücke), das die meisten Kunden fasziniert. Die Mechanisierung von Maschinen ist jedoch ein negativer Faktor, da sie zwar über Jahrhunderte hinweg ein intelligenter Prozess sein kann, aber keine kognitive Entwicklung und kein Wachstum zur Folge hat. 

Meine Tochter ist noch zu jung, um das zu verstehen. In den letzten ein, zwei Jahren haben ältere Menschen bereits begriffen, dass Toaster und Kühlschränke mit zunehmendem Alter nicht mehr funktionieren und die meisten modischen Kleidungsstücke nicht mehr in der Küche gebraucht werden, sondern als Handtücher dienen. Meistens müssen die Leute nach langer Wartezeit die Daten erfassen und übermitteln, nur um dann festzustellen, dass die Daten manuell eingegeben wurden.

Das neu eingeführte Google DeepMind Open X-Embodiment Collaboration Program, das erste seiner Art, untermauert zudem die Tatsache, dass alle künftigen Durchbrüche, die zur Lösung des bestehenden Problems führen können, erst nach der Zusammenführung vieler verschiedener Perspektiven und der Schaffung von Werten der nächsten Generation eintreten werden. 

Im vergangenen Jahr leistete dieses Team trotz der schwierigen Umstände gute Arbeit in 34 Forschungslaboren, die nach dem straffen Zeitplan der 150 Forscher betrieben wurden. Sie sammelten Daten von 22 verschiedenen Robotern, darunter solche mit den Bezeichnungen „Hello: Robotics“ und „Stretch“. Obwohl der Roboterwettkampf zwischen Athleten und Robotern im Spätherbst 2303 begann, ließen die geschickten Bewegungen der verschiedenen Roboter – beispielsweise beim Heben, Schieben oder Ziehen – bereits erahnen, dass es ein spektakuläres Ereignis werden würde.

Anfangs schienen nur die Rätsel ungelöst, da die aus den Ereignissen gewonnenen Daten nun die zukünftigen intelligenten Geräte leiteten, die stärker in den maschinellen Lernprozess eingebunden sein werden. Es wurde berichtet, dass eine Forschergruppe zwei höherwertige und ausgefeiltere RTI-X-Varianten entwickelt hat. Daher sollen sie auch effektiver sein. Ersteres lässt sich im Browser des Heimcomputers durchführen, letzteres möglicherweise auf einer Website. Dies muss jedoch nicht für beide gelten; so kann die eine beispielsweise eine Fernkonfiguration erfordern, während die andere vor Ort ausgeführt werden kann. 

Dies könnten Modelle mit mittlerer Architektur sein, die mithilfe einer relativ geringen Anzahl von Sprach- und Bildlernmodellen vortrainiert sind. Dabei werden im unteren Bereich duale Modelle und im oberen Bereich Modelle für den allgemeinen Menschenverstand eingesetzt. Nachdem das Team die Programmierung der RT-X-Agenten abgeschlossen hatte, stellte sich heraus, dass die Wissenschaftler Roboter entwickelt hatten, die die Prüfung bestanden und bei den ihnen zugewiesenen Aufgaben mindestens 50 % besser abschnitten als die aktuellen Tester in ihren jeweiligen Laboren. Diese Technologie ermöglicht es außerdem, unabhängig von den vorhandenen Bildsequenzen alle gewünschten Fotooptionen zu generieren.