Robotergehirn-Bauer drängen aus ihrer GPT-2-Ära heraus.

Physical AI hat sich als einer der dynamischsten Sektoren im Venture Capital etabliert, wobei Unternehmen Milliarden an Finanzmitteln sicherstellen, um die grundlegenden Werkzeuge hinter Large Language Models auf den Bereich der Robotik anzuwenden.

Diese Begeisterung trieb einen großen Börsengang von Unitree voran, Chinas führendem Robotikhersteller, der bei der Notierung an der chinesischen Entsprechung von NASDAQ zunächst eine Bewertung von 66 Milliarden Dollar erreichte. Die Marktstimmung drehte sich diese Woche jedoch scharf, wodurch fast die Hälfte dieses Wertes zunichte wurde. Analysten führen diesen Rückgang auf eine kritische Lücke zurück: Während sich die physischen Fähigkeiten von Robotern weiterentwickeln, fehlt es ihnen noch an praktischem Know-how, um wertgenerierende Aufgaben auszuführen.

Auf der letzten Woche stattfindenden Actuate-Konferenz, einem Gipfeltreffen für Entwickler, die KI-Systeme für Roboter erstellen, war die Optimismus der Branche spürbar. Laut Foxglove, einem Organisator, der Entwickler physikalischer KI-Modelle bei der Verwaltung und Visualisierung von Daten unterstützt, hat sich die Veranstaltung seit ihrer Gründung im Jahr 2023 verdreifacht und zog 1.500 Teilnehmer an.

Die zugrunde liegenden Risiken waren ebenfalls offensichtlich. Ein Stand von Avala, einem weiteren Akteur in der physikalischen KI-Infrastruktur, präsentierte ein Schild, das versprach, „die Robotik-Datenkrise“ zu lösen.

Diese Krise resultiert aus einem Mangel an hochwertigen Trainingsdaten für KI-Modelle. Das Ziel, generalisierte Roboter zu bauen, die jede beliebige Aufgabe ausführen können, ist noch weit entfernt, und das End-to-End-Lernen für spezifische Aufgaben hat bisher keine Produkte mit zuverlässiger, kommerzieller Leistung hervorgebracht. Für Entwickler liegt die Lösung darin, den Fortschritt führender KI-Labore nachzuahmen: den Erwerb oder die Generierung vielfältigerer Datensätze, das Experimentieren mit verschiedenen Trainingsmethoden und die Verfeinerung von Reinforcement-Learning-Szenarien.

Harry Mellsop, Gründer von Antioch, einem Startup, das Simulationswerkzeuge für Model Builder entwickelt, beschreibt Physical AI als befindlich in seiner „GPT-2-Ära“, unter Bezugnahme auf das OpenAI-Modell, das ChatGPT vorausging. Die Überwindung aktueller Grenzen wird mehr Daten und Rechenleistung erfordern, insbesondere GPUs, die für Ray Tracing optimiert sind, um hochauflösende Simulationen zu erstellen.

Autonome Fahrzeuge sind derzeit am weitesten fortgeschritten, teilweise aufgrund der Fähigkeit, relevante Daten von menschlich gesteuerten Autos zu sammeln, und teilweise, weil ihr primäres Ziel die Kollisionsvermeidung und nicht die Manipulation der physischen Umgebung ist. Ein Großteil der Werkzeuge zur Modellentwicklung stammt von autonomen Fahrzeugfirmen; so wurde Foxglove von ehemaligen Mitarbeitern von Cruise, der früheren selbstfahrenden Initiative von General Motors, gegründet.

Folglich setzen diese Automobilunternehmen zunehmend darauf, dass ihre Investitionen in Machine-Learning-Werkzeuge es ihnen ermöglichen werden, mit spezialisierten Herstellern humanoider Roboter zu konkurrieren. Tesla verfolgt diese Strategie bereits mit seinem Optimus-Roboter, und nun haben sowohl Wayve, ein auf autonome Fahrzeuge spezialisiertes Unternehmen, als auch der Fahrdienst-Riese Uber Robotiklabore für den humanoiden Formfaktor als Teil ihrer Forschungs- und Entwicklungsarbeiten etabliert.

„Ich glaube, man muss mit Fahrzeugen beginnen … Manipulationsrobotik war vor fünf Jahren dort, wo das autonome Fahren heute ist“, sagte Alex Kendall, CEO von Wayve, gegenüber TechCrunch. „Die Dateninfrastruktur, Simulation und ML-Ops-Infrastruktur werden wahrscheinlich gemeinsam genutzt, aber das spezifische Weltmodell für den Simulator erfordert ein anderes Post-Training. Es wird erhebliche Gemeinsamkeiten geben, aber es wird auch Unterschiede für verschiedene Ausführungen geben müssen.“

Kendall argumentiert, dass es zu früh ist, sich für eine einzige Hardwareplattform zu entscheiden, da Fortschritte bei Sensoren und anderen Komponenten schnell erfolgen, und ein wirklich generalisiertes Modell hardwareagnostisch bleiben sollte.

Théophile Gervet, CEO von Genesis AI, einem vertikal integrierten humanoiden Robotikunternehmen, das in diesem Jahr eine Seed-Finanzierung in Höhe von 105 Millionen Dollar sicherte, widersprach. Er sagte gegenüber TechCrunch: „Wir sind in dieser Welle noch zu früh, um mit einer reinen Brain-Strategie erfolgreich zu sein; unsere Ansicht ist, dass es zahlreiche Möglichkeiten zur gemeinsamen Entwicklung von Hardware und KI gibt.“

Gervet behandelte auch ein anderes prominentes Thema in der Branche: wie man ein Physical-AI-Geschäft spezifisch ausrichtet. Robotikunternehmen, die auf spezifische Aufgaben abzielen, setzen ihre Roboter im Feld ein – Gritt baut Solarfarmen, Agility betreibt Roboter in industriellen Umgebungen, und Bedrock lässt Bagger autonom arbeiten. Gleichzeitig bleiben general-purpose Humanoids größtenteils auf Labore beschränkt.

„Kein Kunde interessiert sich für einen general-purpose-Roboter, der mit einer Erfolgsquote von 80 % operiert“, erklärte Gervet in Bezug auf dieses Dilemma. „Wir sehen viele andere Akteure, die einen allgemeinen Ansatz verfolgen, aber sie bieten keinen Wert ohne einen vertikalen Fokus. Wenn Sie jedoch für einen engen vertikalen Bereich auf einem Modell auf GPT-2-Niveau bauen, werden Sie von Unternehmen übertroffen, die auf GPT-4 aufbauen.“

Die Versuchung, in einen spezifischen vertikalen Bereich zu investieren, ist groß, da sie nicht nur Einnahmen, sondern auch reale Einsatzdaten generiert. Während aufgabenbezogene Daten möglicherweise nicht die Vielfalt bieten, die für die Weiterentwicklung general-purpose-Modelle erforderlich ist, sind sie entscheidend für die Erstellung von Robotern, die greifbaren Wert liefern. Bedrock-CTO Kevin Peterson bemerkte, dass sein Unternehmen mit Baggern begann, um die Herausforderungen der „Manipulation in freier Wildbahn“ zu verstehen, aber plant, eine Intelligenzschicht zu entwickeln, die sich über eine Reihe von Baumaschinen erstreckt.

Die Verwaltung dieses Datenvolumens ist herausfordernd, insbesondere aufgrund der Dichte visueller und LiDAR-Informationen. Diese Woche kündigte Foxglove ein neues Produkt an, das auf Nvidias Cosmos-Open-Weight-Weltmodell basiert und es Ingenieuren ermöglicht, Daten mithilfe ausgefeilter natürlichsprachiger Abfragen zu durchsuchen, um Bewertungen und Simulationen zu erstellen. Das Ziel ist eine schnellere Triage und Fehlerbehebung, sodass Model Builder schneller iterieren können.

Was wird also das gefeierte ChatGPT-Moment für Physical AI sein, das Sam Altman kürzlich als nur wenige Jahre entfernt andeutete? Kendall weist darauf hin, dass die größten Roboter-Einsätze weltweit immer noch Verbraucherstaubsauger sind. Für ihn würde ein ChatGPT-Moment etwas beinhalten, das Verbraucher begeistert, anstatt Investoren, die bereits hochgradig enthusiastisch sind.

„Ein Beispiel wäre die Erreichung von Eyes-Off-Autonomie für weniger als 1.000 Dollar an Hardware in einem Auto“, sagte Kendall. Nicht zufällig lizenziert sein Unternehmen Modelle an Automobilhersteller mit dem Ziel, genau das zu erreichen. Er betrachtet dieses Geschäft als eine Multi-Milliarden-Dollar-Chance, die die Erstellung eines wirklich generalisierten verkörperten KI-Modells ermöglichen wird.

Für Gervet ist der Moment, in dem Physical AI Mainstream wird, „Manipulation, die einfach out-of-the-box funktioniert. Sie können einen Roboter in natürlicher Sprache anweisen, jede grundlegende Manipulationsaufgabe auszuführen, wie Schieben, Ziehen, Schließen eines Laptops oder Reinischen eines Tisches, und er führt dies zuverlässig aus – sagen wir mit 80 % Erfolgsquote out-of-the-box. Das würde das ChatGPT-Erlebnis ungefähr widerspiegeln.“

Adrian Macneil, CEO von Foxglove, geht die Frage aus einer anderen Perspektive an.

„Es wird kein ChatGPT-Moment für Robotik geben“, sagte er gegenüber TechCrunch. „Was ChatGPT zu einem historischen Moment machte, war seine Verbreitung – sie gingen von null auf etwa eine Million aktive Nutzer in etwa einer Woche. Die Verbreitung in der realen Welt ist weitaus schwieriger. Ich wäre sehr begeistert von einem Apple-II- oder IBM-PC-Moment in der Robotik: Wann kann ich einen Hausroboter kaufen, der nützliche und unterhaltsame Aufgaben ausführt?“