NEURA Robotics hat Neuron AI vorgestellt, ein Modell zur Steuerung von Robotern, das Informationen von Kameras, Tast- und Kraftsensoren, Mikrofonen, dem Zustand des Roboters selbst und Anweisungen in Sprache zusammenführt. Das deutsche Unternehmen hat es so konzipiert, dass es Informationen über frühere Handlungen und Objekte, die außerhalb des Sichtfelds liegen, speichern kann, etwas, das notwendig ist, wenn eine Aufgabe mehrere aufeinanderfolgende Bewegungen erfordert.
NEURA hat das Modell und seine Trainingsmethode angekündigt. Es hat keinen neuen Humanoiden zum Verkauf angeboten. Das Unternehmen behauptet, eine einzige Basis von Neuron AI könne in fünf Robotertypen aus seinem Katalog funktionieren und sich an deren Handhabung oder Greifern anpassen. Außerdem sei eine Demonstration mit dem Humanoiden 4NE1 für die NVIDIA GTC Berlin geplant, bei der er Kleidung elf Minuten lang ohne menschliche Eingriffe handhaben soll. Diese Demonstration entspricht jedoch noch keinem Einsatz in Haushalten oder Fabriken.
Sehen, Tasten und Schall in einer einzigen Architektur
Neuron AI verwendet eine Architektur, die NEURA als Perception-Language-Action, kurz PLA, bezeichnet. Das Modell empfängt Signale von den Sensoren, setzt sie in eine Anweisung um und erzeugt Aktionen für den Roboter. Die dreidimensionale Sicht liefert Position und Form der Objekte. Die Tast- und Kraftsensoren registrieren den Kontakt, während der Klang darauf hinweisen kann, dass eine Operation abgeschlossen wurde.
Das Unternehmen nennt als Beispiel ein Schloss oder einen Stecker. Eine Kamera kann die Handbewegung verfolgen, doch der Klick oder der Druck beim Berühren liefern zusätzliche Hinweise auf das Ergebnis. Bei einer Greiffunktion ermöglicht der Fingerdruck auch eine Reaktion, wenn ein Teil des Objekts verdeckt bleibt. Dies sind Fälle, die das Systemdesign erläutern; die Ankündigung enthält keine gemessene Erfolgsquote von Neuron AI für jeden dieser Fälle.
Das Modell integriert Daten zum Zustand des Roboters, wie Position und Bewegungen, um das Wahrgenommene mit dem bereits Gemachten in Beziehung zu setzen. NEURA erklärt, dass sein Gedächtnis darauf abzielt, die Kontinuität einer Aufgabe zu wahren, wenn ein Objekt zeitweise aus dem Sichtfeld verschwindet. Wenn ein Kleidungsstück beispielsweise von einem anderen verdeckt wird, müsste der Roboter eine Referenz behalten, wo es zuvor war, bevor er erneut danach sucht.
Daten von Robotern, Simulationen und menschlichen Demonstrationen
NEURA trainiert Neuron AI mit Aufzeichnungen von Robotern, die physische Aufgaben in ihren NEURA Gyms-Einrichtungen und in anderen realen Umgebungen ausführen. Diese Aufzeichnungen vereinen Signale von Sehen, Tasten, Kraft, Ton und Bewegung während der Ausführung. Das Unternehmen erweitert den Datensatz um simulierte Variationen von Aufgaben und Räumen und fügt Demonstrationen von Personen mit Sensoranzügen hinzu.
Die drei Quellen erfüllen unterschiedliche Funktionen. Die physischen Tests erfassen die Auswirkungen des Berührens und Bewegens von Objekten; Simulationen ermöglichen es, eine Szene zu variieren, ohne jeden Test in einem realen Raum zu wiederholen, und menschliche Demonstrationen liefern Beispiele für die Ausführung. NEURA hat keine Mengen an Daten oder eine Bewertung veröffentlicht, die aufzeigen könnte, wie stark jede Quelle zum Ergebnis beiträgt.
Das Unternehmen behauptet, dass das Modell in fünf Konfigurationen von Robotern aus seinem Katalog eingesetzt wird. In der Mitteilung werden die fünf exakten Kombinationen nicht identifiziert und es wird nicht garantiert, dass eine erlernte Fähigkeit ohne Anpassungen auf jede Maschine übertragbar ist.
Für diese Anpassungen schlägt NEURA Neuraverse, seine Plattform zur Verwaltung und Bereitstellung von Fähigkeiten vor. Kunden können das Modell an eigene Prozesse anpassen und Fähigkeiten auf ihre Flotten verteilen, so das Unternehmen. Sie können sie auch privat halten. Der Bericht nennt weder Preise noch Zugangsbedingungen noch einen allgemeinen Veröffentlichungsplan von Neuron AI für externe Entwickler.
NEURA verwendet außerdem die Begriff Time-to-Skill, um die Zeit zu messen, die ein Roboter benötigt, um eine neue Aufgabe zu lernen und zuverlässig auszuführen. Es ist ein Kriterium, das das Unternehmen weiterhin verfolgen will, kein konkreter Verbesserungswert, der in dieser Präsentation genannt wird. Es wurden keine vergleichbaren Zeiten für ihre fünf Roboterplattformen veröffentlicht.
Eine Wascha-Demonstration angekündigt für Berlin
Die geplante Demonstration mit 4NE1 soll während der NVIDIA GTC Berlin vom 20. bis 22. Oktober stattfinden. NEURA kündigt eine elfminütige Sequenz an, die das Sortieren von Kleidungsstücken, das Einlegen in eine Waschmaschine, das Schließen und Öffnen der Tür, das Herausnehmen der Kleidung und das Weiterreichen in einen Trockner umfasst. Das Unternehmen versichert, dass der Humanoide den Prozess ohne menschliche Intervention abschließen wird.
Neuron AI wurde von NEURA in Metzingen, Deutschland, entwickelt und trainiert. Das Unternehmen verweist auf Datenvereinbarungen mit Industrieunternehmen wie Bosch und Schaeffler, hat jedoch nicht bekannt gegeben, welche Einrichtungen diese Version des Modells bereits in der Produktion einsetzen. Die in Berlin gezeigten Fähigkeiten ermöglichen eine konkrete Fallstudie; ihre allgemeine Leistung und die Zugangsbedingungen bleiben weiterhin unklar.
