Stellen Sie sich vor, Sie machen einen Spaziergang und stoßen dabei auf Roboter, die sich geschickt durch eine staunende Menschenmenge schlängeln. Faszinierend, ja, aber diese Wunderwerke der modernen Technik sind noch nicht ganz bereit, als unsere Allround-Küchenhilfen oder Arbeitspferde in der Fabrik zu fungieren. Ein wesentlicher Teil des Puzzles, den sie noch lösen müssen, ist das effiziente Lernen. Genau wie wir Menschen lernen sie am besten durch praktische Erfahrung. Roboter in vielfältige Lernumgebungen einzubinden, kann jedoch eine ziemliche Herausforderung sein – es ist anstrengend und zeitaufwendig. Aber keine Sorge, Lösungen zeichnen sich bereits ab.
Eine mögliche Lösung, die zunehmend an Bedeutung gewinnt, ist der Einsatz von Simulationen als Lernumgebungen für Roboter. Professor Russ Tedrake vom MIT, der auch als Forscher am Labor für Informatik und Künstliche Intelligenz (CSAIL) des MIT tätig ist, erklärt, dass bei den Physik-Engines von Robotersimulatoren Fortschritte erzielt wurden. Der Haken daran? Die Erstellung realistischer Simulationen, die die Komplexität der realen Welt widerspiegeln, bleibt nach wie vor eine große Herausforderung.
Hier kommen KI-Agenten ins Spiel. Diese halbautonomen Programme, die auf die Ausführung genau definierter Aufgaben spezialisiert sind, könnten genau das sein, was benötigt wird, um realistische virtuelle Räume für das Robotertraining zu schaffen. Eine Gruppe von Forschern des MIT CSAIL und des Toyota Research Institute hat ein System entwickelt, das den Namen “SceneSmith.” SceneSmith besteht aus einem Trio von KI-Agenten und erstellt meisterhaft Objekte, Wände und ganze 3D-Szenen, die Umgebungen wie Restaurants und Hotels darstellen. Dadurch können Roboter ihre Fähigkeiten und Strategien in diesen Umgebungen verfeinern, bevor sie in der realen Welt eingesetzt werden, was den Ingenieuren viel Zeit spart.
SceneSmith nutzt ein Bild-Sprach-Modell namens GPT-5.2, das mit umfangreichen Text- und Bilddaten aus dem Internet gefüttert ist. In diesem System gibt es drei zentrale Akteure: einen “Designer”, der Szenenelemente erstellt, einen “Kritiker”, der sicherstellt, dass diese Elemente der Realität entsprechen, und einen “Orchestrator” – die treibende Kraft –, der den Abschluss der Arbeit signalisiert. Sobald die Akteure diese fruchtbare Zusammenarbeit beendet haben, ist die Szene bereit für die Integration in eine Physiksimulationssoftware.
Nicholas Pfaff, Doktorand am MIT im Fachbereich EECS und Forscher am CSAIL, gab Einblicke in die Fähigkeit des Systems, 3D-Szenen zu erstellen, ähnlich wie es ein menschlicher Designer tun würde. Tatsächlich wurde ein führendes Bild-Sprache-Modell verwendet, um über 1.300 Szenen zu erstellen, was zu wunderbar kreativen und vielfältigen Umgebungen führte, ohne dass dafür spezifische Eingabeaufforderungen erforderlich waren.
Die SceneSmith-Plattform ermöglicht es Nutzern, anhand detaillierter Vorgaben virtuelle Umgebungen zu erstellen. Beispielsweise könnten Nutzer eine Garage anfordern, die mit einem Auto, einer Werkbank, einem Stapel Reifen in einer Ecke und einer an der Wand lehnenden Leiter ausgestattet ist. Dank dieser Detailgenauigkeit bieten diese Umgebungen einen vielfältigen Lernraum für Roboter, in dem sie Fähigkeiten wie das Bewegen einer Getränkedose von einem Regal auf einen Tisch verfeinern können.
Um zu beurteilen, wie realistisch die generierten Umgebungen sind, haben die Forscher vortrainierte Robotersteuerungsstrategien in die SceneSmith-Räume integriert. Die Roboter stellten ihre Leistungsfähigkeit unter Beweis, indem sie Aufgaben wie das Umsetzen eines Apfels von einer Schale auf ein Schneidebrett ausführten, was ein deutliches Indiz dafür liefert, dass die virtuellen Szenen die realen Umgebungen in erheblichem Maße widerspiegeln.
Die KI-Agenten von SceneSmith arbeiten zusammen, um Szenen schrittweise auszuarbeiten – von der Erstellung eines Grundrisses bis hin zur Bestückung mit Möbeln und Objekten. Das “Designer”-Vision-Language-Modell beginnt mit dem Layout, der “Kritiker” wirft einen Blick darauf, und schließlich rundet der “Orchestrator” das Design ab. SceneSmith zeichnet sich zudem dadurch aus, dass es im Vergleich zu anderen Methoden Umgebungen generieren kann, die reich an Objekten und Details sind. Damit ist es bei über 200 Nutzern wegen seiner lebendigen Darstellungen und der genauen Einhaltung der Vorgaben sehr beliebt.
Es gibt jedoch einen kleinen Haken. Die Erstellung dieser atemberaubend realistischen Szenen nimmt ziemlich viel Zeit in Anspruch – manchmal sogar Stunden für eine einzige Szene. Doch da die Rechenleistung rasant zunimmt, dürfte sich die Effizienz von SceneSmith deutlich verbessern. Vielleicht könnte das Programm sogar um weitaus komplexere Elemente wie verformbare Objekte erweitert werden, sofern ausreichend 3D-Bibliotheken zur Verfügung stehen – so hoffen es zumindest die CSAIL-Ingenieure.
Die KI-Automatisierung ist ein boomender Bereich, der der Robotik viel zu bieten hat, wie die hervorragenden Beiträge von SceneSmith verdeutlichen. Wenn Sie sich eingehender mit dieser bahnbrechenden Forschung befassen möchten, können Sie gerne den Original-Nachrichtenartikel lesen. hier. Wenn Ihr Unternehmen die Möglichkeiten der KI nutzen möchte, hat implementi.ai vielleicht genau die richtigen Lösungen für Sie.
Diese Website verwendet Cookies.