Lernen Sie das chinesische Startup kennen, das KI – und ein Team menschlicher Mitarbeiter – zur Roboterausbildung einsetzt.

AgiBot, ein in Shanghai ansässiges Unternehmen für humanoide Robotik, hat eine Methode entwickelt, mit der zweiarmige Roboter Fertigungsaufgaben durch menschliches Training und praktische Übungen an einer Fabrikproduktionslinie erlernen können.

Das Unternehmen gibt an, dass sein System, das Teleoperation und Reinforcement Learning kombiniert, auf einer Produktionslinie von Longcheer Technology getestet wird, einem chinesischen Unternehmen, das Smartphones, VR-Headsets und andere elektronische Geräte herstellt.

Das Projekt von AgiBot zeigt, wie fortschrittliche KI die Fähigkeiten von Industriemaschinen verändert – eine Innovation, die in China und anderswo in neue Fertigungsbereiche vordringen könnte. Dieser Trend könnte die Produktivität steigern und die Produktion von Produkten mit weniger gering bezahlten Arbeitskräften ermöglichen. Dies könnte zwar zum Wegfall einiger Arbeitsplätze führen, aber gleichzeitig neue schaffen.

Roboter werden in Fabriken häufig für Aufgaben wie das Heben von Kisten und das Bewegen von Behältern eingesetzt. Die Montage eines iPhones erfordert jedoch Geschicklichkeit, präzises Sensorik und Anpassungsfähigkeit – Fähigkeiten, die Robotern im Allgemeinen fehlen. Künstliche Intelligenz (KI) wird zwar zunehmend eingesetzt, um Robotern beispielsweise beim Erkennen von Objekten auf Förderbändern und beim Greifen zu helfen, ist aber noch kein zuverlässiges Werkzeug, um ihnen komplexe Manipulationen beizubringen.

AgiBot G2 im Einsatz.

Mit freundlicher Genehmigung von AgiBot

Yuheng Feng, ein Vertreter von AgiBot, erklärt, dass der im Werk Longcheer eingesetzte Roboter Komponenten aus einer Testmaschine entnimmt und sie dann in eine Produktionslinie einfügt – eine Aufgabe, die Roboter bewältigen können, da sie keine Feinmanipulation oder die Bearbeitung biegsamer oder zerbrechlicher Teile erfordert.

Die eigentliche Frage ist, wie effektiv die Algorithmen von AgiBot seinen Robotern neue Tricks beibringen können. Das Training von Robotern mit bestärkendem Lernen, das Improvisation erfordert, benötigt in der Regel viele Trainingsdaten, und Studien zeigen, dass es nicht vollständig innerhalb einer Simulation perfektioniert werden kann.

AgiBot beschleunigt den Lernprozess, indem ein menschlicher Mitarbeiter den Roboter durch eine Aufgabe führt und so die Grundlage für selbstständiges Lernen schafft. Vor der Mitgründung von AgiBot leistete der leitende Wissenschaftler Jianlan Luo an der UC Berkeley Pionierarbeit in der Forschung, unter anderem in einem Projekt , bei dem Roboter mithilfe von bestärkendem Lernen und menschlicher Interaktion Fähigkeiten erlernten. Das System konnte beispielsweise Komponenten auf einem Motherboard platzieren.

Feng erklärt, dass die Lernsoftware von AgiBot, genannt Real-World Reinforcement Learning, nur etwa zehn Minuten benötigt, um einen Roboter für eine neue Aufgabe zu trainieren. Schnelles Lernen ist wichtig, da sich Produktionslinien oft von Woche zu Woche oder sogar während desselben Produktionslaufs ändern. Roboter, die einen neuen Arbeitsschritt schnell beherrschen, können sich so optimal an die menschlichen Arbeitskräfte anpassen.

Das Training von Robotern auf diese Weise ist sehr arbeitsintensiv. AgiBot betreibt ein Roboter-Lernzentrum , in dem Menschen für die Fernsteuerung von Robotern bezahlt werden, um KI-Modellen beim Erlernen neuer Fähigkeiten zu helfen. Die Nachfrage nach solchen Trainingsdaten für Roboter wächst, und einige US-Unternehmen bezahlen Arbeiter in Ländern wie Indien für manuelle Tätigkeiten, die als Trainingsdaten dienen.

Jeff Schneider, ein Robotikexperte der Carnegie Mellon University, der sich mit Reinforcement Learning beschäftigt, erklärt, dass AgiBot modernste Techniken einsetzt und Aufgaben mit hoher Zuverlässigkeit automatisieren können sollte. Schneider fügt hinzu, dass auch andere Robotikunternehmen wahrscheinlich mit dem Einsatz von Reinforcement Learning für Fertigungsaufgaben experimentieren.

AgiBot gilt in China als aufstrebendes Unternehmen, wo das Interesse an der Kombination von KI und Robotik rasant wächst. Das Unternehmen entwickelt KI-Modelle für verschiedene Robotertypen, darunter humanoide Roboter, die sich fortbewegen können, und stationäre Roboterarme.

Nahaufnahme des AgiBot G2, der nach dem Training eine Präzisionsaufgabe meistert.

Mit freundlicher Genehmigung von AgiBot

Der KI-gestützte Lernalgorithmus von AgiBot ist genau die Art von Technologie, die US-Unternehmen beherrschen müssen, wenn sie mehr Produktion ins Inland zurückverlagern wollen. Zahlreiche US-Startups arbeiten derzeit an Algorithmen für neuartige Formen des Roboterlernens. Dazu gehören Physical Intelligence , ein stark finanziertes Startup, das von einigen Forschern mitgegründet wurde , die an demselben Projekt wie Luo an der UC Berkeley gearbeitet haben, und Skild , ein Spin-off der Carnegie Mellon University, das kürzlich Roboteralgorithmen vorstellte, die sich an neue physische Formen anpassen können, darunter Laufroboter und Roboterarme.

Chinas riesige Produktionsbasis dürfte Startups dort entscheidende Vorteile verschaffen. Dazu gehören eine Lieferkette, die eine schnelle Prototypenentwicklung und die Massenproduktion von Robotern ermöglicht, ein ausreichender Markt für Roboterarbeit sowie Arbeitskräfte, die bei der Schulung der Robotermodelle helfen.

Laut dem Branchenverband International Federation of Robotics sind in China bereits mehr Industrieroboter im Einsatz als in allen anderen Ländern zusammen. Der im September veröffentlichte Fünfjahresplan der chinesischen Regierung sieht zudem ein stärker technologiegetriebenes Wirtschaftswachstum mit Fokus auf KI und Robotik vor. Dies dürfte weitere Investitionen und staatliche Initiativen zur Entwicklung fortschrittlicherer Roboter anstoßen.

Ein in den USA ansässiger Robotik-Unternehmer sagte mir kürzlich, dass er sich keine besonderen Sorgen um seine US-Konkurrenten mache – aber die chinesischen Robotikfirmen ließen ihn nachts nicht schlafen.

Dies ist eine Ausgabe des Newsletters von Will Knights KI-Labor . Frühere Ausgaben finden Sie hier.