In 2026 zien we dat robots snelle vooruitgang boeken met een veel grotere behendigheid, een vooruitgang die al lang nodig is in de zoektocht naar echt nuttige huishoudhulpen. Nu is er een nieuw AI-model gearriveerd om de robot door activiteiten te bewegen, waaronder wasgoed opvouwenbouw dozen, repareer andere robots en vul zelfs portemonnees met dunne bankbiljetten.
Eerder deze maand lanceerde het in Californië gevestigde bedrijf Generalistische AI brengt Gen-1 uitde nieuwe Fysieke AI modellen die robots in staat stellen al deze taken (en meer) met succes uit te voeren. Dit is een grote stap voorwaarts in termen van robots die zijn ontworpen voor de echte wereld en gebaseerd zijn op intelligentie afkomstig uit de echte wereld, vertelde Pete Florence, medeoprichter en CEO van Generalist AI.
In de meeste videovoorbeelden die het bedrijf publiceert, zie je Gen-1 lopen met een paar robotarmen, maar dat is niet het enige waar het apparaat van gemaakt is. “Gen-1 is ontworpen om het brein van elke robot te zijn, wat betekent dat hetzelfde model kan worden uitgevoerd op een humanoïde, industriële arm of ander robotsysteem”, aldus Florence.
Dit is bewezen a doorbraakjaar voor humanoïde robots voor algemeen gebruikmet bedrijven incl Boston-dynamiek En Eer introduceert geavanceerde bots die in staat zijn tot buitengewone mensachtige bewegingen. Er wordt bijvoorbeeld verwacht dat de robotmarkt zal exploderen schattingen van Morgan Stanley voorspelt een marktgroei van $5 biljoen in 2050. Uit voorspellingen blijkt dat robots aanwezig zullen zijn in industriële, retail-, horeca- en zorgomgevingen voordat ze uiteindelijk in onze huizen terechtkomen. Om deze doelen te bereiken, moeten we verdere vooruitgang zien op het gebied van AI.
Robots trainen om naast mensen te bestaan
De afgelopen jaren hebben we grote taalmodellen gezien, zoals ChatGPT, Gemini en Clauderazendsnel geëvolueerd. Hetzelfde kan niet gezegd worden voor de fysieke AI-modellen die nodig zijn om robots aan te sturen, grotendeels vanwege een gebrek aan gegevens om die modellen te trainen. Robots – en vooral mensachtige robots – moeten leren navigeren in een wereld die net zoals mensen voor mensen is geschapen.
Vaak worden deze gegevens verzameld van robots die taken uitvoeren terwijl ze op afstand worden bediend door mensen, maar niet door Gen-1. De datasets die worden gebruikt om generalistische AI-modellen te trainen zijn daarentegen verzameld door mensen die miljoenen verschillende taken uitvoeren met behulp van draagbare technologie.
“We hebben onze eigen lichtgewicht ‘datahand’ gebouwd en deze wereldwijd verspreid om te bestuderen hoe echte mensen omgaan met objecten, met alle subtiele force feedback, aanraking, slip, correctie en herstel die de menselijke behendigheid in de echte wereld definieert”, aldus Florence. “Dergelijke gegevens zijn van cruciaal belang om robots fysiek gezond verstand, intuïtief begrip en aanpassingsvermogen in realtime bij te brengen, in plaats van het uitvoeren van rigide instructies.”
Generalist AI heeft een reeks video’s uitgebracht waarin een model wordt getoond dat op een robot draait en herhaaldelijk een verscheidenheid aan verschillende taken uitvoert, waarvan de meest interessante misschien wel is dat de robot contant geld uit een portemonnee haalt voordat hij het weer in dezelfde zak stopt. Dit is een complexe taak die veel mensen uitvoeren. Dit was uiteraard niet gemakkelijk voor de robot, gezien de dunne bankbiljetten en het materiaal van de portemonnee, maar het klaarde de klus.
In een andere video is te zien hoe de robot sokken op kleur sorteert, ze in nette stapeltjes vouwt en het aantal paren telt via een touchscreen. Andere complexe taken die dit model kan uitvoeren zijn onder meer het uitpakken en vullen van een etui met pennen, het stapelen van sinaasappels in een nette piramide en het aansluiten van een Ethernet-kabel.
Deze video’s laten de omvang van de mogelijkheden van de Gen-1 zien, maar wat nog indrukwekkender is, is het succesniveau bij het voltooien van bepaalde taken. Generalistische AI mat het succespercentage van het model in vergelijking met eerdere versies en ontdekte dat Gen-1 met succes een robotstofzuiger in 99% van de gevallen (was 50% in Gen-0), vouwde het hoesje in 99% van de gevallen (was 81% in Gen-0) en plaatste de telefoon in 99% van de gevallen (was 62% in Gen-0).
Robots improviseren
De meeste robots zijn geprogrammeerd om taken op een specifieke en geordende manier uit te voeren. Maar wat gebeurt er als er een curvebal wordt gegooid? “De kleinste verandering in de omgeving kan tot mislukking leiden”, zegt Florence.
Een belangrijke vaardigheid die robots nodig hebben en die mensen van nature bezitten, is het vermogen om onafhankelijk te denken. Dit is de reden waarom Gen-1 is ontworpen met improvisatie in gedachten, zodat het strategieën kan bedenken om taken te voltooien. Florence gaf me een voorbeeld van een robot die twee handen gebruikte om een verkeerd geplaatst onderdeel te herpositioneren voor een autotaak, ook al was de robot getraind om maar één hand te gebruiken.
“Dit soort creativiteit was tot nu toe grotendeels afwezig in de robotica”, zei hij.
Er moet nog aanzienlijk werk worden gedaan om de mogelijkheden van de robot te verbeteren, maar de vroege vooruitgang laat een glimp zien van positieve effecten op de betrouwbaarheid en snelheid, zei Florence. “We beginnen echte vooruitgang te zien en zijn enthousiast om de grenzen van de bestaande intelligentie te verleggen.”
Er kan immers een dag komen dat je een robot in huis nodig hebt die alle andere kleine robots kan repareren.
