Chinesische Robotikfirmen erproben allgemeine KI-Modelle für Steuerung

Modelle

Mehrere chinesische Robotikunternehmen testen den Einsatz allgemeiner KI-Sprachmodelle wie GPT-6 zur Steuerung von Robotern, anstatt ausschließlich auf eigens entwickelte Modelle zu setzen. Unitree plant laut seinem Börsenprospekt, 2,022 Milliarden Yuan der eingeworbenen Mittel in die Entwicklung eigener Roboter-Modelle zu investieren. Gleichzeitig hat Unitree-Gründer Wang Xingxing nach eigenen Angaben GPT-6 bereits für Robotik-Aufgaben getestet und die Ergebnisse als "tatsächlich sehr gut" bezeichnet. Wang hatte auf der World Robot Conference vor zwei Monaten noch angegeben, der "ChatGPT-Moment der verkörperten Intelligenz" liege frühestens in zwei bis drei, spätestens in fünf bis zehn Jahren; im Oktober äußerte er, GPT-7 könne im kommenden Jahr das Problem der verkörperten Intelligenz möglicherweise direkt lösen, und sprach zuletzt von einem Wendepunkt innerhalb von ein bis drei Jahren.

Das Unternehmen Galbot (vormals Galaxy General) hat nach eigenen Angaben bei ausgewählten Aufgaben gemessen, dass das Modell GPT-6 Astra bei eigenständiger Steuerung eine Erfolgsquote von 26 Prozent erreichte, bei hybrider Steuerung zusammen mit dem Modell π0.5 bis zu 48 Prozent. Die Benchmark-Organisation Artificial Analysis veröffentlichte am 14. Oktober einen ersten Test mit echten Robotern, bei dem fünf führende KI-Modelle über Programmieragenten Roboterarme steuerten; GPT-6 Astra erreichte dabei mit 69,4 Punkten den ersten Platz, bei Kosten von 16,36 US-Dollar pro Versuch. Das Modell Sol kam auf 64,6 Punkte bei 1,93 US-Dollar pro Versuch. Laut der Meldung benötigten die Modelle im Schnitt rund 30 Minuten pro Aufgabe, während ein Mensch dieselbe Arbeit in etwa 20 Sekunden erledigt.

Das Unternehmen Physical Intelligence öffnete am 13. Oktober eine Beta-Version seiner API, über die Firmen eigene Szenendaten hochladen können, um Modelle in der Cloud feinabstimmen zu lassen. Laut der Meldung halbierte sich bei der Wäscherei-Robotik-Firma Weave die Zahl der nötigen menschlichen Eingriffe pro Wäscheladung, nachdem eigene Daten in das Vortraining von Physical Intelligence eingespeist wurden. Das Unternehmen Figure gab zudem an, mit einem eigenen Datensystem namens Index sein Modell Helix 2.5 vorab trainiert zu haben; bei gleichen Modell- und Testbedingungen stieg die Erfolgsquote bei Langzeitaufgaben in 30 zuvor unbekannten Haushalten laut Figure von 9 auf 56 Prozent.

Offen bleibt: Die zentralen Erfolgsquoten und Kostenangaben stammen von den jeweils betroffenen Unternehmen selbst oder aus einem einzelnen Benchmark-Anbieter und sind nicht unabhängig verifiziert.

Quelle: Huxiu Artikel