Fraunhofer FKIE: Neue Technologien – KI-Foundation-Modelle in der Robotik

Foundation-Modell ist seit 2021 der Überbegriff für große KI-Systeme wie ChatGPT oder DALL-E, welche zuerst aufwendig mit großen Datenmengen (zum Beispiel großen Mengen des Internets, der Wikipedia und so weiter) trainiert werden und sich danach durch relativ geringes aufgabenspezifisches Spezialisierungstraining (sogenanntes Finetuning) an vielfältige Aufgabenstellungen anpassen lassen. Durch das umfassende Vortraining verstehen Foundation-Modelle nicht nur Sprache, sondern sie entwickeln vor allem auch ein großes Welt- beziehungsweise Allgemeinwissen und können logisch denken, abstrahieren und planen. Damit eignen sich solche KI-Modelle speziell auch für die Steuerung von Robotern, was seit circa vier Jahren erforscht wird und momentan zu einer Revolution in der Robotik führt. Mit den oben genannten Eigenschaften sind sie herkömmlicher, spezialisierter Robotik-KI nämlich weit überlegen, weshalb die Nutzung geeigneter Foundation-Modelle als „Roboter-Gehirne“ einen Durchbruch darstellt: Erstmals eröffnet sich damit ein Weg zur Entwicklung wirklich intelligenter, praktisch nützlicher und damit universell einsetzbarer Roboter. Aktuell ist ein damit verbundener Boom bei der Entwicklung humanoider Roboter zu beobachten, welche von solchen Robotik-Foundation-Modellen gesteuert werden.

Im Gegensatz zu bisherigen Foundation-Modellen werden Robotik-Modelle zusätzlich auch auf Robotik-Datensätzen trainiert und weisen spezielle Anpassungen ihrer Architektur auf. Bei diesen Modellen handelt es sich heutzutage meist um sogehannte Vision-Language-Action-Models (VLA), welche Sprache (Language) sowie Bilder/Videodaten von Kameras (Vision) in der Eingabe verarbeiten und so trainiert worden sind, dass sie direkt Bewegungsbefehle (Action) für die Gelenke und Aktuatoren des Roboters ausgeben. Aktuelle Modelle sind unter anderem das Open-Source-Modell OpenVLA, π0 (Pi Zero) des US-Start-ups Physical Intelligence, Helix von Figure AI, Gemini Robotics von Google DeepMind sowie NVIDIAs Isaac GR00T N1.5, welche kontinuierlich weiterentwickelt werden. π0 kann beispielsweise neben einfacheren Aufgaben wie Tisch decken (Teller, Besteck, Tassen, Servietten und so weiter, aus einem Behälter nehmen und auf dem Tisch platzieren) oder Einkäufe in eine Tasche packen erstmals auch komplexe Aufgaben mit längerem Zeithorizont abarbeiten, welche viele Zwischenschritte erfordern. Das System kann zum Beispiel selbstständig Wäsche aus dem Trockner nehmen, zu einem Tisch bringen und die einzelnen Wäschestücke dann nacheinander sauber falten beziehungsweise zusammenlegen.

Die durch solche Robotik-Foundation-Modelle perspektivisch ermöglichten intelligenten Roboter haben im zivilen Bereich eine große Vielzahl von Anwendungen. So könnten sie zum Beispiel in der Landwirtschaft, in der Baubranche, in der industriellen Fertigung (zum Beispiel in Fabriken), im Logistikbereich (zum Beispiel Sortieren von Waren oder Sendungen an Förderbändern) sowie im gesamten Gesundheitsbereich Menschen ergänzen oder sogar ersetzen. Obwohl noch praktisch keine militärische Forschung im Bereich derartiger Robotik-Modelle sichtbar ist, hätte intelligente Robotik auch eine hohe militärische Relevanz. Durch den Einsatz von (zum Beispiel humanoiden) Robotern anstelle menschlicher Soldaten können die Belastung eigener Kräfte sowie vor allem eigene menschliche Verluste auf dem Gefechtsfeld potenziell stark reduziert werden. Mögliche Anwendungen im militärischen Bereich wären beispielsweise die Versorgung (auch unter Feuer), die Kampfunterstützung (Minensuche/-räumung, Minenlegen, Bau von Verteidigungsanlagen, ABC-Abwehr), die medizinische Erstversorgung und die Bergung sowie der Transport von Verwundeten oder von Ausrüstung. Intelligente Robotik könnte insbesondere auch bewaffnet und im Kampf eingesetzt werden. Ein Szenario, welches erhebliche ethische und rechtliche Fragen aufwirft.

Insgesamt haben durch Foundation-Modelle ermöglichte intelligente Roboter das Potenzial, Wirtschaft und Gesellschaft tiefgreifend zu verändern und zu transformieren. Bevor diese Entwicklungen im Alltag ankommen ist jedoch trotz der enormen Dynamik in diesem Technologiefeld noch einiges an Forschung nötig. Für einzelne (noch begrenzte) Anwendungen, wie z. B. einfache, repetitive und ermüdende manuelle Tätigkeiten in der Produktion und Logistik, oder gegebenenfalls auch schon in Form von Haushaltsrobotern, könnten mit Foundation-Modellen gesteuerte Roboter schon in den nächsten circa fünf Jahren verfügbar werden. Weitere, komplexere und anspruchsvolle Aufgaben werden dann voraussichtlich mittel- bis langfristig folgen.

Dr. Oliver Gabel

Verwandte Themen

Europäische Robotik-Offensive im Verteidigungssektor Quo vadis Logistik? Künstliche Intelligenz und Militär Der digitale Soldat – Der Kampf mit und gegen neue Technologien Fraunhofer – Quantum Machine Learning Fraunhofer – Neurosymbolische künstliche Intelligenz OPEX 2025: Deutsche Marine erprobt unbemannte Einsatzboote EuroNaval: ECA Group und iXblue bündeln ihre Kräfte und werden Exail „Der Sanitätsdienst hat seine Leistungsfähigkeit unter Beweis gestellt“