Das chinesische Robotikunternehmen Delta Intelligence hat kürzlich eine Demonstration seiner Δ₀-Humanoiden vorgestellt, die alltägliche Haushaltsaufgaben ausführen. Doch Firmengründer Xiaojian Ma betont, dass die primären Einsatzgebiete seiner humanoiden Roboter in der Energie- und Infrastrukturbranche liegen werden. Diese Sektoren bieten nach seiner Einschätzung die dringendsten Bedürfnisse und die größte Bereitschaft, in fortschrittliche Robotik zu investieren.
Wichtige Erkenntnisse
- Delta Intelligence priorisiert Energie und Infrastruktur für den Einsatz humanoider Roboter.
- Das Unternehmen entwickelt ein Kopf- und Rucksacksystem zur Integration seiner Modelle auf verschiedenen Roboterplattformen.
- Die Datenerfassung für das Training der Roboter erfolgt von Anfang an ganzkörperlich mit dem D1-System.
- Erfolgsraten bei Haushaltsaufgaben wie dem Spülmaschine Ausräumen erreichten in Tests 89%.
- Zukünftige Schwerpunkte sind groß angelegtes Vortraining, Reinforcement Learning und Outdoor-Tests.
Fokus auf raue Umgebungen statt Haushalte
Obwohl die Δ₀-Demonstration von Delta Intelligence Roboter bei Aufgaben wie dem Bettenmachen oder dem Bedienen eines Plattenspielers zeigte, sind dies laut Ma nicht die ersten kommerziellen Ziele. Die Wahl der Haushaltsaufgaben diente dazu, die Fähigkeiten der Roboter einem breiten Publikum verständlich zu machen. Die eigentlichen Einsatzorte werden jedoch deutlich anspruchsvoller sein.
Ma bezeichnet die anfänglichen Zielumgebungen als „Mars auf Erden“: unterirdische Anlagen, Offshore-Standorte und Orte mit extremer Hitze oder Feuchtigkeit. Hier besteht ein großer Bedarf an Maschinen, die Menschen aus gefährlichen oder unangenehmen Arbeitsbedingungen entlasten können. Viele Betreiber in diesen Bereichen nutzen bereits vierbeinige Roboter.
Interessanter Fakt
Delta Intelligence berichtet über eine Verbesserung der Erfolgsrate beim Ausräumen einer Spülmaschine von 23% auf 89% durch intensiveres Training. Dies zeigt das Potenzial von Reinforcement Learning in der Robotik.
Ein intelligentes System für verschiedene Plattformen
Delta Intelligence verfolgt das Ziel, Intelligenz für verschiedene Robotermarken bereitzustellen. Ma erklärte, dass dies ein physisches System erfordert, über das das Modell wahrnehmen und agieren kann. Eine Lösung ist eine Konfiguration aus einem kameraausgestatteten Kopf und einem Rucksack, der Rechenleistung, Batterie und das Modell enthält. Dieses System kann auf verschiedene humanoide Plattformen montiert werden.
Das Unternehmen arbeitet zudem mit Robotik- und Automobilpartnern an der Entwicklung kompletter humanoider Roboter. Die Modellentwicklung bleibt dabei die oberste Priorität. Diese Strategie ermöglicht es Delta, seine Technologie flexibel einzusetzen und gleichzeitig an der nächsten Generation von humanoiden Robotern mitzuwirken.
„Wir haben uns bei der Δ₀-Demonstration auf Haushaltsaufgaben konzentriert, weil sie intuitiv und für ein breites Publikum nachvollziehbar sind“, sagte Xiaojian Ma. „Unsere kurzfristigen Einsatzprioritäten sind jedoch Energie und Infrastruktur.“
Ganzkörper-Datenerfassung als Grundlage
Ein entscheidender Aspekt der Entwicklungsstrategie von Delta Intelligence ist die umfassende Datenerfassung. Das Unternehmen vertreibt ein „panoramisches Ganzkörper-Datenerfassungsgerät“ namens D1. Ma betonte, dass die Datenerfassung von Anfang an Teil des Plans war.
„Datenerfassung war von Tag eins an Teil unseres Plans“, erklärte Ma. Ein Modellentwickler müsse verstehen und kontrollieren, wie seine Trainingsdaten produziert werden. Der Fokus liegt auf dem Ganzkörperverhalten. Das bloße Aufzeichnen von Armen und Händen würde wichtige Informationen darüber übersehen, wie Menschen das Gleichgewicht halten, Kraft erzeugen, hocken, knien oder sich bücken, während sie mit Objekten interagieren. Das D1-System ermöglicht die Erfassung dieser komplexen Bewegungsabläufe.
Hintergrundinformationen
Humanoide Roboter sind Maschinen, die in ihrer Form und Bewegung dem menschlichen Körper nachempfunden sind. Sie sollen in der Lage sein, menschliche Aufgaben in menschlicher Umgebung auszuführen, was sie besonders wertvoll für Bereiche macht, in denen herkömmliche Roboter an ihre Grenzen stoßen.
Die Δ₀-Demonstration und ihre Messgrößen
Im technischen Bericht beschreibt Delta ein Steuerungssystem, das 69 Freiheitsgrade an Händen, Armen, Rumpf und Beinen eines modifizierten Unitree G1-Roboters koordiniert. Das System kombiniert ein Modell, das Beobachtungen und Anweisungen verarbeitet, mit einem gelernten Ganzkörper-Controller.
Das Vortraining nutzt über 10.000 Stunden an gepaarten menschlichen Video- und Bewegungsdaten. Bei einer Spülmaschinen-Bewertung stieg die reale Erfolgsrate von 23% auf 89% mit zunehmender Nutzung der Trainingsdaten. Ein entsprechendes Simulationsergebnis erreichte 86%. Diese Ergebnisse sind jedoch Forschungsergebnisse und keine Garantie für einen zuverlässigen Betrieb in industriellen Umgebungen.
Anpassung und Reinforcement Learning
In einem separaten Experiment in einer gespiegelten Küche verbesserte sich die Erfolgsrate von vier von 20 Versuchen auf 13 von 20, nachdem korrigierende Erfahrungen gesammelt und Reinforcement Learning nach dem Training in diesem Layout angewendet wurden. Dies ist eine Anpassung mit zusätzlichem Training, nicht ein Zero-Shot-Erfolg, der ohne vorherige spezifische Lernerfahrung erzielt wird.
Der Bericht weist auch darauf hin, dass längere Sequenzen stufenweise Anweisungen von einem übergeordneten Modell, Agenten oder Menschen verwenden. Die autonome physische Ausführung sollte daher nicht als Beweis dafür interpretiert werden, dass jede demonstrierte Sequenz unabhängig von einer einzigen Gesamtanweisung geplant wurde.
Nächste Schritte: Mehr Daten, gemeinsames Training und Outdoor-Tests
Xiaojian Ma nannte drei Prioritäten für die nächste Phase der Entwicklung:
- Skalierung der Ganzkörper-Vortrainingsdaten durch den Einsatz des D1-Systems.
- Verbesserung des Reinforcement Learning, um das übergeordnete Modell und den Bewegungscontroller gemeinsam zu optimieren. Dies sei schwierig, aber entscheidend für die angestrebte Zuverlässigkeit.
- Einsatz von Humanoiden in Outdoor-Umgebungen zur Datenerfassung und zum Testen. Dies würde die Bandbreite der Terrains und Situationen erweitern, denen die Roboter begegnen.
Ma hob Bordsteine und Stufen als Beispiele für Herausforderungen im Außenbereich hervor. Er äußerte die Hoffnung, dass mehr reale Aktivitäten die Entwicklung klarer Lizenzierungsrahmen für das Testen von Humanoiden in öffentlichen Räumen fördern würden. Für Delta Intelligence wird der nächste Test sein, ob die in den Haushaltsdemonstrationen gezeigte Koordination zu einer zuverlässigen Arbeitsleistung in den anspruchsvollen Umgebungen der Energie- und Infrastrukturbranche führen kann.
Die Vision ist klar: Roboter sollen dort arbeiten, wo Menschen es nicht können oder wollen. Delta Intelligence positioniert sich als wichtiger Akteur auf diesem Weg, indem es nicht nur fortschrittliche Modelle entwickelt, sondern auch die notwendige Hardware und Datenerfassungsinfrastruktur bereitstellt.
