Die Skalierung von humanoiden Robotern wird voraussichtlich Hunderte Milliarden Dollar kosten und mehr Daten sowie Rechenleistung benötigen als große Sprachmodelle (LLMs). Dies prognostiziert Brett Adcock, CEO von Figure, und skizziert einen vierstufigen Plan für die Entwicklung dieser Technologie.
Wichtige Erkenntnisse
- Humanoide Roboter benötigen voraussichtlich mehr Daten und Rechenleistung als LLMs.
- Die Entwicklung und Produktion erfordert Hunderte Milliarden Dollar.
- Figure CEO Brett Adcock skizziert einen vierstufigen Fahrplan für die Skalierung.
- Hardware und KI-Architektur sind die ersten Schritte, gefolgt von Daten und Fertigung.
- Figures Projekt Index sammelt menschliche Leistungsdaten, um die Roboter zu trainieren.
Die Vision von Brett Adcock
Brett Adcock, der Leiter von Figure, äußerte sich kürzlich zu den enormen Anforderungen, die die Entwicklung von humanoiden Robotern mit sich bringen wird. Er betonte, dass die Intelligenz und Produktion dieser Maschinen letztlich Hunderte Milliarden Dollar erfordern werden. Seine Einschätzung teilt er in einem aktuellen Beitrag auf X, in dem er einen Interviewauszug von Humanoids Daily mit RoboStrategy weiter ausführt.
Adcock unterscheidet klar zwischen der Entwicklung der Hardware und der Ganzkörper-KI-Technik, die einen Roboter funktionsfähig macht, und der späteren Herausforderung, dessen Intelligenz und Produktion zu erweitern. Seine Prognose konzentriert sich auf diese späteren Phasen. Ein konkreter Zeitplan oder ein spezifisches Budget für Figure wurde in diesem Zusammenhang nicht genannt.
Faktencheck
- Prognose: Hunderte Milliarden Dollar für die Skalierung humanoider Roboter.
- Vergleich: Daten- und Rechenleistungsbedarf übersteigt den von großen Sprachmodellen.
- Quelle: Brett Adcock, CEO von Figure, in einem Post auf X.
Vier Stufen der Entwicklung
Adcocks Fahrplan für die Entwicklung humanoider Roboter gliedert sich in vier wesentliche Phasen. Diese Struktur bildet die Grundlage seiner Investitionsthese und beleuchtet die komplexen Schritte, die für den Erfolg dieser Technologie notwendig sind.
Stufe 1: Leistungsfähige Hardware
Der erste Schritt ist die Schaffung einer leistungsfähigen Hardware. Ein Roboter muss bestimmte Anforderungen an Geschwindigkeit, Drehmoment, Geschicklichkeit, Laufzeit, Gewicht und Kosten erfüllen. Ohne eine robuste und effiziente physische Grundlage können die nachfolgenden Schritte nicht erfolgreich umgesetzt werden.
Stufe 2: KI-Kontrollarchitektur
Die zweite Stufe beinhaltet eine KI-Kontrollarchitektur. Diese Architektur muss in der Lage sein, Beobachtungen und Anweisungen in kontinuierliche physische Arbeit umzusetzen. Adcock betont, dass dies eine intensive und langwierige Ingenieurleistung erfordert. Ein riesiges Budget allein garantiert hier keinen Erfolg, ähnlich wie bei der Entwicklung einer orbitalen Rakete.
„Ein unerfahrenes Team mit einem riesigen Budget würde nicht automatisch einen funktionierenden Humanoiden produzieren, genauso wenig wie es eine erfolgreiche Orbitalrakete garantieren würde.“
Stufe 3: Erweiterung der Fähigkeiten durch Daten
Die dritte Phase konzentriert sich auf die Erweiterung der zuverlässigen Fähigkeiten des Roboters. Sobald die grundlegende KI-Architektur funktioniert, kann die Investition in Trainingsdaten und Rechenleistung zu einer breiteren Palette erfolgreicher Verhaltensweisen führen. Hierbei geht es darum, dem Roboter beizubringen, mehr Aufgaben in verschiedenen Umgebungen zu bewältigen.
Stufe 4: Skalierung der Fertigung
Parallel zur Nützlichkeit des Roboters muss die Fertigung skaliert werden. Adcock argumentiert, dass die Produktion großer Stückzahlen erst dann sinnvoll ist, wenn die Fähigkeiten der Roboter deren Kauf durch Kunden rechtfertigen. Dies bedeutet, dass die Produktionsentwicklung nicht bis zum Abschluss der KI-Entwicklung warten sollte, sondern Hand in Hand gehen muss.
Hintergrundinformationen
Große Sprachmodelle (LLMs) wie GPT-3 oder LaMDA haben in den letzten Jahren enorme Fortschritte gemacht, indem sie auf riesigen Textdatensätzen trainiert wurden. Die Entwicklung humanoider Roboter erfordert jedoch nicht nur das Verstehen und Generieren von Sprache, sondern auch die Interaktion mit der physischen Welt, was eine ganz andere Art und Menge an Daten mit sich bringt.
Der Datenhunger der Humanoiden
Adcocks jüngster Beitrag macht das Ausmaß seiner Erwartungen an den Datenbedarf explizit. Er prognostiziert, dass die Anforderungen an Trainingsdaten und Rechenleistung für humanoide Roboter die von LLMs übertreffen werden. Eine quantitative Vergleichsbasis für diese Vorhersage liefert er jedoch nicht.
Figures eigene Antwort auf diese Datenherausforderung ist das Projekt Index. Dieses Projekt zielt darauf ab, Aufzeichnungen von Menschen bei der Ausführung physischer Aufgaben zu sammeln. Adcock erklärte in einem früheren Interview, dass Figure zunächst versuchte, Daten von externen Anbietern zu kaufen, diese jedoch als unzureichend für ihre Anforderungen empfand. Daraufhin baute das Unternehmen seine eigene Datenerfassungsoperation auf.
Qualität vor Quantität
Die Eignung der Aufzeichnungen ist entscheidend, nicht nur deren Volumen. Adcock betonte die Bedeutung der Sensoren, der Beziehung zwischen menschlichen Demonstrationen und Roboterverhalten sowie der Arbeit des Reinigens und Überprüfens der Daten. Höhere Ausgaben für die Datenerfassung sind nur dann sinnvoll, wenn das resultierende Material dem Roboter tatsächlich beim Lernen hilft.
Figure befindet sich laut Adcock am Anfang der Intelligenzskalierungsphase. Helix 2.5 dient als frühes Messinstrument, um zu sehen, wie zusätzliche Daten die Leistung verändern. Er räumte ein, dass die aktuelle Version noch nicht sein umfassendes Ziel der langfristigen autonomen Arbeit in beliebigen Haushalten erreicht hat. Die Frage für zukünftige Versionen ist, ob diese Verbesserung über mehr Aufgaben, Umgebungen und längere Betriebszeiten hinweg anhält.
- Figure sammelt Daten durch das Projekt Index.
- Qualität der Daten ist entscheidend für den Lernerfolg.
- Helix 2.5 misst Leistungsänderungen durch zusätzliche Daten.
Adcocks jüngster Beitrag erhöht das Ausmaß der Wette. Der Beweis für den Erfolg wird sich in der konsistenten Leistung der Roboter zeigen. Die Entwicklung humanoider Roboter ist ein komplexes Unterfangen, das nicht nur technologische Durchbrüche, sondern auch massive Investitionen in Daten und Infrastruktur erfordert.
