Robotik-Wettlauf: Start-up trainiert Roboter in Minuten statt Tagen
Britisches Start-up Vsim trainiert Roboter in Minuten statt Tagen – Nvidia setzt auf KI-Agenten.
Die Robotikbranche erlebt einen Wettlauf um effizientere Trainingssysteme. Während humanoide Roboter längst olympische Sprintrekorde brechen, kämpfen Entwickler noch immer mit grundlegenden Alltagsaufgaben. Ein britisches Start-up aus Cambridge verspricht nun einen entscheidenden Durchbruch: Trainingszeiten, die von Tagen auf Minuten schrumpfen.
Das Unternehmen Vsim, gegründet von Michelle Lu und Kier Storey, hat eine Simulationssoftware entwickelt, die Roboter in Rekordzeit neue Fähigkeiten erlernen lässt. Ihr Roboter Freddo benötigt nur wenige Minuten, um Laufen, Objekterkennung und Greifbewegungen zu erlernen – eine Leistung, für die konkurrierende Systeme nach Angaben der Gründer Tage brauchen. „Es ist eine seltsame Situation in der Robotik, weil wir Menschen Dinge als unglaublich schwierig empfinden, wie zum Beispiel Gymnastik, während Roboter dies relativ gut bewältigen können. Dinge, bei denen Menschen wirklich gut sind, wie feine Motorik, sind für Roboter jedoch sehr schwer", sagt Storey.
Der Simulationsvorteil: Training in virtuellen Welten
Freddos Fähigkeiten werden in einer virtuellen Umgebung geschärft. Dort kann eine Aufgabe millionenfach in einer Computersimulation durchgeführt werden. Sobald die optimale Lösung – in der Fachsprache als Policy bezeichnet – gefunden ist, wird sie auf die Hardware hochgeladen. Dieses Prinzip virtueller Simulationen ist in der Robotik weit verbreitet. Der Tech-Gigant Nvidia betreibt mit Isaac Sim ein ähnliches System, an dessen früher Version sowohl Lu als auch Storey mitgearbeitet haben.
Im Jahr 2022 entschlossen sich die beiden Gründer, Vsim zu gründen und eine eigene Trainingsumgebung zu entwickeln. Ihr entscheidender Vorteil: Sie begannen bei null und konnten die Software von Grund auf für moderne Grafikprozessoren (GPUs) optimieren. „Die zugrunde liegenden Algorithmen, die wir für die meisten dieser robotischen Simulationen verwendeten, stammen aus den 1970er und 1980er Jahren, aber diese Algorithmen sind nicht wirklich ideal für GPUs geeignet", erklärt Storey. Bereits nach wenigen Monaten stellte sich heraus, dass ihr System deutlich schneller arbeitete als alle bekannten Alternativen. „Nach achtzehn Monaten verfügen wir tatsächlich über einen vollständig funktionsfähigen, hochleistungsfähigen Simulator", sagt Lu.
Echtzeit-Anpassung als Schlüsseltechnologie
Ein besonderes Merkmal der Vsim-Software ist ihre Effizienz. Sie läuft direkt auf der Hardware, die Freddo trägt. Das ermöglicht dem Roboter, während seiner Bewegung Zehntausende von Simulationen durchzuführen. „Er kann etwa eine Sekunde oder so weit in die Zukunft blicken und dabei 20.000 verschiedene Kombinationen dessen berücksichtigen, was geschehen könnte", beschreibt Storey. Diese Fähigkeit ist entscheidend für den Einsatz in unstrukturierten Umgebungen wie einem durchschnittlichen Haushalt.
Lu betont die Bedeutung dieser Echtzeit-Anpassungsfähigkeit: „Dinge außerhalb der Kontrolle des Roboters, wie Menschen, Tiere oder sogar andere Roboter, könnten Dinge tun, die eine Änderung der Strategie erfordern. Diese unerwarteten Ereignisse können sehr schnell eintreten, und der Roboter muss in der Lage sein, sich schnell anzupassen, um sicherzustellen, dass seine Aktionen sicher bleiben und auf die Mission ausgerichtet sind."
Nvidia setzt auf KI-Agenten und Weltmodelle
Während Vsim mit nur zehn Ingenieuren arbeitet, steht Nvidia am anderen Ende der Branche. Der Chip-Gigant dominiert den Markt für KI-Prozessoren und unterhält eine führende Robotiksoftware-Abteilung mit Hunderten von Ingenieuren. Nvidia baut keine eigenen Roboter, sondern bietet eine Suite von Softwarelösungen an, darunter virtuelle Simulationstrainingssysteme und ein sogenanntes Weltmodell namens Cosmos. Dieses Modell vermittelt Robotern ein Verständnis der realen Physik und zeigt auf, wie sich die Umgebung während der Bewegung verändern könnte.
Doch selbst Nvidia stößt an Grenzen. „Manipulation – wo ich einfach eine Flasche greife – ist nicht allzu schwer. Das Problem entsteht, wenn man beginnt, langfristige Aufgaben auszuführen, bei denen ich sage: ‚Ich möchte, dass du die Flasche nimmst, sie füllst und dann ausschenkst'", sagt Spencer Huang, Direktor für Produktmanagement für Robotik bei Nvidia. Dennoch zeigt er sich zuversichtlich. In diesem Jahr hat Nvidia begonnen, KI-Agenten einzusetzen, um virtuelle Umgebungen zu erstellen und zu validieren. „Wenn wir darüber sprechen, die [virtuelle] Welt zu erschaffen und sie tatsächlich zu scannen, handelt es sich dabei größtenteils um manuelle Arbeit. Wir werfen einfach Agenten darauf … es hat uns im Grunde genommen eine riesige Arbeitskraft beschert", so Huang.
Wissenschaftliche Perspektive: Schnelle Simulation als vielversprechender Ansatz
Rika Antonova, Associate Professor an der Fakultät für Informatik und Technologie der Universität Cambridge, forscht seit 2015 auf dem Gebiet der Robotik. Sie arbeitet mit MuJoCo, einem Trainingssystem, das seit 2021 zu Googles DeepMind gehört. Die Open-Source-Software ist besonders für Forschungsgruppen und kleine Start-ups attraktiv. „Es ist sehr, sehr benutzerfreundlich. Das ist also nützlich für Forschungsgruppen oder kleine Start-ups", sagt sie.
Antonova bewertet den Ansatz von Vsim als vielversprechend: „Wenn Sie einen sehr, sehr schnellen Simulator haben, können Sie in den wenigen Sekunden, in denen Ihr Roboter darüber nachdenkt, wie er seine Bewegung anpassen soll, Hunderte von Millionen von Samples simulieren, und dann können Sie die Bewegung fast in Echtzeit ändern." Allerdings weist sie auch auf die Grenzen hin: „Es gibt bestimmte Dinge, die in der Simulation schwer zu modellieren sind, wie stark verformbare Objekte und Schneiden."
Vsim arbeitet nach eigenen Angaben daran, diese Einschränkungen zu überwinden. Lu sagt, ihr System habe „die Approximierung reduziert, indem es genaue Simulationen nutzt, um Modelle zu trainieren, die in der Realität genauso gut funktionieren wie in den Simulationen." Ein zweiter Roboter namens Nacho soll künftig die Entwicklung beschleunigen und sicherstellen, dass die Software auf verschiedenen Maschinen läuft – und Freddo etwas Gesellschaft bieten.