In seiner wöchentlichen Auswahl Video Friday stellt IEEE Spectrum mehrere aktuelle Arbeiten aus der Robotik vor, darunter das GEN-1.5-Modell von Generalist, das eine neue physische Aufgabe in Sekundenschnelle anhand eines einzigen Beispiels lernen soll. Die anderen vorgestellten Projekte betreffen den Flug von Drohnen, Baumaschinen, Brachiation und eine neue Schnittstelle für die Interaktion zwischen Mensch und Roboter.
- Generalist stellt GEN-1.5 vor, ein Foundation-Modell für Roboter, das neue Aufgaben anhand eines einzigen Beispiels lernt.
- Die Autoren merken an, dass das Fehlen relevanter Trainingsdaten nur nach eigenem Wissen behauptet wird.
- Weitere Projekte betreffen Drohnenflug, Baumaschinen, Brachiation und eine Schnittstelle für handschriftliche Eingaben an Cobots.
- Im Jahr 2026 finden Konferenzen in Seoul, Pittsburgh und Austin statt.
Lernen anhand eines einzigen Beispiels
Generalist präsentiert GEN-1.5 als sein neuestes Foundation-Modell für Roboter, also ein Modell für allgemeine künstliche Intelligenz, das dazu bestimmt ist, physische Maschinen zu steuern. Laut dem Unternehmen kann es eine neue Aufgabe in Sekundenschnelle anhand eines einzigen Beispiels lernen, ohne Aktualisierung seiner Parameter oder Feinabstimmung (Fine-Tuning). Der zitierte Blogbeitrag erwähnt auch Fähigkeiten des Lernens anhand weniger Beispiele und eine physische Generalisierung im Zero-Shot-Verfahren, also ohne vorheriges Beispiel für die Aufgabe.
Generalist präzisiert, dass die Aufgaben einfach und von kurzer Dauer bleiben. Das Unternehmen schätzt, dass es sich um das erste bekannte Modell handelt, das im großen Maßstab das Ein- oder Wenig-Beispiel-Lernen physischer Fähigkeiten zeigt, und sieht darin « einen bedeutenden Schritt » auf dem Weg zu seiner Mission, eine allgemeine Intelligenz für die physische Welt zu schaffen. Die Autoren der Auswahl merken jedoch an, dass der Blogbeitrag für mehrere dieser Demonstrationen die Abwesenheit relevanter Trainingsdaten nur « unseres Wissens nach » behaupten kann.
Drohnen, Baustellen und Roboterarme
Ein Projekt aus einer Zusammenarbeit zwischen der AIMS-Gruppe der Hong Kong Polytechnic University und dem DRAGON Lab der Universität Tokio schlägt vor, was seine Autoren als ersten auf sequentieller konvexer Programmierung basierenden Trajektorienoptimierungsrahmen für verallgemeinerte Multirotoren beschreiben, ob konventionell oder omnidirektional. Die Forscher erklären, sie hätten sich gefragt, « wie weit ein analytisches Modell, das auf ersten Prinzipien basiert », führen könne, anstatt ein Verhalten aus Daten zu lehren.
Auf der Baustellenseite bietet das Unternehmen Gravis Robotics das Gravis Rack an, ein Retrofit-Kit, das handelsübliche Hydraulikgeräte in Roboter verwandelt. Kameras, Lidar, ein Lasersensor zur Detektion, und ein eingebetteter Rechner ermöglichen es der Maschine, ihre Umgebung wahrzunehmen, während eine auf Lernen basierte Steuerung es ihr erlaubt, nahe an ihren Grenzen zu arbeiten, mit vollständigen und schnellen Zyklen.
Forscher des EVARL haben zudem einen Reinforcement-Learning-Ansatz, die WGRL, für die Brachiation vorgestellt, diese Fortbewegungsart, bei der man sich von Stange zu Stange schwingt. Ihrer Ansicht nach funktionierte die gelernte Steuerungspolitik auf Parcours mit variierenden Stangenhöhen, -abständen und -ausrichtungen in Simulationsexperimenten, und ihr lebensgroßer bimanueller Roboter hat vier aufeinanderfolgende Stangen in der realen Welt überwunden. Schließlich nutzen Arbeiten von TS-Robotics die Gelenkmomentensensoren von Standard-Cobots: Eine passive Plexiglasplatte, die an der Flansch des Roboters befestigt ist, verwandelt ihn in eine Schnittstelle für handschriftliche Eingaben.
Termine
Der Humanoids Summit Seoul findet am 22. und 23. September 2026 in Seoul statt, gefolgt von der IROS 2026-Konferenz vom 27. September bis 1. Oktober 2026 in Pittsburgh. Die CoRL 2026-Konferenz wird vom 9. bis 12. November 2026 in Austin stattfinden.
