physische KI-Systeme können sich nicht allein auf Schlussfolgerungen in großem Maßstab verlassen, argumentiert der Präsident und CEO von NXP Semiconductors. Roboter, Drohnen und autonome Fahrzeuge benötigen außerdem schnelle, zuverlässige Reaktionen dort, wo Ereignisse stattfinden, ohne auf einen weit entfernten Server warten zu müssen.

Der Artikel stellt Aufgaben wie das Lösen von Gleichungen, die Maschinen gut bewältigen können, alltäglichen körperlichen Fähigkeiten wie dem Balancieren, dem Greifen von Gegenständen und dem Ausweichen vor Hindernissen gegenüber. In der realen Welt können Verzögerungen und Fehler Folgen haben, die sich nicht einfach korrigieren oder rückgängig machen lassen. Daher sind geringe Latenz, Energieeffizienz und Zuverlässigkeit unerlässlich.

Das vorgeschlagene Modell lässt sich vom menschlichen Nervensystem inspirieren, das unterschiedliche Funktionen über Gehirn und Rückenmark verteilt. Für Maschinen beschreibt der Autor drei koordinierte Ebenen: ein Schlussfolgerungssystem für Entscheidungen auf höherer Ebene, eine Koordinationsebene für Bewegungen und eine schnelle Reflexebene, die am Rand des Netzwerks arbeitet.

Im Beispiel eines humanoiden Roboters, der ein Paket durch ein Lager trägt, entscheidet die Schlussfolgerungsebene, wohin er gehen soll, während die Koordinationsebene ihm hilft, sicher zu gehen. Trifft ein Gegenstand seinen Arm, müsste ein am Rand des Netzwerks angesiedeltes Reflexsystem innerhalb von Millisekunden reagieren, um das Gleichgewicht wiederherzustellen und das Paket zu schützen.

Der Artikel sagt außerdem, dass physische KI lernen muss, vorauszusehen, wie sich Gegenstände verhalten – einschließlich ihres Gewichts, ihrer Bewegungsenergie und ihrer Reibung –, statt lediglich auf das zu reagieren, was sie sieht. Vision-Language-Action-Modelle werden als eine Möglichkeit vorgestellt, Wahrnehmung, Anweisungen und Bewegung miteinander zu verbinden. Sie innerhalb der Leistungs- und Speichergrenzen von Edge-Geräten auszuführen, bleibt jedoch eine technische Herausforderung.

Der Autor argumentiert, dass der Fortschritt von Prozessoren abhängen wird, die auf die jeweilige Ebene der Roboterintelligenz zugeschnitten sind, sowie von Werkzeugen, die die Entwicklung autonomer Systeme für Edge-Geräte erleichtern. Vertrauen, so das Fazit des Artikels, muss von Grund auf in das System eingebaut werden – bis hinunter auf die Siliziumebene –, damit Maschinen berechenbar handeln und auf unerwartete Situationen sicher reagieren können.

Quellen: TechRadar.