Trends: Physical AI draait niet alleen om grotere modellen: robots hebben betere lichamen, een compact geheugen en tastzin nodig

De ontwikkeling van physical AI wordt vaak voorgesteld als een wedloop om grotere modellen en meer trainingsdata. Drie nieuwe onderzoeken laten zien dat dit maar een deel van het verhaal is. Om goed te functioneren in de fysieke wereld hebben robots ook lichtere en beter reagerende hardware nodig, een geheugen dat de besturing niet vertraagt en sensoren die vertellen wat er gebeurt zodra een camera onvoldoende zicht biedt.

De onderzoeken naar de robot AthenaZero, het geheugensysteem Workspace Models en het tactiele besturingsmodel Agile-WAM benaderen die uitdaging elk vanuit een andere richting. Samen wijzen ze op een bredere verschuiving binnen de robotica. Krachtige AI-modellen blijven belangrijk, maar hun praktische waarde wordt mede bepaald door het robotlichaam, de beschikbare rekenkracht en de manier waarop een systeem met fysiek contact omgaat.

Een andere benadering van de robotarm

Bij AthenaZero begint de innovatie niet bij de software, maar bij de mechanica. Deze twee-armige onderzoeksrobot is ontworpen om de effectieve massa van zijn armen zo laag mogelijk te houden, zonder de kracht te verliezen die nodig is voor snelle bewegingen. De ontwikkelaars combineren daarvoor quasi-direct-drive-aandrijvingen, relatief lage overbrengingsverhoudingen en een constructie waarbij een groot deel van de motormassa dichter bij het centrum van de robot is geplaatst.

Daarmee wijkt AthenaZero af van veel conventionele industriële robots en cobots. Die gebruiken doorgaans sterk vertraagde aandrijvingen om stijfheid, nauwkeurigheid en een hoog houdvermogen te bereiken. Het nadeel is dat de armen een relatief hoge gereflecteerde traagheid hebben. Ze kunnen zeer nauwkeurig en krachtig bewegen, maar reageren bij een onverwachte botsing anders dan een menselijke arm.

Om de dynamische mogelijkheden van AthenaZero te demonstreren, lieten de onderzoekers de robot honkballen gooien, vangen en wegslaan. De robot gooide met snelheden van meer dan 30 meter per seconde en wist ballen te vangen en te raken die met ruim 14 meter per seconde over een afstand van 7,3 meter werden aangevoerd. Bij dergelijke bewegingen zijn snelle acceleraties en reacties binnen milliseconden nodig.

Technisch interessanter is een gecontroleerde botsproef met een slinger. Daarbij kwam de gemeten effectieve massa bij de pols van AthenaZero uit op 0,83 kilogram. Bij een Franka Research 3-robotarm bedroeg die onder dezelfde testomstandigheden 3,3 kilogram. Ook de piekkracht tijdens de botsing was lager: 124,1 newton bij AthenaZero, tegenover 208,3 newton bij de Franka.

Volgens de onderzoekers onderstrepen deze resultaten dat dynamische manipulatie niet uitsluitend een softwareprobleem is. Een regelalgoritme kan de fysieke traagheid van een robotarm op het eerste moment van een botsing niet volledig compenseren. Een lichtere en sneller reagerende constructie maakt daardoor bewegingen mogelijk die niet eenvoudig zijn te realiseren door een groter AI-model op een bestaande robot te installeren.

Daar staan duidelijke concessies tegenover. AthenaZero heeft minder passieve stijfheid en kan lasten minder lang in een vaste positie houden dan traditionele industriële armen. De robot staat bovendien op een vaste voet, wordt gevoed door een externe stroomvoorziening en gebruikt handen die mede voor de honkbalproeven zijn ontwikkeld. Het systeem is dan ook geen directe vervanger voor bestaande productierobots.

De relevantie zit vooral in de ontwerpkeuze. Wanneer robots voorwerpen moeten opvangen, met onvoorspelbaar contact moeten omgaan of veilig op menselijke snelheid moeten bewegen, is hardware die vooral op stijfheid en statische precisie is afgestemd mogelijk niet langer voldoende.

Een compact geheugen voor langdurige taken

Workspace Models richt zich op een andere fysieke beperking: rekentijd. Robots die langere opdrachten uitvoeren, moeten gebeurtenissen uit eerdere stappen kunnen onthouden. Een systeem moet bijvoorbeeld weten in welke lade een voorwerp is gelegd, hoeveel producten het al heeft verplaatst of wat er tijdens een eerdere poging misging.

Een mogelijke aanpak is om een vision-language model toegang te geven tot de volledige beeldgeschiedenis. Het model kan daaruit relevante informatie selecteren of een samenvatting maken. Dat levert context op, maar het voortdurend raadplegen van een groot model kost tijd en rekenkracht. Bij een robot die continu op zijn omgeving moet reageren, kan zelfs een korte vertraging de besturing verstoren.

Workspace Models verplaatst het zware denkwerk grotendeels naar de trainingsfase. Tijdens het trainen identificeren vision-language modellen belangrijke gebeurtenissen en visuele details. Die informatie wordt vervolgens samengevat in een compacte interne representatie, een zogenoemd workspace token. Tijdens de daadwerkelijke inzet kan het robotbeleid deze toestand raadplegen zonder telkens opnieuw een groot model aan te roepen.

De methode werd getest in drie simulaties en bij één taak met een fysieke Franka-robot. De opdrachten vroegen om verschillende vormen van geheugen. De robot moest onder meer voorwerpen tellen die na plaatsing uit beeld verdwenen, onthouden in welke lade een object was opgeborgen en informatie uit een eerdere poging gebruiken om een balk in evenwicht te houden.

Gemiddeld behaalde Workspace Models over de vier taken een succespercentage van 91,5 procent. De beste vergelijkingsmethode, die relevante sleutelframes selecteerde, kwam uit op 66,8 procent. In de meest geoptimaliseerde uitvoering bedroeg de verwerkingstijd 49,2 milliseconden. De gebatchte sleutelframemethode had daarvoor 199,5 milliseconden nodig. Een regulier beleid zonder vergelijkbaar geheugen kwam uit op 41,3 milliseconden.

De resultaten suggereren dat een compact geheugen niet alleen efficiënter kan zijn, maar ook de taakuitvoering kan verbeteren. Wanneer een robot een lange reeks eerdere beelden als invoer krijgt, kan irrelevante informatie de nauwkeurige besturing in de weg zitten. Een kleinere representatie van de werkelijk belangrijke gebeurtenissen blijkt in deze experimenten effectiever.

Ook hier is enige voorzichtigheid nodig. De onderzoekers gebruikten vier speciaal ontworpen taken. Bovendien blijven vision-language modellen en vooraf bepaalde vragen nodig om tijdens de training vast te stellen wat de robot moet onthouden. Daarmee is nog niet aangetoond dat dezelfde architectuur betrouwbaar kan functioneren tijdens open processen in een fabriek of magazijn.

Het onderzoek laat wel zien hoe grote en kleine modellen elkaar kunnen aanvullen. Een groot model bepaalt tijdens de training welke informatie relevant is, waarna een veel compacter systeem die kennis tijdens de inzet gebruikt. Dat kan robots minder afhankelijk maken van zware hardware aan boord of externe AI-diensten.

Voelen wanneer een montagehandeling mislukt

Agile-WAM pakt een derde knelpunt aan. Robots die vrijwel volledig op camerabeelden vertrouwen, verliezen vaak juist op het cruciale moment het zicht. Bij het plaatsen van een pen, stekker of tandwiel kunnen de grijper en het onderdeel het aansluitpunt afdekken. Op het camerabeeld lijkt de robot dan op de juiste positie te staan, terwijl niet duidelijk is of een component goed is uitgelijnd of daadwerkelijk vastzit.

Het model combineert camerabeelden met tactiele metingen en voorspelt zowel toekomstige sensortoestanden als toekomstige acties. Het systeem moet daardoor niet alleen contact herkennen, maar ook inschatten hoe dat contact zich ontwikkelt en welke correctie nodig is.

Agile-WAM werd getest op negen gesimuleerde en vijf fysieke taken. De praktijktests omvatten onder meer de montage van tandwielen en het plaatsen of verwijderen van pennen, stekkers en ethernetkabels. Bij een deel van de proeven begon de robot bewust vanuit een ongunstige uitlijning. Het beleid moest de fout dus herstellen in plaats van alleen een vooraf aangeleerde succesvolle beweging na te bootsen.

Bij de tandwielmontage slaagde Agile-WAM in 16 van de 20 pogingen. De beste concurrerende methode die eveneens beeld en tast gebruikte, kwam tot 11 succesvolle pogingen. Bij het plaatsen van een stekker steeg het resultaat van zeven naar dertien geslaagde pogingen. Voor het verwijderen van een ethernetkabel behaalde Agile-WAM 17 successen tegenover 15 voor de beste vergelijking.

Met behulp van tastinformatie kon de robot een verkeerd uitgelijnde pen over het oppervlak richting het gat schuiven. Een vastgelopen tandwiel werd licht gedraaid totdat de tanden goed in elkaar grepen. Het gaat om beperkte correcties, maar juist zulke afwijkingen vormen een belangrijk probleem binnen industriële automatisering. Een robot die alleen een vast traject volgt, kan stoppen of schade veroorzaken zodra de werkelijke situatie iets afwijkt van het aangeleerde voorbeeld.

De prestaties waren niet op alle onderdelen beter. Bij het plaatsen van een pen bleef Agile-WAM iets achter bij de beste concurrerende methode. Het insteken van een ethernetkabel lukte bovendien slechts in zes van de twintig pogingen. Iedere fysieke taak werd maar twintig keer getest en voor elke taak verzamelden de onderzoekers vijftig specifieke teleoperatiedemonstraties. De gemeten verwerkingstijd van 10,35 milliseconden werd daarnaast behaald op een Nvidia RTX 4090. Of het model ook op compactere industriële edgehardware zo snel werkt, moet nog blijken.

Toch maakt het onderzoek duidelijk waarom tastzin een grotere rol krijgt binnen physical AI. Tactiele informatie dient niet langer uitsluitend als extra veiligheidssignaal. Ze kan een geleerd robotbeleid helpen begrijpen wat er tijdens contact gebeurt, waarom een handeling vastloopt en welke beweging nodig is om verder te gaan.

Het complete fysieke systeem telt

AthenaZero, Workspace Models en Agile-WAM richten zich op verschillende problemen, maar komen uit bij dezelfde conclusie: de prestaties van een robot kunnen niet los worden gezien van het fysieke systeem waarin het AI-model opereert.

Een robot met zware, sterk vertraagde armen kan niet op contact reageren als een licht en beweeglijk mechanisme, hoe geavanceerd de software ook is. Een beleid dat voortdurend een groot model raadpleegt, beschikt misschien over meer context, maar kan te langzaam reageren. Een camerasysteem kan het juiste voorwerp en de juiste positie herkennen, maar nog altijd niet vaststellen of twee componenten goed op elkaar aansluiten.

De volgende ontwikkelingsfase van physical AI zal daarom waarschijnlijk niet alleen worden bepaald door de omvang van modellen. Hardware, sensoren, geheugen en besturing moeten gezamenlijk worden ontwikkeld. Grote modellen kunnen brede kennis en algemene vaardigheden leveren, maar robots hebben mechanismen nodig die deze kennis binnen de tijdsdruk en fysieke onzekerheid van de echte wereld kunnen toepassen.

Voor industriële automatisering kan dat leiden tot robots die op meerdere manieren minder rigide zijn. Ze kunnen beter omgaan met botsingen, eerdere stappen onthouden zonder voortdurend kostbare AI-berekeningen uit te voeren en een mislukte montagepoging zelfstandig corrigeren. De drie onderzoeken leveren dat complete systeem nog niet op, maar laten wel steeds duidelijker zien welke bouwstenen daarvoor nodig zijn.