1X, het roboticabedrijf achter de Neo-humanoïde robot, heeft een nieuw AI-model uitgebracht dat is ontworpen om robots in staat te stellen te leren van visuele en tekstuele informatie, waardoor de kloof tussen digitale kennis en fysieke actie wordt overbrugd. Met het “1X World Model” kunnen Neo-robots nieuwe mogelijkheden verwerven door real-world video te verwerken naast gebruikersprompts, waardoor mogelijk de ontwikkeling van steeds beter aanpasbare robots wordt versneld.
De kerninnovatie: leren van observatie
In tegenstelling tot traditionele robotica-programmering, die voor elke taak expliciete instructies vereist, kunnen Neo-robots met het 1X World Model acties afleiden uit het observeren van videobeelden in combinatie met tekstuele opdrachten. Dit betekent dat een Neo-robot, in plaats van voorgeprogrammeerd te zijn voor elk mogelijk scenario, in theorie een nieuwe vaardigheid zou kunnen leren door simpelweg naar een demonstratie te kijken en een overeenkomstige prompt te ontvangen.
Het is echter belangrijk om duidelijk te maken dat dit niet onmiddellijk meesterschap betekent. 1X heeft bevestigd dat het proces niet onmiddellijk plaatsvindt: robots kijken niet simpelweg naar een video en voeren een complexe taak (zoals autorijden) feilloos uit. In plaats daarvan worden vastgelegde videobeelden en aanwijzingen teruggekoppeld naar het model, waardoor het collectieve begrip binnen het Neo-robotnetwerk wordt vergroot.
Implicaties voor consumentenrobotica
Deze release valt samen met de voorbereidingen van 1X om Neo-humanoïden naar consumenten te verzenden. De voorbestellingen zijn in oktober geopend en hoewel de exacte aantallen niet bekend zijn gemaakt, beweert het bedrijf dat de vraag de verwachtingen heeft overtroffen. Het World Model is bedoeld om Neo veelzijdiger en gebruiksvriendelijker te maken voor thuisgebruik, waardoor de robot zich kan aanpassen aan nieuwe taken zonder voortdurend opnieuw te moeten programmeren.
Het model biedt ook inzicht in het besluitvormingsproces van de robot: gebruikers kunnen observeren hoe Neo bepaalde aanwijzingen interpreteert en zich voorbereidt om te reageren. Deze gegevens zijn cruciaal voor het verfijnen van de AI, en uiteindelijk gericht op robots die intelligent kunnen reageren op nieuwe opdrachten.
Het grotere plaatje: naar zelflerende robots
1X CEO Bernt Børnich stelt dat dit “het startpunt is van Neo’s vermogen om zichzelf te leren vrijwel alles onder de knie te krijgen wat je maar kunt bedenken.” Hoewel dit een ambitieuze claim is, vertegenwoordigt de aanpak van het bedrijf een belangrijke stap in de richting van meer autonome en aanpasbare robotica.
De echte betekenis hier gaat niet alleen over het leren van een nieuwe truc door één robot; het gaat over het potentieel van robots om kennis te delen via een netwerk, waardoor de ontwikkeling wordt versneld en de behoefte aan menselijk ingrijpen wordt verminderd.
Deze technologie roept bredere vragen op over de toekomst van robotica, evenals het potentieel voor AI-aangedreven machines om zelfstandig vaardigheden te verwerven. De focus verschuift van expliciet programmeren naar leren door observatie, wat de evolutie van humanoïde robots dramatisch zou kunnen versnellen.
