97889 64456 72312 47532 85224 72311 99738 05314 18822 88877 83701 91188 72106 98803 83485 70762 67561 00923 55229 06479 57972 59061 74949 93171 14807 03728 86417 14924 55271 76483 09709 80826 48003 69756 41326 33857 90179 16007 50123 74390 32549 30315 44217 63317 75601 80709 41762 62320 18455 61834 28274 17965 11564 40730 97515 38882 00045 18375 34435 87730 65633 86354 42635 03181 37624 00288 29224 98754 64198 42645 13159 80277 57942 84214 09885 11406 37363 27238 16160 82824 82750 03902 45252 98749 86602 85405 74120 11069 70749 63642 54482 33973 81058 25338 11638 53184 38067 75862 58160 05931 81160 94118 63131 11678 37627 13358 15577 41533 20376 02073 54475 97260 40548 91470 84971 47067 00960 20371 54295 32383 70544 08125 72446 96640 07075 16165 30869 08344 20223 85830 11652 84248 58240 18720 83640 74865 63798 26432 11368 91553 98930 40390 63732 07578 52004 83379 91665 87295 27594 70342 33614 00445 56766 74846 32119 67664 51801 34739 44392 32414 80290 43295 50949 32938 59188 82226 64963 12065 07486 96473 17151 41690 05059 80565 72757 89563 68610 87113 78719 74762 26213 13426 23716 54025 70952 73308 30338 98371 80443 39662 15506 33308 53719 47268 57523 71539 98084 43052 68615 92226 35372 86296 82533 08533 12606 77475 19780 50069 42332 94775 84463 97795 86712 89454 36026 27730 87899 25252 69813 38682 Wie Feld-KI unstrukturierte Autonomie erobert – MJRBJC

Eine der größten Herausforderungen in der Robotik ist heute der autonome und praktische Betrieb in unstrukturierten Umgebungen. Das heißt, nützliche Dinge an Orten zu tun, an denen Ihr Roboter noch nie zuvor war und wo die Dinge möglicherweise nicht so vertraut sind, wie Ihr Roboter es gerne hätte. Roboter leben von der Vorhersehbarkeit, was zu unangenehmen Einschränkungen hinsichtlich des Ortes und der Art und Weise ihres erfolgreichen Einsatzes führt.

Doch in den letzten Jahren begann sich die Situation zu ändern, was zum großen Teil auf einige entscheidende Robotik-Herausforderungen zurückzuführen ist, die von der DARPA ins Leben gerufen wurden. Die DARPA Subterranean Challenge lief von 2018 bis 2021 und führte mobile Roboter durch eine Reihe unstrukturierter unterirdischer Umgebungen. Und das derzeit laufende DARPA RACER-Programm beauftragt autonome Fahrzeuge mit der Bewältigung langer Strecken im Gelände. Durch diese Programme wurden äußerst beeindruckende Technologien entwickelt, aber es besteht immer noch eine Lücke zwischen dieser Spitzenforschung und realen Anwendungen.

Heutzutage wenden eine Reihe von Personen, die an diesen Herausforderungen beteiligt sind, darunter erfahrene Robotiker von NASA, DARPA, Google DeepMind, Amazon und Cruise (um nur einige zu nennen), alles an, was sie gelernt haben, um praktische Autonomie in der realen Welt zu ermöglichen. für mobile Roboter in einem Startup namens Feld-KI.


Field AI wurde von Ali Agha mitbegründet, der zuvor als Leiter der Air Mobility Group am JPL der NASA tätig war. Bei JPL leitete Agha das CoSTAR-Team, das gewann den Straßenkurs DARPA Subterranean Challenge. Agha war auch der Hauptermittler von DARPA-LÄUFER, zuerst mit JPL und jetzt mit Field AI. „Field AI ist nicht nur ein Startup“, sagt Agha. „Es ist der Höhepunkt jahrzehntelanger Erfahrung mit KI und ihrem Einsatz in der Praxis.“

Unstrukturierte Umgebungen sind Orte, an denen sich die Dinge ständig ändern, was bei Robotern, die auf statische Karten angewiesen sind, verheerende Folgen haben kann.

Der „Feld“-Teil von Field AI macht Aghas Startup einzigartig. Roboter, auf denen die Software von Field AI läuft, sind in der Lage, unstrukturierte, nicht kartierte Umgebungen zu bewältigen, ohne auf vorherige Modelle, GPS oder menschliches Eingreifen angewiesen zu sein. Offensichtlich war (und ist) diese Art von Fähigkeit für die NASA und das JPL von Interesse, die Roboter an Orte schicken, an denen es keine Karten gibt, wo es kein GPS gibt und ein direktes menschliches Eingreifen unmöglich ist.

Doch DARPA SubT hat gezeigt, dass ähnliche Umgebungen auch auf der Erde zu finden sind. Beispielsweise sind Minen, natürliche Höhlen und der städtische Untergrund für Roboter (und sogar Menschen) äußerst schwierig zu navigieren. Und das sind nur die extremsten Beispiele: Roboter, die in Gebäuden oder in der Wildnis operieren müssen, haben ähnliche Schwierigkeiten zu verstehen, wo sie sich befinden, wohin sie gehen und wie sie sich in der sie umgebenden Umgebung zurechtfinden.

Ein fahrerloses, buggyartiges Fahrzeug mit wehender amerikanischer Flagge fährt durch eine verschwommene Landschaft aus Sand und GestrüppEin autonomes Fahrzeug fährt kilometerweit durch die Wüste, ohne vorherige Karte, ohne GPS und ohne Straße.Feld-KI

Trotz der Herausforderungen, mit denen Roboter im Feld konfrontiert sind, ist dies eine große Chance, die Field AI nutzen möchte. Roboter haben sich bereits im Inspektionsbereich bewährt, beispielsweise wenn sie sicherstellen, dass auf einem großen Industriegelände alles in Ordnung ist, oder wenn sie den Baufortschritt in einem teilweise fertiggestellten Gebäude überwachen. Das ist von großem Nutzen, denn die Folgen eines Fehlers sind kostspielig oder gefährlich oder beides, aber die Aufgaben sind repetitiv und manchmal riskant und erfordern im Allgemeinen nicht viel menschliche Einsicht oder Kreativität.

Ein unerforschtes Gebiet als Basis

Wie Agha erklärt, unterscheidet sich Field AI von anderen Robotikunternehmen, die diese Dienste anbieten, darin, dass sein Unternehmen diese Aufgaben ausführen möchte, ohne zuvor über eine Karte zu verfügen, die dem Roboter sagt, wohin er gehen soll. Mit anderen Worten: Es gibt keinen langwierigen Einrichtungsprozess oder eine menschliche Aufsicht, und der Roboter kann sich an veränderte und neue Umgebungen anpassen. In Wirklichkeit ist das völlige Autonomie: überall und jederzeit hingehen, ohne menschliche Interaktion. „Unsere Kunden brauchen keine Schulung“, beschreibt Agha die Vision des Unternehmens. „Sie brauchen keine genauen Karten. Sie drücken einen einzigen Knopf und der Roboter entdeckt jeden Winkel der Umgebung. Hier kommt das DARPA-SubT-Erbe ins Spiel. Während des Wettbewerbs sagte DARPA im Grunde: „Hier ist der Zugang zum Platz, wir werden Ihnen nichts darüber sagen, was es dort gibt, oder auch nur über seine Größe, gehen Sie einfach erkunden.“ .’ Überprüfen Sie dies alles und melden Sie uns die von uns angeforderten Informationen. Genau das hat das CoSTAR-Team von Agha während des Wettbewerbs getan, und Field AI bringt diese Fähigkeit auf den Markt.

„Unser Ziel bei unseren Robotern ist, dass Sie sie einfach einsetzen können, ohne dass Schulungszeit erforderlich ist. Und dann können wir die Roboter einfach verlassen. – Ali Agha, Feld-KI

Das andere Problem dieser unstrukturierten Umgebungen, insbesondere der Bauumgebungen, besteht darin, dass sich die Dinge ständig ändern, was bei Robotern, die auf statische Karten angewiesen sind, verheerende Folgen haben kann. „Wir sind eines der wenigen Unternehmen, wenn nicht das einzige, das Roboter tagelang mit minimaler Aufsicht auf sich ständig verändernden Baustellen stehen lassen kann“, erzählt uns Agha. „Diese Websites sind sehr komplex: Jeden Tag tauchen neue Elemente, neue Herausforderungen und unerwartete Ereignisse auf. Baumaterialien auf dem Boden, Gerüste, Gabelstapler und schwere Maschinen bewegen sich überall, nichts Vorhersehbares.

Feld-KI

Der Ansatz von Field AI zur Lösung dieses Problems besteht darin, sich auf das Verständnis der Umgebung und nicht auf die Kartierung zu konzentrieren. Agha sagt, dass Field AI im Wesentlichen an der Erstellung von „Field Foundation Models“ (FFM) der physischen Welt arbeitet und dabei Sensordaten als Eingabe verwendet. Man kann sich FFMs als ähnlich den grundlegenden Sprach-, Musik- und Kunstmodellen vorstellen, die andere KI-Unternehmen in den letzten Jahren entwickelt haben und bei denen die Aufnahme einer großen Datenmenge aus dem Internet ein bestimmtes Maß an Funktionalität in einem System ermöglicht ohne dass für jede neue Situation eine spezielle Schulung erforderlich ist. Daher können Feld-KI-Roboter verstehen Wie sich in der Welt weiterentwickeln und nicht einfach Oder bewegen. „Wir betrachten KI ganz anders als den Mainstream“, sagt Agha. „Wir führen sehr umfangreiche probabilistische Modellierungen durch.“ Laut Agha würden viel mehr technische Details in das geistige Eigentum von Field AI einfließen, aber Tatsache ist, dass die Echtzeitmodellierung der Welt ein Nebenprodukt der in der Welt operierenden Roboter von Field AI wird und nicht eine Voraussetzung für diesen Vorgang ist. Das macht Roboter schnell, effizient und belastbar.

Die Entwicklung grundlegender Geländemodelle, mit denen Roboter fast überall zuverlässig hinkommen können, erfordert umfangreiche reale Daten, die Field AI im Laufe des vergangenen Jahres von Industrie- und Baustellen auf der ganzen Welt gesammelt hat. Um es deutlich zu sagen: Sie sammeln die Daten im Rahmen ihrer Geschäftstätigkeit: Es handelt sich dabei um zahlende Kunden, die Field AI bereits hat. „Auf diesen Baustellen kann es in der Regel Wochen dauern, eine Baustelle zu besichtigen und alle interessanten Ziele zu kartieren, die Sie inspizieren müssen“, sagt Agha. „Aber bei unseren Robotern ist es unser Ziel, dass man sie einfach einsetzen kann, ohne dass Schulungszeit erforderlich ist. Und dann können wir die Roboter einfach verlassen. Dieses Maß an Autonomie eröffnet wirklich viele Anwendungsfälle, die unsere Kunden noch nicht einmal in Betracht gezogen haben, weil sie dachten, dass es noch Jahre dauern würde. Und die Anwendungsfälle liegen nicht nur im Baugewerbe, bei Inspektionen oder anderen Bereichen, in denen wir bereits autonome Robotersysteme sehen, sagt Agha. „Diese Technologien bergen ein immenses Potenzial.“

Es besteht offensichtlich eine Nachfrage nach diesem Maß an Autonomie, aber Agha sagt, das andere Puzzleteil, das es Field AI ermöglichen wird, einen Billionen-Dollar-Markt zu erschließen, ist die Tatsache, dass es das, was es kann, mit praktisch jeder Plattform tun kann. Im Grunde ist Field AI ein Softwareunternehmen: Sie entwickeln Sensornutzlasten, die sich in ihre Autonomiesoftware integrieren lassen, aber selbst diese Nutzlasten sind anpassbar und reichen von etwas, das für ein autonomes Fahrzeug geeignet ist, bis hin zu etwas, das eine Drohne bewältigen kann.

Verdammt, wenn Sie aus irgendeinem seltsamen Grund entscheiden, dass Sie einen autonomen Humanoiden benötigen, kann Field AI das auch tun. Während Vielseitigkeit hier wichtig ist, ist Agha zufolge noch wichtiger, dass man sich auf erschwinglichere Plattformen konzentrieren kann und dennoch das gleiche Maß an eigenständiger Leistung erwarten kann, natürlich innerhalb der Grenzen des Designs jedes Roboters. Mit der Kontrolle über den gesamten Software-Stack, der Integration von Mobilität mit Planung, Entscheidungsfindung und Missionsausführung auf hoher Ebene ist es laut Agha die Fähigkeit, relativ kostengünstige Roboter einzusetzen, die den größten Unterschied für den kommerziellen Erfolg von Field AI ausmachen wird.

Gruppenfoto auf einem Firmenparkplatz mit zehn Männern und zwölf RoboternGleiches Gehirn, viele verschiedene Roboter: Die Grundmodelle des Field AI-Teams können auf großen, kleinen, teuren und etwas günstigeren Robotern eingesetzt werden.Feld-KI

Field AI erweitert bereits seine Fähigkeiten und baut dabei auf einigen seiner jüngsten Erfahrungen mit DARPA RACER auf, die daran arbeiten, Roboter zur Inspektion von Pipelines über Dutzende von Kilometern und zum Transport von Materialien über Solarparks einzusetzen. Mit erheblichen Einnahmen und Finanzmitteln hat Field AI sogar das Interesse von geweckt Bill Gates. Die Beteiligung von Field AI an RACER geht weiter, im Rahmen einer Art Tochtergesellschaft für Bundesprojekte namens Offroad Autonomy, und in der Zwischenzeit strebt die Unternehmensseite eine Ausweitung auf „Hunderte“ von Standorten auf jeder erdenklichen Plattform an, einschließlich Humanoiden.

Aus den Artikeln auf Ihrer Website

Verwandte Artikel im Internet

By rb8jg

Leave a Reply

Your email address will not be published. Required fields are marked *

Failed to fetch data from the URL.