Van sciencefiction naar realiteit: Eén AI die elke robot aanstuurt
Wat als één enkel AI-brein elke robot ter wereld kon aansturen? Niet alleen humanoïde robots, maar ook magazijnarmen en hondachtige inspectierobots, allemaal tegelijk, met dezelfde intelligentie.
Dat is geen futuristische fantasie meer. Het is exact waar Skild AI vandaag aan bouwt. In een aflevering van de NVIDIA AI Podcast leggen oprichters Deepak Pathak en Abhinav Gupta uit hoe hun revolutionaire “Skild Brain” de robotica-industrie op zijn kop zet.
Robotica zit vast en data is de sleutel
Volgens Skild AI ligt het grootste probleem in robotica niet bij hardware, maar bij data. In tegenstelling tot het internet, waar miljarden teksten en beelden beschikbaar zijn, bestaat er geen “internet van robotdata”.
Elke robot leert vandaag in isolatie. Daardoor botsen klassieke systemen op een harde limiet: zodra ze buiten hun training vallen, falen ze. Dit wordt vaak de “90%-muur” genoemd, systemen werken goed, tot ze plots compleet vastlopen in onverwachte situaties.
De drie lagen van robotintelligentie
Om dat probleem te doorbreken, bouwt Skild AI een unieke datastrategie met drie fundamenten:
- Echte robotdata via tele-operatie: Mensen sturen robots aan om realistische data te genereren
- Video pretraining: AI leert van enorme hoeveelheden video, nog vóór het fysieke training krijgt
- Simulatie: Virtuele omgevingen versnellen training en testen
Deze combinatie maakt het mogelijk om robots niet alleen taken te laten uitvoeren, maar ze ook te laten begrijpen.
Van taalmodellen naar fysieke AI
Wat OpenAI en andere spelers deden met taalmodellen, wordt nu toegepast op de fysieke wereld.
Dezelfde principes, pretraining gevolgd door gerichte finetuning, worden vertaald naar robots. Het resultaat? Een model dat niet gespecialiseerd is in één taak, maar inzetbaar is voor alles.
Het vliegwiel-effect: Elke robot maakt alle robots slimmer
Een van de krachtigste ideeën achter Skild Brain is het zogenaamde data-vliegwiel.
Elke robot die wordt ingezet, genereert nieuwe data. Die data stroomt terug naar het centrale model, waardoor het brein slimmer wordt. Vervolgens profiteren alle andere robots daarvan.
Dit betekent dat vooruitgang exponentieel kan versnellen: Hoe meer robots actief zijn, hoe sneller het systeem leert.
Van magazijnen tot woonkamers: De roadmap
De uitrol van Skild Brain gebeurt strategisch en gefaseerd:
- Eerst: fabrieken en magazijnen
- Daarna: ziekenhuizen en hotels
- Uiteindelijk: consumentenrobots in huis
Die volgorde is geen toeval. Complexe, gecontroleerde omgevingen vormen de perfecte testbasis voordat robots in chaotische thuisomgevingen terechtkomen.
De samenwerking met NVIDIA
Voor deze ambitie werkt Skild AI nauw samen met NVIDIA.
Samen ontwikkelen ze technologieën zoals:
- Newton physics solvers voor realistische simulaties
- Cosmos voor data-augmentatie
- Isaac Sim voor robottraining in virtuele werelden
- Edge computing om AI rechtstreeks op robots te laten draaien
Deze samenwerking versnelt de overgang van theorie naar praktische toepassingen.
Veiligheid en betrouwbaarheid: Geen ruimte voor fouten
Voordat Skild Brain in de echte wereld wordt ingezet, doorloopt het intensieve tests:
- Prestatie-indicatoren per taak (KPI’s)
- Generalisatietests om onverwachte situaties te simuleren
- Veiligheidsmechanismen en guardrails
Want in tegenstelling tot softwarefouten, kunnen fouten bij robots fysieke gevolgen hebben.
Wanneer komen robots naar huis?
De vraag die iedereen stelt: Wanneer staat er een slimme robot in je woonkamer?
De oprichters blijven opvallend realistisch. Hoewel de technologie snel evolueert, erkennen ze dat thuisomgevingen extreem complex zijn.
De kans is groot dat robots eerst volledig ingeburgerd raken in industrie en dienstverlening, voordat ze hun weg vinden naar consumenten.
Een nieuwe industriële revolutie in wording
Met Skild Brain zet Skild AI een enorme stap richting een wereld waarin robots niet langer losse machines zijn, maar deel uitmaken van één gedeelde intelligentie.
Het idee van “één brein, oneindig veel lichamen” zou wel eens de basis kunnen vormen van de volgende industriële revolutie, een waarin fysieke arbeid net zo schaalbaar wordt als software vandaag.
