Volgens Nvidia-onderzoeker Jim Fan volgt robotica dezelfde evolutie als kunstmatige intelligentie. Wereldmodellen, schaalvergroting en zelflerende robots zouden de weg kunnen vrijmaken naar machines die binnen enkele jaren zelfstandig in de fysieke wereld functioneren.
De volgende AI-revolutie speelt zich af in de echte wereld
Terwijl de afgelopen jaren volledig in het teken stonden van generatieve AI en grote taalmodellen (LLM's), verschuift de aandacht van steeds meer onderzoekers naar een nieuwe uitdaging: robots die niet alleen kunnen denken, maar ook kunnen handelen.
Volgens Jim Fan, hoofd van de onderzoeksgroep voor Embodied Autonomous Systems bij Nvidia, bevindt robotica zich op hetzelfde omslagpunt waarop taalmodellen enkele jaren geleden stonden. Tijdens AI Ascent schetst hij een toekomst waarin robots zich ontwikkelen via precies dezelfde groeicurve als ChatGPT en andere AI-systemen.
Zijn conclusie is opvallend: de route naar intelligente robots ligt grotendeels al vast.
De grote parallel tussen taalmodellen en robots
Volgens Fan heeft de AI-industrie onbedoeld een blauwdruk gecreëerd die nu ook voor robotica toepasbaar blijkt.
Waar taalmodellen enorme hoeveelheden tekst verwerken om taal te leren begrijpen, zullen robots complete ervaringen uit de fysieke wereld opnemen om hun omgeving te leren begrijpen.
De ontwikkeling verloopt volgens hem via drie opeenvolgende fasen:
- massale pre-training;
- steeds beter leren redeneren;
- uiteindelijk zelfstandig nieuwe kennis verzamelen.
Precies zoals taalmodellen steeds slimmer werden door enorme hoeveelheden data, zullen robots groeien door miljoenen uren ervaring in de echte wereld op te bouwen.
Niet taal, maar wereldmodellen worden de nieuwe motor
Een belangrijk verschil met huidige AI ligt volgens Fan in het soort model.
LLM's voorspellen het volgende woord.
Robots moeten daarentegen voorspellen wat er in de fysieke wereld gebeurt.
Daarvoor zijn zogenoemde wereldmodellen nodig: AI-systemen die begrijpen hoe objecten bewegen, hoe mensen reageren en welke gevolgen een bepaalde actie heeft.
Een robot leert daardoor niet alleen een opdracht uitvoeren, maar ontwikkelt een intern model van oorzaak en gevolg.
Dat maakt plannen mogelijk. En uiteindelijk ook zelfstandig handelen.
Waarom het huidige VLA-model onvoldoende is
Veel hedendaagse robots maken gebruik van zogenaamde Vision-Language-Action-modellen (VLA's), waarin beeld, taal en beweging worden gecombineerd.
Volgens Fan vormt dat echter slechts een tussenstap.
Deze systemen blijven grotendeels afhankelijk van menselijke demonstraties en handmatig verzamelde trainingsdata.
Dat beperkt de schaal waarop robots kunnen leren.
Zijn visie gaat daarom verder dan VLA's.
Robots moeten zelf ervaringen opdoen, experimenteren en hun kennis voortdurend uitbreiden.
Egocentrische video's worden de nieuwe goudmijn
Een opvallend onderdeel van Nvidia's strategie draait om zogenoemde egocentrische video's.
Dat zijn beelden die rechtstreeks vanuit het perspectief van een mens of robot zijn opgenomen.
In plaats van duizenden robots handmatig te besturen via teleoperatie, kunnen miljoenen uren videobeelden laten zien hoe mensen dagelijkse taken uitvoeren.
Hiermee ontstaat een vrijwel onbeperkte bron van trainingsdata.
Net zoals internet de basis vormde voor taalmodellen, kunnen menselijke ervaringen straks de basis vormen voor robotintelligentie.
DreamZero en World Action Models
Binnen Nvidia wordt gewerkt aan een volgende generatie AI-systemen onder namen als DreamZero en World Action Models.
Deze modellen proberen niet simpelweg bewegingen te kopiëren.
Ze simuleren complete werelden.
Een robot kan daardoor eerst intern voorspellen wat het gevolg van een actie zal zijn voordat hij daadwerkelijk beweegt.
Dat verlaagt fouten, versnelt het leerproces en maakt veiligere besluitvorming mogelijk.
Eigenlijk krijgt een robot eerst de mogelijkheid om "na te denken" voordat hij handelt.
Data is niet langer het probleem, maar de omgeving
Fan introduceert daarbij een opvallende uitspraak:
"Computing equals environment equals data."
Waar AI vroeger vooral afhankelijk was van datasets, wordt de fysieke wereld zelf straks de dataset.
Elke interactie levert nieuwe informatie op.
Elke beweging vergroot de kennis van het systeem.
Hoe groter de omgeving waarin robots actief zijn, hoe sneller hun intelligentie groeit.
Daarmee verschuift de uitdaging van het verzamelen van data naar het creëren van rijke leeromgevingen.
EgoScale moet de schaalwetten van robotica ontketenen
Een belangrijk onderzoeksproject binnen Nvidia heet EgoScale.
Daarmee wil het bedrijf aantonen dat ook robotica dezelfde schaalwetten volgt als taalmodellen.
Hoe meer data...
Hoe grotere modellen...
Hoe meer rekenkracht...
...des te intelligenter het systeem wordt.
Als deze hypothese klopt, kan robotica dezelfde explosieve ontwikkeling doormaken als generatieve AI tussen 2020 en 2025.
DreamDojo moet robots zelfstandig laten oefenen
Naast echte data zet Nvidia zwaar in op simulatie.
Met DreamDojo kunnen robots miljoenen scenario's oefenen zonder fysieke machines te gebruiken.
Een robot kan duizenden keren leren hoe hij een object oppakt, een deur opent of obstakels ontwijkt voordat hij die taak ooit in de echte wereld uitvoert.
Dat versnelt de ontwikkeling enorm.
Simulatie wordt daarmee een essentieel onderdeel van toekomstige robottraining.
De fysieke Turing-test komt dichterbij
Misschien wel de meest opvallende voorspelling van Fan is dat robots binnen twee à drie jaar een vorm van de fysieke Turing-test zouden kunnen doorstaan.
Dat betekent niet dat robots bewust worden.
Wel dat een mens tijdens een praktische interactie nauwelijks nog kan onderscheiden of een taak wordt uitgevoerd door een mens of door een robot.
Volgens Fan ligt die mijlpaal verrassend dichtbij.
Of die voorspelling uitkomt, zal afhangen van de snelheid waarmee wereldmodellen, simulaties en grootschalige dataverzameling zich verder ontwikkelen.
Een nieuw hoofdstuk voor AI
Waar de afgelopen jaren draaiden om taal, verschuift de AI-race steeds meer richting de fysieke wereld.
De uitdaging is niet langer alleen het genereren van tekst of afbeeldingen, maar het bouwen van machines die begrijpen hoe de wereld werkt en daar zelfstandig in kunnen handelen.
Volgens Nvidia ligt de sleutel in dezelfde ingrediënten die de opmars van generatieve AI mogelijk maakten: enorme hoeveelheden data, krachtige rekeninfrastructuur, schaalbare modellen en voortdurende zelfverbetering.
Als die aanpak ook voor robotica werkt, kan de volgende grote technologische revolutie zich niet op het scherm afspelen, maar in fabrieken, magazijnen, ziekenhuizen en uiteindelijk ook in huishoudens.
