Aktuell | Künstliche Intelligenz | c't

Roboter mit Sprachverständnis

Die KI-Plattform Hugging Face und der Chip-Hersteller Nvidia haben Robotikprojekte ins Leben gerufen. OpenAI und sein Partner Figure pflanzten einem humanoiden Roboter bereits ein wenig Kooperationsfähigkeit ein.

Mit seinem Robotikprojekt geht die KI-Plattform Hugging Face den logischen nächsten Schritt. Denn maschinell trainierte Systeme werden zunehmend multimodal, verarbeiten also immer mehr Arten von Eingabedaten und geben ihre Ergebnisse auf unterschiedliche Arten aus. Derzeit kombinieren sie vor allem Bild und Text, aber auch Audio, Video und Sensordaten fließen zunehmend in die Trainings multimodaler Modelle ein.

Zentraler Baustein der multimodalen KIs sind große Sprachmodelle (Large Language Models, LLM) wie GPT oder LLaMA. Auch in der Robotik wird zunehmend mit LLMs experimentiert, die etwa kurze Anweisungen von Nutzern in detaillierte Ablaufpläne für Roboter übersetzen sollen.