Schlagwort: AI

Nano Banana

Kurzfassung
▾

Quellen
▾

Das KI-Unternehmen Generalist AI hat das neue multimodale KI-Modell GEN-1 für die Robotik vorgestellt.
Die Modelle erreichen bei physischen Aufgaben wie dem Falten von Kartons eine Erfolgsquote von 99 Prozent.
Dank einer neuen Trainingsmethode agiert GEN-1 dreimal schneller als sein Vorgänger und kann Fehler in Echtzeit selbstständig korrigieren.

Generalist AI Blog: GEN-1: Scaling Embodied Foundation Models to Mastery

YouTube: Introducing GEN-1

Das KI-Unternehmen Generalist AI präsentiert mit GEN-1 ein neues multimodales KI-Modell für die Robotik. Das Modell erreicht bei physischen Aufgaben eine Erfolgsquote von 99 Prozent und bringt Handlungsfähigkeit in komplexe Umgebungen.

Höhere Geschwindigkeit und Präzision GEN-1 löst eine zentrale Herausforderung der Robotik: die langsame Ausführung von Aufgaben. Das KI-Modell agiert im Durchschnitt dreimal schneller als bisherige Spitzenreiter. Für das Falten eines Kartons benötigt das Modell beispielsweise lediglich 12,1 Sekunden. Das Vorgängermodell GEN-0 brauchte für denselben Vorgang noch rund 34 Sekunden. + Quelle: Generalist Gleichzeitig steigt die Zuverlässigkeit der Modelle deutlich. Bei filigranen Tätigkeiten wie dem Verpacken von Smartphones oder der Wartung von Saugrobotern erzielt GEN-1 konsistent Erfolgsquoten von 99 Prozent. Zum Vergleich lieferte der Vorgänger bei ähnlichen Arbeiten eine durchschnittliche Rate von 64 bzw.50 Prozent. Ohne vorheriges Pre-Training scheitern unvorbereitete Modelle meist sogar komplett. + + Quelle: Generalist Improvisation statt starrem Skript Herkömmliche Industrieroboter stoppen sofort bei Abweichungen vom strikt programmierten Ablauf. GEN-1 reagiert hingegen flexibel auf unvorhergesehene Veränderungen in der Umgebung. Verrutscht eine kleine Unterlegscheibe, erkennt das KI-Modell das Problem visuell. Es passt den Griff an oder nutzt spontan die zweite Hand für die korrekte Positionierung. Diese Fähigkeit zur Improvisation basiert auf einem tiefen Verständnis physikalischer Gesetzmäßigkeiten. Fällt ein Gegenstand aus der Hand, greifen die mechanischen Finger in Echtzeit nach, um den Fall abzufangen. In einem Versuch rüttelt das KI-Modell sogar selbstständig an einer Plastiktüte, um ein Plüschtier vollständig hineingleiten zu lassen. Entwickler programmieren solche spezifischen Korrekturbewegungen nicht mehr explizit vor. Anzeige Daten aus der realen Welt Die Basis für diesen Fortschritt bilden neuartige Trainingsmethoden. Generalist AI verzichtet für das Basis-Training vollständig auf teure Teleoperation oder rein simulierte Datensätze. Das KI-Modell lernt stattdessen im Vorfeld aus 500.000 Stunden menschlicher Interaktion. Spezielle tragbare Sensoren erfassen diese feingliedrigen Bewegungsdaten direkt an menschlichen Händen. Um eine völlig neue physische Aufgabe zu erlernen, benötigt GEN-1 anschließend nur noch eine einzige Stunde an spezifischen Roboterdaten. Das senkt den Aufwand für die Adaption an neue Hardware drastisch. Weg in die wirtschaftliche Anwendung Die Kombination aus hohem Tempo, Ausfallsicherheit und spontaner Fehlerkorrektur öffnet neue Optionen für die kommerzielle Robotik. Die Modelle erreichen erstmals Leistungsniveaus, die den Einsatz außerhalb stark kontrollierter Fabrikhallen wirtschaftlich attraktiv machen. Dadurch lassen sich mechanische Helfer zunehmend in dynamischen Arbeitsumgebungen einsetzen.