In 2026 zien we robots met grote sprongen vooruitgaan, met een aanzienlijk verbeterde behendigheid, het soort vooruitgang dat lang nodig was in de zoektocht naar echt bruikbare huishoudhulpen. Nu is er een nieuw AI-model gearriveerd om robots aan te drijven door middel van activiteiten, waaronder wasgoed opvouwendozen bouwen, andere robots repareren en zelfs portemonnees vullen met dun papiergeld.
Eerder deze maand, een in Californië gevestigd bedrijf Generalistische AI heeft Gen-1 uitgebrachteen nieuwe fysieke AI model dat robots in staat stelt al deze taken (en meer) met succes uit te voeren. Het is een grote stap voorwaarts in termen van robots die zijn ontworpen voor de echte wereld en gebaseerd zijn op intelligentie afkomstig uit de echte wereld, vertelde Pete Florence, medeoprichter en CEO van Generalist AI.
In de meeste voorbeeldvideo’s die het bedrijf publiceert, zie je Gen-1 draaien op een paar robotarmen, maar dat is niet het enige waarvoor het is gebouwd. “Gen-1 is ontworpen om het brein van elke robot te zijn, wat betekent dat hetzelfde model kan draaien op een humanoïde, een industriële arm of andere robotsystemen”, aldus Florence.
Dit is al gebleken doorbraakjaar voor humanoïde robots voor algemeen gebruikmet onder meer bedrijven Boston-dynamiek En Eer het onthullen van geavanceerde bots die in staat zijn tot griezelig menselijke bewegingen. De verwachting is dat de markt voor robots zal exploderen schatting van Morgan Stanley het voorspellen van een groei naar een markt van $5 biljoen in 2050. Voorspellingen zien robots komen voor de industrie, detailhandel, horeca en zorgomgevingen voordat ze uiteindelijk in onze huizen terechtkomen. Om ons daar te krijgen, moeten we verdere vooruitgang zien op het gebied van AI.
Robots trainen om naast mensen te leven
De afgelopen jaren hebben we grote taalmodellen gezien, zoals ChatGPT, Gemini en Claudeevolueren razendsnel. Hetzelfde geldt niet voor de fysieke AI-modellen die nodig zijn om robots aan te drijven, grotendeels vanwege een gebrek aan gegevens om die modellen op te trainen. Robots – en vooral mensachtige robots – moeten leren navigeren in een wereld die voor mensen is gebouwd, net zoals een mens dat zou doen.
Vaak worden deze gegevens verzameld van robots die taken uitvoeren terwijl ze door mensen worden bestuurd, maar niet door Gen-1. In plaats daarvan is de dataset die wordt gebruikt om de modellen van Generalist AI te trainen, samengesteld door mensen die miljoenen verschillende taken uitvoeren met behulp van draagbare technologie.
“We hebben onze eigen lichtgewicht ‘datahanden’ gebouwd en deze wereldwijd verspreid om te leren hoe mensen daadwerkelijk omgaan met objecten, met alle subtiele force feedback, tastgevoelens, slips, correcties en herstelacties die de menselijke behendigheid in de echte wereld definiëren”, aldus Florence. “Dat soort gegevens zijn van cruciaal belang voor het aanleren van fysiek gezond verstand aan robots, het intuïtieve begrip en het vermogen om zich in realtime aan te passen in plaats van rigide instructies uit te voeren.”
Generalist AI heeft een reeks video’s uitgebracht waarin het model op robots draait en herhaaldelijk een reeks verschillende taken uitvoert, waarvan de meest overtuigende misschien wel een robot is die geld uit een portemonnee haalt voordat hij het opnieuw in dezelfde zak stopt. Dit is een lastige taak waar veel mensen over struikelen. Het is duidelijk ook niet gemakkelijk voor de robot, gezien de kwetsbaarheid van het papiergeld en de structuur van de portemonnee – en toch voltooit hij de taak.
In een andere video is een robot te zien die sokken op kleur sorteert, ze in nette stapeltjes vouwt en het aantal paren telt via een touchscreen. Andere lastige taken die het model kan uitvoeren zijn onder meer het uitpakken en vullen van een etui met pennen, het stapelen van sinaasappels in een nette piramide en het aansluiten van een Ethernet-kabel.
Deze video’s laten de omvang van de mogelijkheden van Gen-1 zien, maar indrukwekkender is het succespercentage waarmee het bepaalde taken kan voltooien. Generalistische AI mat de hitrate van het model ten opzichte van de vorige versie en ontdekte dat Gen-1 met succes een robotstofzuiger in 99% van de gevallen (was 50% voor Gen-0), vouw dozen in 99% van de gevallen (was 81% voor Gen-0) en verpakt telefoons in 99% van de gevallen (was 62% voor Gen-0).
Robots verbeteren
De meeste robots zijn geprogrammeerd om een taak op een specifieke en ordelijke manier uit te voeren. Maar wat gebeurt er als er een curvebal wordt gegooid? “De kleinste veranderingen in de omgeving kunnen mislukkingen veroorzaken”, zei Florence.
Een belangrijke vaardigheid die robots nodig hebben, die mensen van nature bezitten, is het vermogen om scherp te denken. Dit is de reden waarom Gen-1 is ontworpen met improvisatie in gedachten, zodat het strategieën kan bedenken om taken te voltooien. Florence geeft me een voorbeeld van een robot die twee handen gebruikt om een onhandig geplaatst onderdeel te verplaatsen voor een autotaak, ook al is hij alleen getraind om er één te gebruiken.
“Dit soort creativiteit was tot nu toe grotendeels afwezig in de robotica”, zei hij.
Er moet nog aanzienlijk werk worden verricht als het gaat om het verbeteren van de improvisatievaardigheden van robots, maar de eerste vorderingen laten een glimp zien van een positieve impact op zowel de betrouwbaarheid als de snelheid, zegt Florence. “We beginnen echte vooruitgang te zien en zijn enthousiast om de grenzen van belichaamde intelligentie te verleggen.”
Er kan immers een dag komen dat je een robot in huis nodig hebt die al je andere kleinere robots kan repareren.
