Embodied AI

Verkörperte KI stellt einen grundlegenden Wandel von passiven Algorithmen hin zu intelligenten Systemen dar, die eine physische oder simulierte 3D-Umgebung wahrnehmen, Schlussfolgerungen ziehen und mit ihr interagieren können. Im Gegensatz zu herkömmlichen maschinellen Lernmodellen, die ausschließlich mit statischen Datensätzen arbeiten, verfügen diese Systeme über einen „Körper“ – sei es ein physisches Roboterchassis oder ein virtueller Avatar –, der es ihnen ermöglicht, Aktionen auszuführen und aus kontinuierlichem Feedback aus der Umgebung zu lernen. Durch die Kombination von Sensoreingaben mit intelligenter Entscheidungsfindung überbrücken verkörperte Agenten die Lücke zwischen digitaler Berechnung und Ausführung in der realen Welt.

Wie verkörperte Systeme die Welt wahrnehmen#

Im Zentrum dieser dynamischen Systeme steht fortschrittliche Computer Vision, die es dem Agenten ermöglicht, seine Umgebung räumlich zu verstehen. Um sicher und effektiv zu navigieren, sind verkörperte Agenten in hohem Maße auf Objekterkennung in Echtzeit und kontinuierliche Posenschätzung angewiesen. Beim Aufbau der neuronalen Pfade für diese Agenten integrieren Entwickler häufig Deep-Learning-Frameworks aus dem PyTorch-Ökosystem oder Bereitstellungswerkzeuge für TensorFlow, um komplexe räumliche Daten zu verarbeiten.

Um echte Autonomie zu erreichen, nutzen diese Systeme zunehmend Vision-Language-Modelle zusammen mit leistungsfähigen Engines für Inferenz in Echtzeit. Dadurch kann die KI nicht nur eine Tasse erkennen, sondern auch komplexe Anweisungen wie „Nimm die rote Tasse am Rand des Tisches“ verstehen. Die Forschung von Einrichtungen wie dem Stanford-Institut für menschenzentrierte künstliche Intelligenz (HAI) erweitert kontinuierlich die Grenzen der Integration multisensorischer Daten durch diese Agenten.

Verwandte Begriffe aus der künstlichen Intelligenz unterscheiden#

Um dieses Gebiet zu verstehen, muss man es von eng verwandten Konzepten abgrenzen:

• Robotik: Die Robotik konzentriert sich stark auf die mechanische Hardware, Aktoren und Motorsteuerung. Verkörperte KI stellt die kognitive Softwareschicht bereit, die die Hardware autonom macht, wie es Projekte mit dem Atlas-Roboter von Boston Dynamics zeigen.
• Physische KI: Obwohl die Begriffe häufig synonym verwendet werden, setzt physische KI zwingend greifbare Hardware in der realen Welt voraus. Verkörperte KI ist umfassender und schließt virtuelle Agenten ein, die in simulierten Umgebungen mit 3D-Physik wie der Robotikplattform Isaac von NVIDIA trainiert werden.
• KI-Agent: Herkömmliche KI-Agenten arbeiten in digitalen Umgebungen, beispielsweise beim Surfen im Internet oder beim Schreiben von Code. Verkörperte Agenten sind darauf spezialisiert, räumliche Dimensionen, physische Einschränkungen und kontinuierliche sensorische Datenströme zu verarbeiten.

Anwendungen in der Praxis#

Die Verbindung von kognitivem Schlussfolgern mit physischen Aktionen hat zu wegweisenden Anwendungen in zahlreichen Branchen geführt, die ausführlich in der digitalen ACM-Bibliothek für KI-Forschung dokumentiert sind.

• Autonome Fahrzeuge: Selbstfahrende Autos nutzen verkörperte Intelligenz, um durch Stadtstraßen zu navigieren. Sie verarbeiten kontinuierliche Lidar- und Kameradaten, um Verkehrsschilder und die Bewegungen von Fußgängern zu interpretieren – ähnlich wie die Technologie für autonomes Fahren von Waymo, die sicher mit dynamischen städtischen Umgebungen interagiert.
• Intelligente Fertigung: Mit Ultralytics YOLO26-Modellen ausgestattete Roboterarme führen komplexe Aufgaben am Fließband aus. Sie erkennen, greifen und sortieren fehlerhafte Teile dynamisch und veranschaulichen damit Prinzipien, die in aktueller Robotikforschung von DeepMind untersucht werden.
• Landwirtschaftliche Drohnen: Unbemannte Luftfahrzeuge nutzen räumliches Verständnis, um die Gesundheit von Nutzpflanzen zu überwachen und Ressourcen gezielt nur dort auszubringen, wo sie benötigt werden. Dadurch reduzieren sie Verschwendung und steigern den Ertrag.

Wahrnehmung für verkörperte Agenten entwickeln#

Entwickler, die diese physischen Systeme entwickeln, nutzen häufig die Ultralytics Platform, um dynamische Trainingsdaten zu annotieren und kompakte KI für Edge-Geräte nahtlos direkt auf Hardware mit geringem Energieverbrauch bereitzustellen.

Das folgende Python-Beispiel zeigt, wie ein Roboteragent mithilfe eines visuellen Modells kontinuierlich interaktive Objekte in seiner Umgebung erkennen kann.

from ultralytics import YOLO

# Load the lightweight YOLO26 model designed for real-time edge hardware
model = YOLO("yolo26n.pt")

# Perform continuous object detection on a robotic camera feed
results = model.predict(source="camera_feed.mp4", stream=True)

# Process the spatial bounding boxes to guide robotic interaction
for r in results:
    print(f"Detected {len(r.boxes)} objects ready for physical interaction.")

Während sich die Bereiche Hardwaredesign und kognitive Modellierung weiterentwickeln – geleitet von Ausrichtungsbemühungen wie Anthropics Forschung zur KI-Sicherheit und OpenAIs neuesten Modellen für Schlussfolgerungen –, werden verkörperte Systeme weiter aus Forschungslaboren in alltägliche Umgebungen übergehen, wie häufig in der Robotikberichterstattung von IEEE Spectrum hervorgehoben wird.