Skild AI: Pionierarbeit bei der Omniknörper-Intelligenz durch Simulation

Seit Jahren hat die Robotik mit demselben hartnäckigen Problem zu kämpfen: Wie entwickelt man Roboter, die tausende Aufgaben in tausenden Umgebungen und mit einer Vielzahl von Morphologien ausführen können? Während die künstliche Intelligenz durch das einfache Rezept großer Datensätze, großer Netzwerke und GPU-Training bemerkenswerte Erfolge in den Bereichen Sprache und Vision erzielt hat, stellt eine zuverlässige physische KI, die Physik und räumliche Beziehungen versteht und die richtigen motorischen Befehle ausgibt, neue Herausforderungen dar.

Im Gegensatz zu Bereichen mit einer Fülle von Internetdaten litt die Robotik unter einer kritischen Datenknappheit. Die Erfassung realer Daten mit physischen Robotern ist langsam und teuer. Der Betrieb von Robotern für die Datenerfassung dauert Minuten, um eine einzige hochwertige Demonstration zu generieren. KI-Systeme benötigen jedoch Milliarden von Trainingsmustern, um effektiv zu sein. Roboter ohne ausreichende Trainingsdaten, um zuverlässig zu funktionieren, können nicht in großem Maßstab eingesetzt werden, um neue Betriebsdaten zu erfassen und komplexere Fähigkeiten zu trainieren. Diese Einschränkung hat dazu geführt, dass die Robotik in beeindruckenden Demonstrationen mit begrenztem Erfolg bei der Bereitstellung in der realen Welt festgehalten wird.

Skild AI hat ein echtes Robotik-Foundation-Modell namens Skild Brain entwickelt. Im Gegensatz zu anderen Robotik-Modellen, die für bestimmte Robotertypen überangepasst sind, ist das Skild Brain universell einsetzbar, was bedeutet, dass es jeden Roboter steuern kann, auch ohne dessen genaue Bauweise zu kennen. Wie ein menschliches Gehirn verfügt es über einen hochrangigen Entscheidungsträger, der bestimmt, was der Roboter tun soll (wie „Heb diese Tasse auf“), und einen untergeordneten Controller, der die präzisen Muskelbewegungen übernimmt, die zur Ausführung dieser Befehle erforderlich sind.

Um die Datenknappheit zu überwinden, nutzt Skild AI zwei alternative Datenquellen: die physikbasierte Generierung synthetischer Daten und menschliche Videos aus dem Internet. Im Gegensatz zur realen teleoperierten Datenerfassung sind diese Quellen fast unbegrenzt skalierbar. Simulationen können skaliert werden, indem sie auf mehr GPUs dupliziert werden, während im Internet ein riesiger, ständig wachsender Datensatz an Videos verfügbar ist. 

Der wichtigste Durchbruch des Unternehmens sind Modelle, die sich über kontextbezogenes Lernen anpassen. Durch Analysieren, wenn Aktionen nicht wie erwartet funktionieren, entwickeln die Roboter etwas, das der Intuition ähnelt, und passen ihr Verhalten an verschiedene Umgebungen an. Dies ermöglicht es Robotern, in komplexen Umgebungen dynamisch zu arbeiten, ohne dass für jedes Szenario vorprogrammierte Anweisungen erforderlich sind.

Skild AI nutzt Isaac Lab, um die Simulations-Trainingsszenarien zu entwickeln, die für die Entwicklung von Robotern mit bestärkendem Lernen unter herausfordernden Bedingungen erforderlich sind. Das Unternehmen nutzt Cosmos Transfer, um Trainingsdatensätze mit Umgebungsvariationen zu ergänzen und so den Umfang und die Robustheit der neuronalen Trainingsdaten zu erweitern. Dieser vielseitige Simulationsansatz ermöglicht es Skild AI, Jahrtausende an Erfahrung innerhalb von Tagen zu sammeln, wodurch ein groß angelegtes Robotertraining mit beispielloser Geschwindigkeit möglich wird.

Skild AI hat Simulationen im großen Maßstab mit Tausenden von Roboterinstanzen in mehreren Ausführungsformen erstellt, einschließlich Humanoiden, Quadrupedern und Roboterarmen, die jeweils mit unterschiedlichen Morphologien ausgestattet wurden und in Tausenden von Umgebungen eingesetzt wurden, um die Generalisierung zu maximieren. Dieses Training zur Generierung synthetischer Daten unterstützt ein universell einsetzbares Gehirn und verhindert, dass das KI-Modell Lösungen für bestimmte Hardware-Konfigurationen speichert, und zwingt es stattdessen, kontextbezogene Lernstrategien zu entwickeln, die universell für alle Robotertypen funktionieren.

Die Generierung synthetischer Daten durch fortschrittliche Simulation stellt eine zentrale Säule des Technologie-Stacks von Skild AI dar. Das Unternehmen generiert Milliarden von Trainingsbeispielen durch physikbasierte Simulation, sodass Roboter Ausfallszenarien sicher und umfassend erleben können.

Dies ist unerlässlich, da Roboter im Vergleich zu den begrenzten Möglichkeiten des Erfolgs unzählige Möglichkeiten des Scheiterns haben, was es unmöglich macht, alle Ausfallszenarien mit der herkömmlichen Datenerfassung zu erfassen. Mit Cosmos Transfer ist Skild AI in der Lage, Datensätze über Prompts zu erweitern und zu multiplizieren und verschiedene Umgebungsbedingungen, Lichtszenarien und visuelle Merkmale zu generieren, um die Robustheit des Trainings zu maximieren. Die Simulation ermöglicht es Robotern, Millionen von Ausfällen in verschiedenen Umgebungen sicher zu erleben, bevor sie den richtigen Ansatz beherrschen. Dadurch wird die Robustheit erreicht, die für die reale Bereitstellung erforderlich ist.

Das Modell zeigt eine bemerkenswerte Anpassungsfähigkeit an mechanische Änderungen und erholt sich von blockierten Rädern innerhalb von 2–3 Sekunden und von gebrochenen Beinen nach mehreren Versuchen, ohne dass es zu Ausfällen kommt. Diese Widerstandsfähigkeit erstreckt sich auf Extremszenarien, einschließlich des Gehens auf Stelzen mit erweiterten Bein-Körper-Verhältnissen, die die Trainingsparameter überschreiten, und ist eine Form des Zero-Shot-Lernens, das echte Generalisierungsfunktionen aufweist.

Der zweite wichtige Teil ist das Lernen aus menschlichen Videos. Um die Vielfalt der realen Welt einzufangen, nutzt Skild AI die Billionen von Videos, die online verfügbar sind, die Menschen bei der Ausführung verschiedener Aufgaben auf Plattformen zeigen. Durch die Behandlung von Menschen wie biologische Roboter hat das Unternehmen fortschrittliche Techniken entwickelt, um Affordanzen zu extrahieren. Dies half dem Robotergehirn zu verstehen, wie Objekte durch die Beobachtung menschlicher Interaktionen manipuliert werden sollten.

Die KI-Computing-Infrastruktur von NVIDIA erfüllt die enormen Rechenanforderungen für das Training von Robotik-Foundation-Modellen in mehreren Datenmodalitäten gleichzeitig. Die Bibliotheken und Frameworks für beschleunigtes Computing und Simulation von NVIDIA bilden zusammen die grundlegende Infrastruktur, die es Skild AI ermöglicht, mit kostengünstiger Hardware bahnbrechende Ergebnisse zu erzielen. Sie entwickeln Roboter, die 4.000 bis 15.000 US-Dollar kosten, im Vergleich zu herkömmlichen Robotersystemen, die Investitionen von über 250.000 US-Dollar erfordern.