Will Knight vil have en robot til at fodre sin kat. Den erfarne skribent på WIRED, der dækker kunstig intelligens, har en bengalkat ved navn Leona og en plan: en lille, gående robot, der finder hende, bukker med hovedet og slipper en godbid fra et rum, der er 3D-printet til at sidde oven på robotten. Godbidden er ikke nyheden. Nyheden er, at robotten allerede fungerer i software, og at en AI-model stod for det meste af den træning, som en robotingeniør normalt ville udføre manuelt.

Robotten er en virtuel Microduck, den andeformede tobenede robot fra Pollen Robotics, robotafdelingen hos Hugging Face. Knight lærte den at gå rundt i et rum uden at vælte og at udpege enhver bengalkat i nærheden. Han fortæller, at arbejdet tog nogle få timer, hvor det tidligere kunne have taget ham flere uger. I sin klumme kalder han det robotteknologiens fremtid. Det er halvt rigtigt. Træningsforløbet er blevet voldsomt forkortet. Men det, der ligger på hver side af forløbet, har stort set ikke ændret sig.

Hvad modellen faktisk gjorde

Knight satte OpenAI‘s GPT-6 Sol sammen med Hermes, et agentbaseret system fra Nous Research, der kørte på en Nvidia DGX Spark, en stationær computer bygget op omkring en kraftig AI-chip. Modellen gjorde mere end at skrive kode. Via Nvidia’s Isaac Sim sendte den instruktioner til modellen, der styrede den simulerede and, så video af anden i aktion, vurderede hvordan det gik og foreslog ændringer af træningsforløbet. Kør, se, justér, gentag: Det er den langsomme og utaknemmelige del af robotlæring, og det er netop den del, der blev automatiseret.

Professionelle laboratorier melder om den samme udvikling. På UC Berkeley gav professor Ken Goldbergs gruppe OpenAI’s Astra-model adgang til et Nvidia-værktøj ved navn Newton, viste den et klip af en virkelig robot og bad den genskabe scenen som en simulering. »Det, der slog os alle sammen, var, at den på en time havde lavet en komplet 3D-simulering med alle parametrene indstillet – kameraets placering, belysningen, baggrunden, alle materialerne,« fortalte Goldberg WIRED. Astra kan også gennemføre eksperimenterne og undersøge resultaterne, siger han, og dermed overtage en stor del af det slidsomme arbejde med at træne en robot i en simulering.

Metoden har nu fået et navn. ASPIRE er et rammeværk, hvis ophavsmænd omfatter Goldberg og Nvidia’s Jim Fan. Her skriver en stor sprogmodel robottens styrekode, læser udførelsessporene, når noget går galt, reparerer programmet og gemmer den løsning, der virker, i et færdighedsbibliotek, som senere opgaver kan trække på. Fans laboratorium hos Nvidia lagde ifølge ToolNavs og RuntimeWire version 1.0 af koden på GitHub under Apache 2.0-licensen i midten af oktober. I en demonstration lærer robotarme at løse en Rubiks terning. »Den tager fat i den og prøver at dreje den, men vinklen er forkert,« fortalte Fan WIRED. »Så ræsonnerer den i meget, meget lang tid, men til sidst kan den løse den, fordi den lærer færdighederne hen ad vejen.«

Den færdighed, der blev billig, er lejet

Her er den del, som fortællingen om »vibe-robotteknologi« springer over. ASPIRE-artiklen siger det ligeud: Systemets ydeevne afhænger af den avancerede model, der ligger under det. Når det kører på Anthropic‘s Claude Opus 5.5, rapporterer det en gennemsnitlig succesrate på 99 procent på tværs af alle 80 manipulationsopgaver i LIBERO-Pro. Det er et tal, projektet selv har rapporteret, og det er endnu ikke blevet uafhængigt efterprøvet. Projektets egen liste over begrænsninger siger, at systemet er afhængigt af en fastlåst avanceret model, og at det endnu ikke er verificeret, om mindre modeller kan opretholde det samme fejlfindingsforløb.

Følger man den tanke til ende, lærer en hobbyists and og en Berkeley-labs robotarm nu omtrent lige så godt, som den store model, de kan trække på, tillader. Den tekniske ekspertise, der før satte grænserne for robotteknologien, er ikke forsvundet. En stor del af den ligger nu inde i den avancerede model, som udvikleren har råd til at bruge.

Anden står stadig i kø

Den anden side af forløbet er hardwaren, og Knight venter stadig på sin. Pollen åbnede forudbestillinger af Microduck til 399 dollar i slutningen af august med forventet levering inden jul. Business Insider rapporterede med henvisning til Hugging Face-medstifter Thomas Wolf, at ordrerne nåede over 2,6 millioner dollar i løbet af de første 24 timer. Kort efter blev leveringstiden for nye ordrer ændret til fire-seks måneder. Gadget Flow skriver, at butikken nu advarer om, at de nuværende forudbestillinger først bliver sendt efter april 2027. Træning i en simulering er den planlagte fremgangsmåde: Pollen anbefaler selv, at ejere træner robotten i forskellige handlinger på en virtuel and og overfører dem til den fysiske robot. Men en færdig træningsmodel, der stadig venter på en krop, har endnu ikke mødt et gulvtæppe, et sofaben eller en kat, der nægter at samarbejde.

Knight lægger heller ikke skjul på resten. Skriver han, fungerer synssystemet på hans and ikke godt nok til at blive brugt i et rigtigt produkt. Da han gav modellen en GIF af Michael Jackson for at lære den moonwalk, endte flere timers arbejde med det, han kalder en meget munter baglæns småjoggen. ASPIRE-forfatterne peger på de samme typer mangler, når systemet skal bruges i virkeligheden: pålidelig registrering af succes, sikre nulstillinger, sikkerhedsovervågning og kalibrering. Det handler alt sammen om at vide, hvad der rent faktisk skete i et fysisk rum – og det er præcis det, en simulator ikke kan fortælle dig.

Hvor pengene er på vej hen

Interessen bliver ikke mindre af den grund. Goldberg siger, at flere virksomheder inden for industriel robotteknologi og automatisering har vist interesse for metoden, og Knight mener, at hastigheden snart kan få stor betydning for produktion og e-handel. På Conference on Robot Learning i Austin i denne uge brugte Fan sin hovedtale til at vise Astra overtage styringen af en robotarm og male Golden Gate Bridge med maling og pensler, der lå i nærheden.

Konsekvensen er, at fejlene flytter sig. Når det tager timer i stedet for uger at lære en robot en handling, vil holdene træne langt flere af dem, og den knappe ressource bliver at bevise, hvilke der er sikre uden for simulatoren. En godbid, der rammer ved siden af Leonas skål, er en billig måde at lære den lektie på. En robotarm på et lager, der udfører en færdighed skrevet af en model, og som ingen har afprøvet på det virkelige lagergulv, er en dyr en.

Tags: nvidia, Hugging Face, Microduck, Pollen Robotics, robotter