AI2 stellt zwei Open‑Source‑Systeme vor, die in Simulation trainiert wurden und laut Forschenden direkt auf echten Robotern laufen sollen.
In Kürze
- Zero‑Shot‑Sim‑to‑Real: Modelle aus der Simulation ohne reale Nachdaten
- MolmoSpaces: 230.000 Räume, 130.000 Objekte, 42 Mio. Greif‑Annotationen
- MolmoBot: Greifen, Schubladen und Türen bedienen — ohne reale Trainingsdaten
Ai2 hat zwei offene Robotik‑Systeme vorgestellt, die ausschließlich in der Simulation trainiert wurden — und laut den Forschenden direkt auf echten Robotern funktionieren sollen, ohne zusätzliche reale Trainingsdaten oder Nachjustierung.
Was genau steckt dahinter?
Zero‑Shot‑Sim‑to‑Real‑Transfer ist das Kernziel: Ein in der Simulation gelerntes Modell wird ohne weitere reale Beispiele direkt auf einem physischen Roboter eingesetzt. Bisher war dafür oft monatelange Teleoperation durch Menschen nötig, um Simulationsergebnisse zuverlässig in die Praxis zu bringen. Ai2 will diesen Aufwand deutlich verringern.
Die beiden Open‑Source‑Bausteine
- MolmoSpaces: Eine enorme, künstliche Datenbasis mit mehr als 230.000 Innenraum‑Szenen, über 130.000 sorgfältig ausgewählten Objekten und mehr als 42 Millionen physikbasierten Greif‑Annotationen. Diese Annotationen beschreiben in der Simulation, wie und wo ein Roboter Gegenstände greifen kann.
- MolmoBot: Ein System, das auf MolmoSpaces aufbaut. MolmoBot kann Aufgaben wie Gegenstände greifen und ablegen sowie Schubladen und Türen bedienen — ohne jemals echte Trainingsdaten für diese konkreten Aktionen gesehen zu haben.
Wie das funktionieren soll
Ranjay Krishna, Leiter des PRIOR‑Teams bei Ai2, bringt die Idee auf den Punkt: Erhöht man die Vielfalt von Umgebungen, Objekten und Kamerabedingungen in der Simulation stark genug, schrumpft die Lücke zwischen Simulation und Realität. Mit anderen Worten: Je breiter der virtuellen Trainingsraum, desto robuster sollen die Modelle in der echten Welt auftreten.
Was du damit machen kannst
Alle Modelle und Werkzeuge sind offen zugänglich; technische Details und Ergebnisse hat Ai2 im zugehörigen Paper veröffentlicht. Wer sich die Implementierungen ansehen oder selbst ausprobieren will, findet dort den Startpunkt für eigenen Code und Tests.
Quellen
- Quelle: Ai2
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
