Alibabas Amap veröffentlicht Lambda-0: Humanoide lernen aus 500 Stunden Alltag von Menschen

Humanoide lernen heute vor allem von Humanoiden: Ein Mensch steuert den Roboter mit Fernsteuerung, die Maschine zeichnet auf, das Modell lernt nach. Das ist teuer, langsam und schwer zu skalieren. Amap, die Karten- und Ortungssparte von Alibaba, dreht den Ablauf um. Das Team hat mit der Alibaba-Gruppe ATH das Modell Lambda-0 veröffentlicht, das ausschließlich aus Aufnahmen lernt, die Menschen mit Kameras am Körper gemacht haben. Der Code steht unter einer offenen Lizenz, das Paper ist veröffentlicht.

Die Idee. Wer einem Roboter das Laufen, Stehen und beidhändige Arbeiten beibringen will, braucht Daten über den ganzen Körper — Rumpf, Hüfte, Beine. Die meisten vorhandenen Modelle schauen nur auf Hände und Arme. Lambda-0 setzt deshalb auf Aufnahmen aus der Ich-Perspektive: Testpersonen tragen handelsübliche Geräte und gehen ihren Alltag. Ein Roboter ist bei der Aufnahme nicht dabei.

Bewegungserfassung am Menschen: Aus Aufnahmen wie dieser lernt Lambda-0 Körperhaltung und Handgriffe (Quelle: Pandaily)

Was das an Zeit spart. Für eine typische Aufgabe dauert eine menschliche Demonstration nach Angaben des Teams 29 Sekunden. Mit einem ferngesteuerten Roboter sind es rund 100 Sekunden. Aus diesem Verfahren entstand ein Datensatz von 500 Stunden, den das Team HumanVerse-500 nennt und in dem Bild, Körperbewegung und Handgriffe aufeinander abgestimmt sind. Das heißt konkret: Ein Betrieb, der einem Roboter eine neue Tätigkeit beibringen will, braucht künftig vielleicht einen Mitarbeiter mit Kamera statt eines Roboters mit Fernsteuerung.

Wie das Modell trainiert wird. Das Training läuft in drei Stufen: erst Handgriffe, dann das Zusammenspiel des ganzen Körpers, zuletzt die Übertragung auf die Maschine. Weil ein Mensch anders gebaut ist als ein Roboter, gleicht das Verfahren Blickwinkel und Bewegungsabläufe ab und arbeitet sich von grob nach fein an den Kontakt heran. So bleibt die Körperkoordination erhalten, während der Griff genauer wird.

Was die Zahlen sagen. Im Simulationsverfahren Simple erreicht Lambda-0 rund 90 Prozent. In sieben längeren Aufgaben, bei denen der Roboter sich bewegen und greifen muss, wurde das Modell ohne Nachtraining auf einen Unitree G1 übertragen. Dort lag die Erfolgsquote bei 62,5 Prozent und damit 22,5 Prozentpunkte über dem besten Vergleichsmodell. Wichtig für die Einordnung: Je mehr menschliche Daten dazukamen, desto besser wurde der Roboter, auch bei gleichbleibenden Roboterdaten. Genau das ist die These der Arbeit.

Was davon noch fehlt. 62,5 Prozent heißt: etwa jeder dritte Versuch scheitert. Für eine Vorführung ist das viel, für eine Schicht im Betrieb zu wenig. Die Werte stammen aus der eigenen Arbeit und sind nicht unabhängig nachgestellt. Trotzdem ist die Richtung relevant: Wenn menschliche Daten tatsächlich reichen, um Robotern neue Bewegungen beizubringen, sinkt der teuerste Posten in der Robotik. Nicht der Roboter kostet dann das Geld, sondern die Zeit, in der er etwas lernen muss.