Onderzoekers testen compactere AI-besturing op G1

Q-WAM onderzoekt hoe AI-besturing minder rekengeheugen kan gebruiken zonder dat de robot veel slechter gaat bewegen. De preprint van 27 september beschrijft een aanpak die de meeste getallen compacter opslaat en de gevoeligste berekeningen beschermt. Naast simulaties zijn fysieke proeven uitgevoerd met een Unitree G1 en twee UR3-armen. G1 sorteerde gereedschap en andere voorwerpen, met grijpers, vier camera’s en een externe RTX 5090-computer. De compacte modellen deden het beter dan de vergeleken compressiemethode, maar bleven achter bij de oorspronkelijke modellen.

Wat betekent dit?

Minder rekengeheugen kan de benodigde computerhardware kleiner of betaalbaarder maken. Deze proef bewijst nog niet dat G1 de besturing op zijn eigen computer kan draaien. Ook blijft het belangrijk om verlies aan nauwkeurigheid op de werkelijke taak te meten.

Bron: Akbari en collega’s (arXiv) ↗. Samengevat door YourWally op basis van de publicatie van de onderzoekers.