Der Ansatz eines Start-ups für ein gemeinsames Robotergehirn

Dream Labs hat eine Seed-Finanzierungsrunde über 90 Millionen US-Dollar und den öffentlichen Start von Dream API angekündigt. Nach Angaben des Unternehmens kann der Dienst das Kamerabild eines Roboters und Anweisungen in einfachem Englisch in Motorbefehle übersetzen. Das Start-up aus San Francisco positioniert die Technologie als Antwort auf ein langjähriges Problem der Robotik: Maschinen werden häufig für eine eng definierte Aufgabe gebaut und programmiert, und die Übertragung dieses Lernens auf einen anderen Roboter kann erhebliche zusätzliche Arbeit erfordern.

Das Unternehmen erklärt, sein Spitzenmodell Dream-1 könne mit Robotern verschiedener Hersteller arbeiten, darunter Hardware, der es zuvor nicht begegnet sei. Die zentrale These lautet, dass das Training mit Videos von Menschen bei alltäglichen Aufgaben dem Modell übertragbare Muster der physischen Welt vermittelt. Dream Labs zufolge können Nutzer kompatible Roboter mit Greifern an die API anschließen und sie anhand visueller Eingaben und natürlicher Sprache Aufgaben ausführen lassen.

Die Ankündigung kommt zu einer Zeit des Wachstums in der Industrierobotik, doch der Einsatz bleibt durch den Aufwand für Einrichtung und Anpassung begrenzt. Dream Labs verweist auf weltweit 5 Millionen installierte Industrieroboter und argumentiert, die meisten seien weiterhin für eine einzige Aufgabe programmiert. Das Unternehmen sagt außerdem, das Anlernen einer Aufgabe könne durch Spezialisten Monate dauern und eine Änderung der Aufgabe oder Hardware einen Neustart erfordern.

Vom Kamerabild zum Motorbefehl

Dream API soll als Entwicklerschicht zwischen dem Gesehenen, der menschlichen Anweisung und den für die Motorsteuerung erforderlichen Aktionen dienen. Laut Unternehmensbeschreibung liefert der Nutzer Kameradaten und eine schriftliche Anweisung, während Dream-1 die entsprechenden Roboteraktionen erzeugt.

Der Ansatz verbindet mehrere schwierige Herausforderungen: eine Szene aus Bildern zu verstehen, eine Sprachanweisung den relevanten Objekten zuzuordnen und eine Aktionsfolge abzuleiten, die eine bestimmte Maschine physisch ausführen kann. Dream Labs zufolge ist der Ansatz hardwareübergreifend übertragbar, weil das Modell aus Videos und nicht aus Daten eines einzelnen Roboters lernt.

Das Unternehmen beschreibt dies als Zero-Shot-Lernen für neue Roboter mit Greifern. Damit ist die Behauptung gemeint, ein Roboter könne ohne aufgabenspezifische Daten für dieses Gerät nützliche Arbeit leisten. Dies ist eine ambitionierte Leistungsbehauptung; unabhängige Benchmarks oder Vergleichstests liefert die Ankündigung nicht. Entwickler müssen die API auf ihrer eigenen Hardware, für ihre Aufgaben und in ihren Umgebungen prüfen.

Eine öffentliche API und ein Weg zur Anpassung

Die öffentliche Verfügbarkeit ist ein wichtiger Teil des Starts. Dream Labs zufolge können Entwickler und Robotikbegeisterte sich anmelden und Roboter mit Greifern verbinden. Die Modelle laufen laut Unternehmen in Rechenzentren und sollen von verschiedenen Standorten aus schnelle Antworten liefern.

Das Start-up bietet außerdem Fine-Tuning als Dienstleistung an. Für nicht unterstützte Hardware oder neue Fähigkeiten können Hersteller und Entwickler eine kleine Menge an Demonstrationsdaten für ein angepasstes Modell einreichen. Dream Labs erklärt, ein solches Modell innerhalb weniger Stunden zurückgeben zu können. Das Produkt bietet damit ein allgemeines Modell für den sofortigen Einsatz und eine Anpassungsoption, wenn dieses nicht ausreicht.

Diese Aufteilung zeigt ein praktisches Spannungsfeld der Robotik. Allgemeine Modelle könnten den anfänglichen Einsatzaufwand reduzieren, doch reale Systeme unterscheiden sich bei Kameras, Greifern, Bewegungsgrenzen, Arbeitsräumen und Sicherheitsanforderungen. Die Ankündigung nennt nicht im Detail, welche Roboter und Aufgaben zum Start unterstützt werden oder wie sich die Leistung zwischen Basis- und angepassten Modellen verändert.

Was die Finanzierung signalisiert

B Capital und Kindred Ventures führten die 90-Millionen-Dollar-Seed-Runde an. Laut Dream Labs beteiligten sich A.Capital, Unusual Ventures, SV Angel, Wing VC, Scribble VC und Adrian Aoun. Die Größe der Runde unterstreicht das Investoreninteresse an Software, die bestehende Roboterhardware flexibler machen könnte.

Dream Labs beschreibt die Marktchance als Missverhältnis: Kostengünstige Roboter werden leichter erhältlich, doch nutzbare Intelligenz und eine schnelle Aufgabeneinrichtung bleiben schwer zugänglich. Die These des Unternehmens lautet, eine Softwareschicht zur Übertragung gelernter Fähigkeiten könne die Zeit von der Hardwareinstallation bis zur nützlichen Arbeit verkürzen.

Die Formulierungen des Unternehmens sind bewusst weit gefasst. Dream-1 könne jeden Roboter mit Greifern „out of the box“ steuern und einen neuen Roboter binnen Minuten statt Monaten nützlich machen. Diese Aussagen beschreiben den Produktanspruch, sind aber nicht als unabhängig verifizierte Ergebnisse zu verstehen. Die Bedeutung des Starts hängt davon ab, ob das System außerhalb von Demonstrationen und unter den wechselhaften Bedingungen des Robotikeinsatzes zuverlässig arbeitet.

Der nächste Test findet im Betrieb statt

Die Robotik hat wiederholt gezeigt, dass eine in kontrollierter Umgebung einfache Aufgabe durch Änderungen bei Beleuchtung, Objektposition, Kameraperspektive oder Hardwareverhalten deutlich schwieriger werden kann. Ein übertragbares Modell ist attraktiv, weil es den Engineering-Aufwand für jede neue Konfiguration verringern könnte. Die Einführung wird jedoch von offenen Fragen abhängen: Erfolgsquote, Umgang mit Fehlern, verfügbare Sicherheitskontrollen und Aufgaben, die zuverlässig ausgeführt werden können.

Dream Labs hat neben der Finanzierungsankündigung nun auch eine Produktschnittstelle veröffentlicht, mit der Entwickler die Behauptungen direkt testen können. Wenn das videobasierte Modell Fähigkeiten wirksam zwischen kompatiblen Robotern übertragen kann, könnte es den Einsatz von einmaliger Programmierung hin zu wiederverwendbaren Lernfähigkeiten bewegen. Falls nicht, wird der Start dennoch die Grenze zwischen einem allgemeinen Robotermodell und der für reale Arbeit erforderlichen Anpassung verdeutlichen.

Dieser Artikel basiert auf einer Berichterstattung von The Robot Report. Originalartikel lesen.

Originally published on therobotreport.com