Wetenschappers hebben een innovatief fundatiemodel ontwikkeld dat de manier waarop robots fysieke taken uitvoeren fundamenteel kan veranderen. Het model, dat PhysWord wordt genoemd, is ontworpen om de kloof te dichten tussen het begrijpen van taal en het daadwerkelijk uitvoeren van complexe, fysieke bewegingen. Waar traditionele systemen vaak moeite hebben om gedetailleerde fysieke dynamiek uit te drukken via taal, of juist de structuur missen bij puur latente redenering, biedt PhysWord een hybride oplossing.
Volgens een wetenschappelijke publicatie op arxiv.org hanteert het systeem een aanpak van 'redeneren vóór het handelen'. De kern van deze technologie is de introductie van zogenaamde 'Physical Words'. Dit zijn atomaire actiewerkwoorden die fungeren als semantische ankers. Door deze woorden te koppelen aan continue representaties van fysieke bewegingen, kan het model complexe acties organiseren in herbruikbare bouwstenen. In de context van taal verwijst de term 'physical' doorgaans naar zaken die betrekking hebben op het lichaam of de materiële wereld, zoals uiteengezet in het collinsdictionary.com.
Werking en technische implementatie
Het PhysWord-model werkt door toekomstige atomaire actiewoorden te voorspellen. De verborgen contextuele toestanden van deze woorden worden direct uitgelijnd met latente doelen die zijn afgeleid van toekomstige observaties. Dit creëert een temporeel gestructureerde ruimte waarin actiewoorden beschikken over zowel visuele als optionele tactiele varianten. Door deze woorden autoregressief over toekomstige tijdstappen te voorspellen, kan de robot de overgangen tussen verschillende fasen van een taak nauwkeurig vastleggen.
De resultaten van dit model zijn opvallend. In tests op de visie-gebaseerde LIBERO-Long benchmark behaalde PhysWord een score van 99,6%, terwijl het op de visuotactiele UniVTAC-benchmark een succespercentage van 90,3% behaalde. Het model vertoont bovendien superieure prestaties bij het gebruik van bimanuele grijpers en dexterous hands in vergelijking met bestaande methoden. Een cruciaal aspect hierbij is de generalisatie: de robot is in staat om manipulaties over een lange horizon uit te voeren, zelfs in scenario's die het systeem nog nooit eerder is tegengekomen.
Academische context en aanvullend onderzoek
De ontwikkeling van PhysWord past in een bredere internationale trend naar meer autonome systemen. In België wordt aan complementair onderzoek gewerkt om de interactie tussen machines en hun omgeving te verbeteren. Zo richt de kuleuven.be zich binnen diverse PhD-projecten op autonome manipulatie voor risicovolle operaties en de integratie van multimodale visie- en taalrepresentaties.
Naast de semantische sturing van acties is de fysieke precisie van een robot essentieel. Dit vereist geavanceerde perceptie, zoals het bepalen van de exacte positie en oriëntatie van objecten in een driedimensionale ruimte. In een uantwerpen.be wordt de nadruk gelegd op 6D-objectpose-schatting en tracking, wat onmisbaar is voor precisie-operaties zoals industriële assemblage.
Hoewel PhysWord een significante stap voorwaarts is in hoe robots fysieke acties 'begrijpen' via een specifiek vocabulaire, blijft de synergie tussen gestructureerde redenering en nauwkeurige sensorische input de belangrijkste drijfveer voor de volgende generatie intelligente machines.