Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind4. Januar 2024 · Q005730

AutoRT: Embodied Foundation Models for Large Scale Orchestration of Robotic Agents

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.

Kurz

Der Auszug beschreibt AutoRT, ein System, das laut den Forschenden mehr als 50 Roboter koordinierte und 77.000 reale Episoden für das Training sammelte. Die Autorinnen und Autoren berichten von vielfältigeren Daten und Verbesserungen beim gemeinsamen Feinabstimmen, doch der Auszug enthält keine konkreten Kennzahlen oder näheren Angaben zu Sicherheitsverfahren und Grenzen.

Mittel

Der bereitgestellte Text ist nur ein Auszug mit Abstract und bibliografischen Angaben, nicht der vollständige Bericht. Er stellt AutoRT vor, ein System zur Koordination von Robotern mit Unterstützung von Sprach-, Bild- und Handlungsmodellen. Laut den Forschenden wurde es mit mehr als 50 Robotern in mehreren Gebäuden eingesetzt; dabei seien 77.000 Episoden durch Fernsteuerung und autonomes Verhalten gesammelt worden. Die Arbeit beschreibt diese Daten als vielfältiger als solche aus Robotik-Laboren und berichtet, dass sie beim gemeinsamen Feinabstimmen die Leistung von Robotik-Richtlinien verbesserten.

Sprach- und Bild-Sprach-Modelle sollen zudem anhand ihrer Umgebung neue Aufgaben vorschlagen, Autonomie und Sicherheit abwägen und die Datenerhebung auf vielfältigere oder gezielte Situationen lenken können. Diese Punkte sind Aussagen der Autorinnen und Autoren. Der Auszug enthält weder konkrete Leistungskennzahlen noch ausführliche Angaben zu Sicherheitsverfahren, Fehlern oder Einsatzgrenzen; diese Aspekte bleiben daher offen.

Ausführlich lesen

Der bereitgestellte Text ist ein Auszug: Er enthält den Abstract sowie Angaben zu Autorinnen und Autoren, Veröffentlichungsort und Link, aber nicht den vollständigen Bericht. Die Arbeit stellt AutoRT vor, ein System zur Koordination größerer Gruppen von Robotern. Die Autorinnen und Autoren beschreiben, wie bestehende Foundation Models mit Sprache, Bildern und Handlungen genutzt werden können, um Roboter in vielfältigen, zuvor nicht vollständig bekannten Umgebungen mit wenig menschlicher Aufsicht einzusetzen.

Laut Abstract wurde AutoRT mit mehr als 50 Robotern in mehreren Gebäuden betrieben. Dabei seien 77.000 Episoden realer Roboterinteraktionen gesammelt worden: teils durch Fernsteuerung, teils durch autonomes Bewegen der Roboter. Die Forschenden bezeichnen diese Daten als vielfältiger als frühere Datensätze, die in Robotik-Laboren erhoben wurden. Sie berichten außerdem, dass die Verwendung dieser Daten beim gemeinsamen Feinabstimmen mit anderen Daten („co-fine-tuning“) die Leistung von Robotik-Richtlinien verbessere.

Als weitere Funktion beschreiben sie den Einsatz von Sprach- und Bild-Sprach-Modellen: Diese könnten aus der jeweiligen Umgebung neue Aufgabenanweisungen vorschlagen und ohne zusätzliches Feinabstimmen über Abwägungen zwischen Autonomie und Sicherheit nachdenken. So soll die Koordination eines größeren Roboterbestands möglich werden. Die Modelle könnten außerdem beeinflussen, welche Daten erhoben werden, etwa indem sie Roboter zu vielfältigeren Interaktionen oder zu Daten für bestimmte Situationen anleiten.

Die Aussagen zu Umfang, Vielfalt, Leistungsverbesserung und Fähigkeiten des Systems stammen aus der Zusammenfassung der Forschenden. Der vorliegende Auszug nennt keine Messwerte oder Vergleichsergebnisse, erläutert die Sicherheitsverfahren nicht im Einzelnen und enthält keine Angaben zu möglichen Fehlern oder Einschränkungen im praktischen Einsatz. Solche Details lassen sich aus dem bereitgestellten Text daher nicht beurteilen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19 ungeprüft

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 7 von 7
Angezeigte Modelle
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 40 %einzelne zitierbare Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 52 %einzelne zitierbare Belege
    • JEV 33 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-V3-T04 Wer muss Rechenschaft ablegen, wenn ein Modell Werte auf Lagen überträgt, die beim Training niemand vorhergesehen hat: das Modell, das Labor oder der Mensch, der das Ziel gesetzt hat? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 46 %einzelne zitierbare Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 38 %einzelne zitierbare Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 29 %nur am Rande erwähnt
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 44 %einzelne zitierbare Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →