Wat is Embodied AI?

Embodied AI is kunstmatige intelligentie die waarneemt, leert en handelt via een fysiek systeem in een omgeving. Dat systeem kan bijvoorbeeld een robotarm, een rijdende robot of een virtuele agent in een simulatie zijn. De fysieke vorm, sensoren en bewegingsmogelijkheden bepalen mede wat het systeem kan leren en doen.

Embodied AI simpel uitgelegd

Veel AI werkt alleen met digitale informatie. Een taalmodel verwerkt tekst en geeft tekst terug. Embodied AI heeft daarnaast een fysiek systeem dat contact kan maken met een omgeving. Het systeem ontvangt informatie via bijvoorbeeld camera’s, druksensoren of afstandsmeters. Vervolgens kiest het een actie, zoals rijden, grijpen of een voorwerp draaien. De uitkomst van die actie levert nieuwe informatie op.

Dat vormt een kringloop: waarnemen, handelen, de gevolgen zien en het volgende gedrag aanpassen. Het fysieke systeem is dus niet alleen een omhulsel rond de software. Een robot met een camera en een grijper leert andere mogelijkheden en beperkingen kennen dan een rijdende robot met afstandssensoren.

Embodied AI betekent niet dat een systeem menselijk is of bewustzijn heeft. Het gaat om de praktische koppeling tussen intelligent gedrag en een systeem dat in een omgeving kan waarnemen en handelen.

Hoe werkt Embodied AI?

  1. Sensoren nemen de omgeving waar, bijvoorbeeld met beelden, geluid, afstand of druk.
  2. Het AI-systeem schat in wat er gebeurt en welke acties mogelijk zijn.
  3. Het fysieke systeem voert een actie uit, zoals navigeren, iets oppakken of een deur openen.
  4. Nieuwe metingen laten zien of de actie werkte, zodat het systeem kan bijsturen of leren.

Niet elk systeem gebruikt dezelfde techniek. Sommige robots volgen vooral vaste regels. Andere leren van voorbeelden, oefensituaties of feedback. Een wereldmodel kan helpen om mogelijke gevolgen van een actie vooraf te voorspellen. Dat maakt embodied AI niet hetzelfde als een wereldmodel: een wereldmodel is één mogelijke bouwsteen, embodied AI beschrijft de hele wisselwerking met de omgeving.

Voorbeeld van Embodied AI

Stel dat een robotarm glazen potten van een lopende band moet pakken. De camera herkent waar een pot staat, terwijl sensoren meten hoe de arm beweegt en hoeveel kracht de grijper gebruikt. De AI kiest een greep en laat de arm bewegen.

Glijdt de pot weg of staat hij iets anders dan verwacht, dan merkt het systeem dat via nieuwe camerabeelden en metingen. Het kan stoppen, de positie opnieuw bepalen en een andere greep proberen. Het gaat hier niet alleen om beeldherkenning. De robot leert welke waarneming, beweging en kracht samen nodig zijn om de taak uit te voeren.

Verschil met fysieke AI, robotica en een wereldmodel

Embodied AI en fysieke AI worden vaak door elkaar gebruikt. Fysieke AI is de bredere term voor AI die via machines of robots in de echte wereld werkt. Embodied AI legt sterker de nadruk op hoe het fysieke systeem, de waarneming en de acties elkaar beïnvloeden tijdens het leren en beslissen.

Robotica is nog breder. Dit vakgebied omvat ook mechanica, elektronica, motoren, regeltechniek en veiligheid. Een robot kan dus bestaan zonder embodied AI, bijvoorbeeld wanneer hij steeds dezelfde geprogrammeerde beweging uitvoert.

Een wereldmodel is een intern model dat mogelijke veranderingen in een omgeving voorspelt. Het kan embodied AI ondersteunen, maar een embodied systeem kan ook zonder afzonderlijk wereldmodel reageren en leren.

Mogelijkheden en aandachtspunten

Embodied AI kan nuttig zijn in robots voor magazijnen, inspectie, zorg, landbouw en productie. Ook virtuele omgevingen kunnen dienen om veilig te oefenen voordat een systeem met echte machines werkt.

De echte wereld blijft lastig. Sensoren kunnen iets missen, voorwerpen kunnen onverwacht bewegen en een model kan een situatie verkeerd inschatten. Resultaten uit een simulatie zijn daarom geen bewijs dat een robot veilig werkt in een magazijn, fabriek of zorgomgeving. Veilige grenzen, testen in de werkelijke context, noodstops en menselijke controle blijven nodig wanneer fouten schade of letsel kunnen veroorzaken.

Verder leren

Lees verder over wereldmodellen en robots om te zien hoe een robot mogelijke gevolgen van bewegingen kan voorspellen.

Gerelateerde termen

Bronnen en verdieping