Ondanks de snelle vooruitgang op het gebied van robotica en kunstmatige intelligentie blijven werkelijk veelzijdige mensachtige robots grotendeels beperkt tot onderzoekslaboratoria en gespecialiseerde industriële omgevingen. De visie van androïden die naadloos integreren in het dagelijks leven – drankjes inschenken, klusjes doen of zelfs gewoon over straat lopen zonder te vallen – blijft hardnekkig buiten bereik. Het kernprobleem is niet het bouwen van de machines zelf; het zorgt ervoor dat ze betrouwbaar functioneren in de rommelige, onvoorspelbare echte wereld.
De realiteitskloof: voorbij de fabrieksvloeren
Miljoenen robots voeren al repetitieve taken uit in fabrieken, stofzuigen vloeren en maaien gazons. Maar dit zijn gespecialiseerde hulpmiddelen. Het soort humanoïde robots voor algemeen gebruik dat je in sciencefiction ziet – zoals C-3PO of Dolores Abernathy – vereist een veel dieper niveau van aanpassingsvermogen. Een robot kan feilloos een dansroutine uitvoeren op een vlakke ondergrond, maar als er oneffen trottoirs, gladde trappen of onvoorspelbaar menselijk gedrag ontstaan, gaat het systeem kapot. Stel je voor dat je in het donker door een rommelige slaapkamer navigeert terwijl je een volle kom soep bij je hebt: elke stap vereist constante herkalibratie en oordeelsvermogen.
AI is nog niet het antwoord
Grote taalmodellen (LLM’s) zoals ChatGPT lossen dit niet op. Ze blinken uit in het verwerken van informatie, maar missen belichaamde kennis. LLM’s kunnen het zeilen perfect beschrijven, maar ze hebben nog nooit de wind gevoeld of een zeil gehanteerd. Zoals Yann LeCun, hoofd AI-wetenschapper van Meta, opmerkt, heeft een vierjarig kind al vijftig keer meer visuele gegevens verwerkt dan waar de grootste LLM’s op zijn getraind. Kinderen leren van jarenlange fysieke ervaring; De huidige AI-datasets zijn relatief klein en richten zich op de verkeerde soort informatie. Miljoenen gedichten zullen een robot niet leren hoe hij de was moet vouwen.
Twee benaderingen, beide gebrekkig
Robotici volgen twee hoofdstrategieën om deze kloof te overbruggen. De eerste is demonstratie, waarbij mensen robots telebedienen (vaak via virtual reality) om trainingsdatasets te creëren. De tweede is simulatie, waardoor AI-systemen duizenden keren sneller taken kunnen oefenen dan mensen. Beide methoden raken echter de ‘realiteitskloof’. Een gesimuleerde taak kan in de echte wereld spectaculair mislukken vanwege talloze over het hoofd geziene details: wrijving, oneffen oppervlakken, onvoorspelbare verlichting.
De onbezongen complexiteit van alledaagse taken
Zelfs ogenschijnlijk eenvoudige taken zijn opmerkelijk moeilijk voor robots. Overweeg om in een overvolle sporttas te grijpen om een specifiek shirt te vinden. Een menselijke hand detecteert onmiddellijk texturen, vormen en weerstand, waardoor we objecten door aanraking kunnen identificeren zonder alles eruit te trekken. Dit is de reden waarom de eerste World Humanoid Robot Games, met robotvoetbal en boksen, het doel misten. Wat mensen eigenlijk willen zijn geen atletische robots; ze willen machines die de was kunnen opvouwen, hondenpoep kunnen opruimen of pindakaas van hun eigen handen kunnen vegen.
De zelfrijdende auto-parallel
De uitdaging is vergelijkbaar met die van zelfrijdende auto’s. Tesla en andere bedrijven verzamelen enorme hoeveelheden rijgegevens om hun AI te trainen. Huizen, bouwplaatsen en buitenruimtes zijn echter veel chaotischer dan snelwegen, waardoor het probleem exponentieel moeilijker wordt.
De toekomst blijft onzeker
De huidige robots zijn ontworpen voor gecontroleerde omgevingen – magazijnen, ziekenhuizen of duidelijk gedefinieerde trottoirs – en krijgen een enkele, specifieke taak. Digit van Agility Robotics heeft magazijnbakken; De robots van Figure AI werken aan lopende banden. Deze machines zijn nuttig, maar verre van algemene hulp. Deskundigen zijn het er niet over eens wanneer (en of) deze kloof zal worden gedicht. Nvidia-CEO Jensen Huang voorspelt een doorbraak “binnen een paar jaar”, terwijl roboticus Rodney Brooks waarschuwt dat winstgevende implementaties “meer dan tien jaar verwijderd zijn”, daarbij verwijzend naar veiligheidsproblemen. Zijn advies? Houd minimaal drie meter afstand van grote looprobots.
Uiteindelijk blijft de droom van alomtegenwoordige mensachtige robots precies dat: een droom. De fundamentele beperkingen van de huidige technologie suggereren dat echte veelzijdigheid nog steeds een verre doelstelling is, waarvoor doorbraken in zowel hardware als AI nodig zijn die nog niet aan de horizon liggen.
