MIT-System UQ-DAAAM korrigiert falsche Objektbeschreibungen im Robotergedächtnis

UQ-DAAAM erkennt und korrigiert falsche Objektbeschreibungen im Roboter-Gedächtnis

MIT-Forschende haben ein Gedächtnissystem für Roboter entwickelt. Es erkennt Einträge, die falsch sein könnten, und korrigiert die Beschreibungen falsch benannter Objekte. Das System heißt UQ-DAAAM, ausgeschrieben Uncertainty Quantification for Describe Anything, Anywhere, at Any Moment.

MIT nennt ein Beispiel: Ein Roboter führt einen Defibrillator an der Wand in seinem Speicher als Feuerlöscher. Dadurch findet er das lebensrettende Gerät womöglich nicht. Ein solcher Fehler bleibt im Gedächtnis bestehen, solange ihn niemand prüft. Hier setzt UQ-DAAAM an. Nach Darstellung von Interesting Engineering, nicht der MIT-Mitteilung, baut das System auf dem früheren Framework DAAAM auf.

Mehrere Blickwinkel machen die Unsicherheit des Roboters messbar

Laut MIT vergleicht das System mehrere Beschreibungen desselben Objekts. Sie stammen aus unterschiedlichen Perspektiven. Weichen sie voneinander ab, zeigt das, wie unsicher sich der Roboter über das Gesehene ist.

Danach wählt UQ-DAAAM zusätzliche Ansichten aus, um diese Unsicherheit zu senken. Anschließend fasst es die Beschreibungen zu einem genaueren Eintrag zusammen und legt ihn im Gedächtnis ab. Ein eigenes Verfahren soll einem mobilen Roboter erlauben, unsichere Einträge fortlaufend in Echtzeit zu aktualisieren, so MIT.

Die Sekundärquelle beschreibt DAAAM so: Das Framework erzeugt mit einem Vision-Language-Modell detaillierte Beschreibungen von Objekten aus den Bordkameras. Diese Beschreibungen landen in einer dreidimensionalen, kartenbasierten Darstellung der Umgebung. Die Pressemitteilung nennt das im vorliegenden Auszug nicht.

Mehr Zuversicht und genauere Antworten, aber ohne veröffentlichte Zahlen

Gegenüber Baseline-Methoden hob UQ-DAAAM laut MIT zwei Werte an: die Zuversicht des Roboters und die Genauigkeit seiner Antworten. Gemeint sind Fragen zu Objekten, ihren Orten und dem Zeitpunkt, zu dem sie gesehen wurden. Konkrete Zahlen liegen im Material nicht vor. Die Aussage stützt sich allein auf die MIT-Mitteilung.

MIT stellt für die Zukunft in Aussicht, dass Haushalts- und Industrieroboter mit der Methode mehrstufige Aufgaben besser bewältigen könnten. Als Beispiele nennt das Institut das Abräumen eines Esstischs und den gemeinsamen Zusammenbau einer Maschine mit Menschen. Es handelt sich um eine zukunftsgerichtete Selbsteinschätzung. Belege dafür wären das zugrunde liegende Paper, Experimente mit realen Roboterassistenten bei mehrstufigen Aufgaben und eine unabhängige Replikation.

Separat hat MIT ein Langzeit-Gedächtnis-Framework vorgestellt. Es baut ein räumlich-zeitliches Gedächtnis großer Umgebungen auf und beantwortet Fragen in natürlicher Sprache. Es ist ein eigenständiges, verwandtes Projekt.