Ohne präzise Umgebungserkennung bleibt jede autonome Maschine nur ein teurer Blindflug.

Physische KI ist der Schlüssel zur Eroberung des Marktes durch autonome Maschinen. Von Fahrzeugen bis hin zu Drohnen verbindet sie die digitale und physische Welt, indem sie präzise Daten über unsere Umgebung nutzt. Der Fortschritt in diesem Bereich wird maßgeblich durch Unternehmen wie Waymo repräsentiert, die in ausgeklügelte Navigationssysteme investieren. Doch diese Onboard-Technologien allein werden nicht ausreichen, um autonome Maschinen in unserem Alltag allgegenwärtig zu machen. Stattdessen ist eine Kombination aus effizienten Cloud-basierten Systemen und KI-Modellen erforderlich, um präzise Darstellungen der physischen Welt zu schaffen. Dieses Vorgehen ermöglicht es mobilen Robotern, weniger auf die Onboard-Navigation angewiesen zu sein und potenzielle Gefahren frühzeitig zu erkennen.

Der aktuelle Stand der physischen KI zeigt, dass existierende Systeme stark lokalisiert sind und viel Verarbeitung direkt am Rand oder auf den autonomen Maschinen erfolgt. Daten über die physische Welt sind zwar in Hülle und Fülle vorhanden, doch ihre Nutzung erfordert erhebliche technische Aufbereitung, was oft eine Herausforderung darstellt. Hier setzt die Arbeit meines Unternehmens, Wherobots, an. Wir entwickeln eine „Spatial Intelligence Cloud“, die verschiedene Datenformate verarbeitet und es KI-Modellen ermöglicht, die physische Welt besser zu verstehen.

Ein Beispiel sind autonome Fahrzeuge, die durch digitale Karten und fortschrittliche Sensoren wie LiDAR unterstützen. Diese Technologien sind essentiell, um Entscheidungen in Echtzeit zu treffen. Ein weiteres Anwendungsfeld ist die letzte Meile der Paketzustellung, wo präzise Karten notwendig sind, um optimalen Zugang zu Zielorten zu gewährleisten. Ebenso müssen Drohnen, die in städtischen Gebieten operieren, genau wissen, wo Pakete abgeliefert werden sollen, um das Risiko von Kollisionen zu minimieren.

Ein bedeutsamer Fortschritt in der Landwirtschaft stellt die Einführung autonomer Traktoren dar, wie die Lösungen von John Deere. Diese Traktoren können bereits 24 Stunden am Tag ohne menschlichen Eingriff arbeiten. Durch den Zugriff auf präzise Karten ihrer Felder können sie Echtzeitentscheidungen treffen, die den Landwirten helfen, ihre Ressourcen optimal zu nutzen und Kosten zu senken.

Die Investition in Raumdaten und intelligente Cloud-Systeme ist entscheidend für die zukünftige Autonomie. Ob bei der Auslieferung von Paketen oder beim autonomen Pflügen von Feldern – die besten Ergebnisse erzielen die Maschinen, wenn sie ihre unmittelbare Umgebung über die Sensorsysteme hinaus erkennen können.

Zusammenfassung: Physische KI und autonome Maschinen

• Physische KI ermöglicht eine präzise Wahrnehmung der Umgebung und verbessert die Entscheidungsfindung autonomer Maschinen.
• Effiziente Cloud-basierte Systeme sind notwendig, um die Onboard-Technologie zu ergänzen und den Einsatz autonomer Systeme zu optimieren.
• Autonome Fahrzeuge und Traktoren profitieren von hochauflösenden Karten, die eine genauere Navigation und Ressourcennutzung ermöglichen.

Was Operations-Profis wissen sollten

Die Relevanz des Themas liegt in der Notwendigkeit, bestehende Technologien weiterzuentwickeln und auf Cloud-Daten zu setzen, umgesetzt durch den zunehmenden Fokus auf physische KI. Operations-Manager sollten Überlegungen anstellen, wie ihre Prozesse durch die Nutzung dieser Technologien optimiert werden können.

Die Implementierung von Cloud-Systemen und fortschrittlichen Datenanalysen könnte die Effizienz signifikant steigern und während der täglichen Abläufe neue Standards setzen. Unternehmen müssen sicherstellen, dass sie mit der Entwicklung Schritt halten, um sowohl im Wettbewerb relevant zu bleiben als auch Sicherheitsrisiken in der Navigation autonomer Maschinen zu minimieren.

Robert Reseneder – Interim Manager und Mentor
Tel. +49 175 265 6522

Diese Zusammenfassung basiert auf dem Beitrag Is physical world AI the future of autonomous machines?
Quelle: The Robot Report