- Claude unterstützte die Programmierung und den Betrieb eines Unitree Go2 und automatisierte so einen Großteil der Arbeit beim Projekt Fetch.
- Das KI-gestützte Team löste einige Aufgaben schneller, wie zum Beispiel Gehen und das Finden eines Balls, als die Gruppe ohne Unterstützung.
- Die Interaktionsanalyse ergab weniger Verwirrung mit Claude, dank einfacherer Verbindung und benutzerfreundlicherer Oberfläche.
- Die Fortschritte verdeutlichen sowohl Chancen als auch Risiken: Protokolle und physische Sicherheitsvorkehrungen müssen verstärkt werden, wenn LLM in die reale Welt eingeführt wird.
Der neue Test von Anthropisch Es behandelt ein Thema, das keine Science-Fiction mehr ist: Was passiert, wenn ein Sprachmodell einen Roboter koordiniert?. in Projekt FetchIhr Claude-System half bei der Steuerung eines Roboterhundes, mit dem Ziel, zu testen, wie weit der Roboter gehen konnte. Physische KI Der Übergang vom Text zur Bewegung.
Über die Schlagzeile hinaus liefert das Experiment klare Hinweise auf Fähigkeiten und Grenzen: Claude automatisierte einen Großteil der notwendigen Programmierung. damit das Vierbeiner körperliche Handlungen ausführen konnte, und Es diente als Katalysator für ein Team, um bei bestimmten Aufgaben schneller voranzukommen..
KI und die physische Welt: vom Labor zur Anwendung
Anthropic, gegründet von ehemaligen OpenAI-Forschern, untersucht seit langem die Risiken und praktischen Anwendungen fortschrittlicher Modelle. Diesmal war die Hypothese eindeutig: Wenn ein LLM zunehmend die Codierung und Interaktion mit Software.können beginnen, reale Objekte zu beeinflussenDas interne Sicherheitsteam (Red Team) wollte diesen Übergang in einer kontrollierten Umgebung beobachten.
Forscher weisen darauf hin, dass die aktuellen Modelle einen komplexen Roboter noch nicht vollständig steuern können. Sie gehen davon aus, dass zukünftige Versionen mehr Spielraum bieten werden.Daher ist es sinnvoll zu analysieren, wie Menschen KI nutzen, um physische Verhaltensweisen zu programmieren und zu orchestrieren, insbesondere in humanoide Roboterbevor dieser Moment kommt.
Wie Project Fetch konzipiert wurde
Die Herausforderung stellte zwei Teams ohne Vorkenntnisse in der Robotik gegeneinander auf: eines mit Unterstützung von Claude und das andere ohne KI-Hilfe. Beide Teams mussten einen Unitree Go2-Roboterhund per Fernbedienung steuern und Code schreiben, wobei sie mit Controllern und Plattformen wie … arbeiteten. Arduino Uno Qzu Aufgaben mit zunehmendem Schwierigkeitsgrad ausführenvom Gehen auf einen Punkt zu bis zum Auffinden eines Objekts.
Die Gruppe mit Claude konnte einige Ziele schneller erreichen, darunter das vierbeinige Ich würde spazieren gehen und einen Strandball finden.Dies gelang dem rein menschlichen Team unter den Testbedingungen nicht. Der Schlüssel lag nicht in der Magie; das Modell generierte und optimierte den Code, beschleunigte die Verbindung zum Roboter und reduzierte die Reibungsverluste.
Anthropic zeichnete die Arbeitsdynamik auf und analysierte sie. In den Transkripten äußerte das Team ohne KI mehr Frustration und Zweifel, während Claudes Unterstützung Es schien eine verständlichere Steuerungsschnittstelle zu ermöglichen. und ein reibungsloserer Start. Dennoch wurden nicht alle Ziele erreicht und die Autonomie war eingeschränkt.
Der auserwählte Roboterhund: Unitree Go2 und sein Zweck
Für den Test wurde das Modell Go2 des chinesischen Herstellers Unitree aus Hangzhou ausgewählt. Es kostet etwa Dollar 16.900, eine im Vergleich zu anderen Geräten der Branche relativ geringe Größe, und wird bei Ferninspektionsaufgaben, Sicherheitspatrouillen oder Rundgängen im Bau- und Fertigungsbereich eingesetzt.
Dieses Vierbeiner kann sich selbstständig fortbewegen, ist aber in der Praxis abhängig von Befehle auf höchster Ebene oder die Kontrolle einer PersonLaut aktuellen Marktanalysen zählen Unitree-Systeme zu den am weitesten verbreiteten Systemen und sind daher ein attraktives Testfeld, um zu sehen, wie weit KI-gestützte Programmierung die Grenzen verschieben kann.
Was verraten die Ergebnisse über LLMs?
Die großen Sprachmodelle schreiben nicht mehr nur Texte: In den letzten Jahren haben sie sich spezialisiert auf Code generieren und verwalten Software.Im Projekt Fetch bedeutete diese Fähigkeit, dass weniger Zeit für sich wiederholende Programmieraufgaben aufgewendet werden musste und eine Schritt-für-Schritt-Anleitung zur Fehlerbehebung und Anpassung des Roboterverhaltens zur Verfügung stand.
Die umsichtige Interpretation lautet, dass wir zwar nicht von totaler Kontrolle sprechen, KI senkt die Einstiegshürde für Teams ohne Expertenwissen. Sie ermöglichen es einer physischen Plattform, nützliche Aktionen auszuführen. Es handelt sich um einen qualitativen Wandel: Von bloßen Textgeneratoren beginnen LLMs, als Systemorchestratoren zu fungieren.
Risiken und Schutzmaßnahmen: Wie man Ängste vermeidet
Die Fähigkeit von KI, auf Maschinen einzuwirken, birgt offensichtliche Risiken: Codefehler, fehlerhafte Daten oder vorsätzlicher Missbrauch Diese Ausfälle können physische Folgen haben. Die Industrierobotik hat schon vor langer Zeit gelernt, diese Ausfälle durch unabhängige Schutzmechanismen zu minimieren. Software..
In diesem Zusammenhang schlagen Experten die Kombination mehrerer Ebenen vor: operative Grenzen, Prüfung des generierten Codes und vor allem mechanische Not-Aus-Schalter und -Protokolle die nicht vom Modell abhängen. Die anthropische Studie ist genau in diese präventive Logik eingebettet.
Neue Anwendungsgebiete und notwendige Vorsichtsmaßnahmen
Mit den entsprechenden Sicherheitsvorkehrungen könnte der gleiche Ansatz auch auf Logistik, Wartung, Inspektion oder angewendet werden. Unterstützung in Umgebungen, in denen die menschliche Präsenz komplex istDie Idee besteht nicht darin, Techniker zu ersetzen, sondern Werkzeuge bereitzustellen, die Konfigurationen beschleunigen und flexiblere Reaktionen ermöglichen.
Damit diese Vorteile zum Tragen kommen, ist es notwendig, sich auf sichere Vorgehensweisen und eine klare Dokumentation zu einigen, und verantwortungsvolle EinsatzkriterienAndernfalls könnten technische Fortschritte mit dem Vertrauen der Öffentlichkeit oder mit völlig vermeidbaren operationellen Risiken kollidieren.
Die Erfahrungen mit Project Fetch deuten auf einen Wendepunkt hin: Claude demonstrierte, dass ein LLM die Distanz zwischen Code und Handlung verkürzen kann.Die Optimierung realweltlicher Aufgaben in einem vierbeinigen Roboter, gleichzeitig aber auch die Erinnerung daran, dass der Sprung in die physische Welt entsprechende Kontrollen, strenge Tests und eine entsprechende Sicherheitskultur erfordert.
Ich bin ein Technik-Enthusiast, der seine „Geek“-Interessen zum Beruf gemacht hat. Ich habe mehr als 10 Jahre meines Lebens damit verbracht, modernste Technologie zu nutzen und aus purer Neugier an allen möglichen Programmen herumzubasteln. Mittlerweile habe ich mich auf Computertechnik und Videospiele spezialisiert. Das liegt daran, dass ich seit mehr als fünf Jahren für verschiedene Websites zum Thema Technologie und Videospiele schreibe und Artikel erstelle, die Ihnen die Informationen, die Sie benötigen, in einer für jeden verständlichen Sprache vermitteln möchten.
Bei Fragen reicht mein Wissen von allem rund um das Windows-Betriebssystem bis hin zu Android für Mobiltelefone. Und mein Engagement gilt Ihnen, ich bin immer bereit, ein paar Minuten zu investieren und Ihnen bei der Lösung aller Fragen in dieser Internetwelt zu helfen.