Fysisk KI – den neste revolusjonen

Robotteknologien står foran et nytt stort sprang. Etter at store språkmodeller som ChatGPT har blitt modne og allement tilgjengelig, er det nå den fysiske verden som står for tur. Store atferdsmodeller kan gi roboter evnen til å forstå omgivelser, lære nye oppgaver og tilpasse seg endringer – uten omfattende programmering.

Av Norwegian Robotics Cluster

I mange år har industriroboter vært ekstremt effektive – så lenge oppgavene er standardiserte og omgivelsene kontrollerte. En robotarm på en produksjonslinje kan gjenta samme bevegelse millioner av ganger med høy presisjon, men blir fort usikker dersom noe flyttes noen centimeter eller arbeidsoppgaven endres.

Nå er dette i ferd med å endre seg.

Bak utviklingen ligger det som ofte omtales som Physical AI – fysisk kunstig intelligens – der KI ikke bare analyserer tekst og data, men også oppfatter, forstår og handler i den fysiske verden. Sentralt i denne utviklingen står de såkalte Vision-Language-Action-modellene (VLA), eller store atferdsmodeller.

Disse modellene kan bli like viktige for robotteknologi som store språkmodeller har vært for digitale tjenester.

Fra språk til handling

Store språkmodeller er trent på enorme mengder tekst og lærer mønstre i språk. På tilsvarende måte trenes store atferdsmodeller på kombinasjoner av video, sensordata, språk og fysiske handlinger.

Målet er at roboter skal kunne forstå instrukser som: «Flyttkassene fra pall A til pall B, men unngå de røde eskene.»

Tidligere ville dette krevd omfattende programmering og spesialtilpasning. Med store atferdsmodeller kan roboten i større grad tolke situasjonen selv, forstå kontekst og tilpasse handlingene underveis.

Det betyr ikke at robotene «tenker» som mennesker. Men de blir langt mer fleksible enn tradisjonelle industrielle automasjonssystemer.

Derfor skjer dette nå

Tre teknologiske utviklingstrekk driver utviklingen fremover samtidig.

For det første har regnekraften blitt dramatisk sterkere og billigere. For det andre finnes det nå enorme mengder treningsdata fra kameraer, sensorer, simulatorer og robotbevegelser. Og for det tredje gjør nye simuleringsverktøy det mulig å trene roboter digitalt før de settes ut i den virkelige verden.

Særlig simulering og syntetiske data er viktig. En robot kan nå «øve» millioner avganger i et virtuelt miljø før den møter den fysiske fabrikken.

Storeteknologiselskaper investerer tungt i dette området. Nvidia omtaler utviklingensom et mulig «ChatGPT-øyeblikk» for fysisk KI, mens selskaper som ABB, Hyundai, Amazon og BMW allerede tester eller tar i bruk stadig mer autonome robotsystemer i logistikk og produksjon.

Viktig også for små og mellomstore bedrifter

For industrien på Vestlandet og i Norge kan dette bli spesielt interessant.

Tradisjonell robotisering har ofte vært mest lønnsom i store fabrikker med høyt volum og stabile prosesser. Mange små og mellomstore bedrifter har hatt for stor variasjon i produkter, små serier eller for komplekse arbeidsoppgaver til at klassisk automasjon har vært lønnsom.

Her kan fysisk KI endre forutsetningene. Når robotene blir mer fleksible og enklere å lære opp, kan terskelen for å automatisere bli lavere også i virksomheter med høy variasjon, små batcher og hyppige omstillinger.

Det betyr ikke at «alt blir autonomt». Mange løsninger vil fortsatt kreve mennesker tett på. Men teknologien kan gjøre det mulig å automatisere flere deloppgaver enn tidligere.

Fra pilot til konkurransekraft

Samtidig er det viktig å ha realistiske forventninger. Teknologien er fortsatt ung, og mange løsninger er i pilot- eller tidlig kommersiell fase. Robusthet, sikkerhet, kostnader og integrasjon med eksisterende systemer er fortsatt utfordringer.

Likevel peker utviklingen i én tydelig retning: Roboter går fra å være forhåndsprogrammerte maskiner til systemer som i større grad kan forstå omgivelser og tilpasse seg nye situasjoner.

For norskindustri handler dette ikke bare om teknologi, men om konkurransekraft. Bedrifter som tidlig bygger kompetanse, tester teknologien og forstår mulighetene, vil stå sterkere når løsningene modnes videre de neste årene.

For fysiskKI er ikke lenger bare forskning og framtidsvisjoner. Den er i ferd med å bli industriell virkelighet.

‍