Kognitive Robotik und Edge-AI Neura und Qualcomm entwickeln zweigeteilte Architektur für physische KI

Neura Robotics und Qualcomm kündigen ihre Partnerschaft an. Basis sind Qualcomms „Dragonwing IQ10“-Prozessoren und Neuras Embodied-AI-Software. Die Partner arbeiten an einer neuartigen Referenzarchitektur, die das Roboter-„Gehirn“ hardwareseitig vom reaktiven „Nervensystem“ trennt.

Der demografische Wandel zwingt die Automatisierungsbranche zum Handeln. Wie David Reger, CEO und Gründer des Metzinger Unternehmens Neura Robotics, kürzlich auf dem Qualcomm IoT Day vorrechnete, werden allein in Europa, Japan und China bis zum Jahr 2030 rund 100 Millionen Arbeitskräfte fehlen. Um diese Lücke zu schließen, brauche es kognitive Roboter, die echte „Physical AI“ beherrschen.

In seiner Rede übte Reger in diesem Kontext deutliche Kritik am aktuellen Hype um reine Text-KI und Visual Language Models. Seine Prämisse: Man lerne das Schwimmen nicht, indem man ein Jahr lang Videos darüber anschaue oder es sich lediglich vorstelle. Ein Roboter müsse die Welt physisch erfahren, durch Hören, Sehen, Fühlen und Handeln per sogenannten Perception Language Action Models, um in der realen Welt autonom agieren zu können.

Entkopplung von Gehirn und Nervensystem auf Chipebene

Um diese reflexartigen, reaktiven Fähigkeiten zu ermöglichen, greifen Neura und Qualcomm nun tief in die Hardware-Struktur ein. Im Zentrum der neuen Partnerschaft steht die gemeinsame Entwicklung von „Brain + Nervous System“-Referenzarchitekturen. Laut Reger entkoppelt dieser Ansatz das übergeordnete „Gehirn“, welches zuständig für High-Level-Wahrnehmung, Schlussfolgerung und Planung ist, vom „Nervensystem“ des Roboters. Beide Bereiche erhalten dediziertes Computing, eigene Speicher und Intelligenz, um in unterschiedlichsten Situationen verzögerungsfrei reagieren zu können.

Technologisch bringt Qualcomm hierfür seine Dragonwing IQ10-Robotikprozessoren sowie seine Expertise in den Bereichen heterogenes Edge-Computing und Mixed-Criticality-Systemen ein. Neura liefert die passenden Hardwareplattformen sowie seinen Embodied-AI-Software-Stack.

Edge-Computing: Sicherheit durch On-Device-Entscheidungen

Ein wesentlicher Treiber dieser Architektur ist die funktionale Sicherheit, gerade wenn Roboter und Menschen sich denselben Arbeitsraum teilen. Komplexe Schlussfolgerungen und sicherheitskritische Reaktionen sollen künftig direkt lokal auf dem Roboter erfolgen, anstatt auf Latenz-behaftete Cloud-Verbindungen zu vertrauen.

„Robotik repräsentiert einen der anspruchsvollsten Edge-AI-Anwendungsfälle, bei dem Entscheidungen sofort, zuverlässig und lokal getroffen werden müssen“, bestätigt Nakul Duggal, Group GM für Automotive, Industrial and Embedded IoT and Robotics bei Qualcomm. Die Partnerschaft markiere einen deutlichen Trend, bei dem Wahrnehmung und Entscheidungsfindung zunehmend direkt On-Device stattfinden.

Standardisierung und „Superhuman Senses“ sind noch in Arbeit

Derzeit befindet sich die Kooperation in der aktiven Entwicklungsphase. Um den Weg von der Forschung in die produktionsreife Implementierung künftig zu verkürzen, planen die Partner aktuell eine standardisierte Runtime- und Deployment-Schnittstelle. Dadurch soll Entwicklern ein „Build once, deploy anywhere“-Ansatz über verschiedene Roboter-Formfaktoren hinweg ermöglicht werden. Ein konkretes Datum für den Release dieser Entwicklerwerkzeuge oder eines Marktplatzes wurde noch nicht genannt.

Die übergeordnete Orchestrierung dieser Systeme soll über die Cloud-Plattform „Neuraverse“ erfolgen. Hier verfolge man das Konzept der kollektiven Intelligenz: Lernt ein Roboter eine neue Fähigkeit, kann diese über das Netzwerk auf globale Flotten ausgerollt werden.

Gleichzeitig dient das Neuraverse Reger zufolge als Basis für sogenannte „Superhuman Senses“. Der Roboter agiert dabei nicht isoliert, sondern als Teil des industriellen IoT. Anstatt also Zeit und Energie zu verschwenden, um physisch nachzusehen, ob ein Ofen oder eine Maschine ihren Zyklus beendet hat, kommuniziert der Roboter direkt mit den smarten Geräten in seiner Umgebung, um Abläufe auf einer weitaus höheren Abstraktionsebene zu optimieren. (mc)

(ID:50779966)