Wie Roboter-Personal-Assistenten zur alltäglichen Realität werden

Ich besuchte kürzlich die MWC Shanghai, wo Roboter den Floor dominierten – massive, hochmoderne Maschinen, die Unternehmen präsentierten, in der Hoffnung, einen Fuß in einen rasant expandierenden Markt zu bekommen. Ein Highlight war Tug, ein mobiler Roboter-Pfleger, der eher wie eine Kiste auf Rädern aussieht als ein Sci-Fi-Android. Doch er trägt alle Hallmarks moderner mobiler Robotik: präzise Navigation, Hindernisvermeidung, die Fähigkeit anzuhalten, wenn jemand vor ihm tritt, und sogar einen Aufzug anzufordern, um Etagen zu wechseln.

Designiert zur Lieferung von Medikamenten und Mahlzeiten an Patienten, ist Tug bereits in 37 US Veterans Affairs Krankenhäusern aktiv. Stellen Sie sich die Erleichterung vor, die dies überarbeitetem Pflegepersonal bringt. Jenseits des Gesundheitswesens werden ähnliche Assistenten in Seniorenheimen, Bildungseinrichtungen, Restaurants und Hotels deployed. Nach dem Erfolg von Smart Speakers wird die nächste Welle persönlicher Assistenten zu greifbaren, alltäglichen Robotern – Amazon betreibt beispielsweise mehr als 100.000 Roboter in seinen Lagerhäusern und ist bereit, Home-Robot-Lösungen an Verbraucher zu bringen.

Während die Idee wie Science Fiction wirkt, ist die Realität, dass Home-Assistant-Roboter heute versenden. Die Herausforderungen sind jedoch substanziell und ähneln autonomen Fahrproblemen mehr als sie sich unterscheiden. Kernprobleme umfassen Navigation in dynamischen Indoor-Umgebungen, Echtzeit-Hindernisvermeidung und die Fähigkeit, sich temporären Änderungen anzupassen – denken Sie an einen plötzlichen IV-Stand oder ein fallen gelassenes Paket. Anders als bei Autos, wo klare Fahrspuren und Verkehrsregeln Navigation vereinfachen, müssen Indoor-Roboter ihre Umgebung kontinuierlich mappen und remappen. Zudem ist ein Natural-Language-Interface kein Luxus; es ist essenziell für klare Kommunikation in Settings, wo Fehllieferung ernste Konsequenzen haben kann.

Gartner identifizierte kürzlich die Top Ten KI- und Sensing-Fähigkeiten, die zukünftige Roboter-Assistenten untermauern werden:

• Computer Vision: Szenenanalyse und Objekterkennung.
• Biometrische Erkennung und Authentifizierung: Sicherstellung, dass nur autorisierte Nutzer Befehle erteilen können.
• Konversationelles Interface: Spracherkennung gekoppelt mit Natural Language Processing.
• Akustische Szenenanalyse: Erkennen charakteristischer Sounds wie Hundegebell oder Glasbruch.
• Lokalisierungssensing: Kontinuierliche Bestimmung von Position und Nähe zu Personen oder Objekten.
• Autonome Bewegung: Navigieren zu einem Zielort ohne Kollision mit Hindernissen.
• Edge-side AI: Ausführung Kernfunktionen lokal statt ausschließlich auf Cloud angewiesen.

Die meisten Entwickler starten mit Prototyping auf einer Multicore-GPU-Plattform, die eine bequeme und mächtige Lösung für initiales Testing bietet. Doch wenn Produktionsvolumen wachsen, werden der hohe Kosten, signifikanter Stromverbrauch und Mangel an Differenzierung, die inhärent an Off-the-Shelf-GPUs sind, zu limitierenden Faktoren. Hier kommen Custom ASIC oder DSP Lösungen ins Spiel, die dieselbe Intelligenz bei niedrigeren Kosten und Energieverbrauch liefern.

DSPs sind bekannt für ihren Performance-per-Watt-Vorteil über GPUs in Machine-Learning-Workloads, dank effizienter Fixed-Point-Operationen und flexibler Quantisierung. In volumen-sensitiven Edge-Anwendungen übertrifft ein dedizierter DSP oft einen generischen GPU in sowohl Kosten als auch Effizienz.

Kann ein DSP die Fähigkeiten eines GPUs matchen? Für viele Kernaufgaben, ja. Computer-Vision-Workloads – wie Positionierung, Tracking, Objekterkennung und Gestenerkennung – können heute von embedded DSP Plattformen gehandhabt werden. Autonome Navigation, die lokales Retraining unterstützt, ohne ständig die Cloud abzufragen, nutzt dieselben Erkennungsfähigkeiten wie auf GPUs.

Spracherkennung, Authentifizierung und akustische Szenenanalyse können ähnlich auf eine embedded Lösung ausgelagert werden. Die Pipeline – von Mikrofon-Capture und Direction Finding bis zu Basic Word Spotting und sogar Natural Language Understanding – kann für viele Anwendungen lokal verarbeitet werden. In Szenarien, die nur begrenztes Vokabular oder Erkennung non-verbaler Cues erfordern, kann der gesamte Prozess vollständig auf dem Edge laufen, was den Bedarf an Cloud-Ressourcen ganz eliminiert. Aufkommende Forschung deutet an, dass sogar anspruchsvollere NLP Tasks in naher Zukunft on-device machbar sein könnten.

Heutiges Ökosystem bietet eine wachsende Suite von Edge-AI-Plattformen, die Front-End Voice Processing, Deep Learning Inference und IoT Integration straffen. Durch Nutzung dieser Lösungen können Entwickler das Deployment ubiquitäler Roboter-Personal-Assistenten beschleunigen.

Moshe Sheier ist Director of Strategic Marketing, CEVA, wo er Corporate Development und Strategic Partnerships für CEVAs Kernzielmärkte und zukünftige Wachstumsbereiche überwacht. Moshe engagiert sich mit führenden SW und IP Unternehmen, um innovative DSP-basierte Lösungen in den Markt zu bringen. In seiner Freizeit fährt Moshe Mountainbike und praktiziert Aikido.