KI kann sich an Orte erinnern – wie Menschen

Forschungsteams weltweit arbeiten daran, Künstliche Intelligenz mit räumlicher und zeitlicher Intelligenz auszustatten. Ein Durchbruch gelingt nun Wissenschaftlern des Massachusetts Institute of Technology (MIT): Sie präsentieren ein System, das Robotern ermöglicht, komplexe Umgebungen präzise zu memorieren und auf Fragen zu antworten – ähnlich wie Menschen ihre Schlüssel finden.

Ein Durchbruch für kollaborative Robotik

In modernen Produktionshallen arbeiten Menschen und Maschinen oft Seite an Seite. Während eine Fabrikarbeiterin sich noch am nächsten Tag an den Standort einer halbfertigen Baugruppe erinnert, scheiterten Roboter bisher an dieser Art von "spatiotemporalem" Gedächtnis. Die neue Methode des MIT-Teams ändert das grundlegend: Sie kombiniert hochauflösende Karten mit detaillierten Umweltbeschreibungen.

Das System namens DAAAM (Describe Anything, Anywhere, Anytime, at Any Moment) ermöglicht es Robotern, während ihrer Erkundungstouren Objekte mit reichhaltigen Metadaten zu verknüpfen. Ein Roboter könnte etwa festhalten, dass ein bestimmtes Gebäude das "Stata Center" ist, aus einer bestimmten Epoche stammt oder dass ein Fahrradständer fünf Räder beherbergt, von denen eines einen platten Reifen hat. Diese Informationen werden in einer 3D-Karte räumlich organisiert abgelegt.

Echtzeitfähigkeit dank intelligenter Optimierung

Die größte Herausforderung bestand darin, die Annotation von Objekten in Echtzeit zu ermöglichen. Traditionelle Ansätze benötigten mehrere Sekunden pro Objekt – bei hunderten erfasster Elemente pro Minute ein untragbarer Overhead. Das MIT-Team löste dieses Problem durch zwei Innovationen:

• Aggregation ähnlicher Objekte: Nahe beieinander liegende Gegenstände werden während der Bewegung des Roboters automatisch gruppiert.
• Schlüsselbildauswahl: Ein Optimierungsalgorithmus wählt die am besten belichteten Frames aus, die mehrere Objekte gleichzeitig beschreiben können.

Diese Kombination beschleunigt den Prozess um das Zehnfache. Jede Annotation wird nur einmal vorgenommen, was die Skalierbarkeit auf großflächige Umgebungen wie ganze Campus oder Fabriken ermöglicht.

# Beispiel-High-Level-Implementierungsansatz der Annotation-Logik
while robot_is_moving:
    current_frame = capture_video()
    objects = detect_objects(current_frame)
    
    # Gruppierung ähnlicher Objekte
    clustered_objects = cluster_objects(objects)
    
    # Auswahl optimaler Schlüsselbilder
    selected_frames = select_key_frames(clustered_objects)
    
    # Parallele Annotation
    annotations = parallel_annotate(selected_frames)
    
    # Integration in 3D-Karte
    update_spatial_map(annotations)

Präzise Antworten durch semantische Suche

Sobald das System die räumliche Gedächtnisstruktur aufgebaut hat, muss es effizient auf Nutzeranfragen reagieren können. Hier kommt ein Sprachmodell zum Einsatz, das gezielt Werkzeuge zur Informationsabfrage nutzt. Diese Architektur reduziert "Halluzinationen" – also falsche oder erfundene Antworten – und liefert innerhalb weniger Sekunden präzise Ergebnisse.

Beispielanfragen, die das System beantworten kann:

• - "Wo habe ich meine Geldbörse liegen lassen?“
• - "Gibt es in der Nähe des Stata Centers eine bestimmte Skulptur?“
• - "Wie viele Fahrräder mit platten Reifen stehen vor dem Gebäude?“

In Tests übertraf DAAAM etablierte Methoden um bis zu 53 Prozent in der Genauigkeit – abhängig von der Art der gestellten Frage. Die Forscher führten ihre Experimente auf dem Campus des MIT sowie in simulierten Fabrikszenarien durch.

Über Robotik hinaus: Anwendungen in AR und Navigation

Die Technologie beschränkt sich nicht auf den industriellen Kontext. Luca Carlone, Associate Professor am MIT und Leiter des Projekts, betont die Bedeutung für die Mensch-Roboter-Interaktion:

„Wenn Roboter Seite an Seite mit Menschen arbeiten sollen, müssen sie dieselbe Sprache sprechen. Sie müssen Zeit und Raum so verarbeiten wie wir. Genau das leistet unsere Methode: Sie wandelt herkömmliche Karten in sprachbasierte Karten um, die einfacher zu denken und abzufragen sind.“

Mögliche Einsatzgebiete umfassen:

• - Augmented-Reality-Brillen für Wartungstechniker, die Anomalien in Maschinen sofort erkennen
• - Navigationshilfen für Pendler, die komplexe Innenräume wie Flughäfen oder Einkaufszentren intuitiv erkunden
• - Smart-Home-Systeme, die Haushaltsgeräte mit räumlichem Kontext steuern

Die Zukunft: Von Orten zu Ereignissen

Die Wissenschaftler arbeiten bereits an der nächsten Evolutionsstufe: Statt nur statische Objekte zu memorieren, soll das System zukünftig auch dynamische Ereignisse erfassen – etwa wer wann eine bestimmte Tür geöffnet hat oder wann eine Maschine gewartet wurde. Diese erweiterte Fähigkeit würde die Interaktion zwischen Mensch und Maschine noch natürlicher gestalten.

Mit DAAAM demonstriert das MIT-Team, wie KI-Systeme nicht nur Daten speichern, sondern echte, kontextbezogene Erinnerungen aufbauen können. Diese Entwicklung könnte die Grundlage für die nächste Generation intelligenter Assistenten legen – sowohl in Fabriken als auch im Alltag.