Neues Framework für räumliches Langzeitgedächtnis bei KI-Robotern entwickelt

Durchbruch in der Robotik: MIT entwickelt räumliches Langzeitgedächtnis für KI-Systeme

Forscher des Massachusetts Institute of Technology (MIT) haben ein innovatives Framework entwickelt, das KI-Robotern die Fähigkeit verleiht, ein räumliches Langzeitgedächtnis zu entwickeln. Diese Entwicklung, bekannt unter dem Akronym DAAAM (Describe Anything, Anywhere, Anytime, at Any Moment), ermöglicht es Robotern, sich präzise an Objekte und deren Standorte in komplexen Umgebungen zu erinnern und diese Informationen über längere Zeiträume abzurufen. Das System stellt einen signifikanten Fortschritt in der Robotik dar und könnte die Interaktion zwischen Mensch und Maschine grundlegend verändern.

Die Herausforderung des räumlichen Gedächtnisses

Bislang standen autonome Systeme vor der Herausforderung, detaillierte Informationen über Objekte in ihrer Umgebung effizient zu speichern und abzurufen. Während Menschen mühelos wissen, wo sie ihre Schlüssel abgelegt haben oder ein bestimmtes Werkzeug am Vortag hinterlassen haben, mangelt es Robotern oft an dieser Art von raum-zeitlichem Gedächtnis. Bestehende Ansätze zur Objekterkennung und Kartierung sind entweder rechenintensiv oder ermöglichen keine ausreichend detaillierten Beschreibungen, die für eine präzise Interaktion unerlässlich wären.

DAAAM: Eine Synthese aus Computer Vision und robotischer Kartierung

Das DAAAM-Framework adressiert diese Lücke, indem es zwei Schlüsseltechnologien miteinander verknüpft: Computer Vision und robotisches Kartieren. Multimodale Computer-Vision-Modelle sind in der Lage, Objekte in einer Szene zu identifizieren und deren Bedeutung zu interpretieren. Gleichzeitig erstellen robotische Kartierungssysteme präzise 3D-Modelle realer Umgebungen. DAAAM führt diese beiden Ansätze zusammen und ermöglicht es einem Roboter, beim Erkunden seiner Umgebung Objekte mit umfangreichen, semantischen Beschreibungen zu versehen. Diese Informationen werden dann in einer räumlichen 3D-Karte gespeichert.

Ein Roboter, der mit DAAAM ausgestattet ist, könnte beispielsweise ein Gebäude nicht nur als "Gebäude" identifizieren, sondern auch dessen Architektur beschreiben, den Namen erfahren oder feststellen, dass ein Fahrradständer fünf Fahrräder aufnehmen kann und ein blaues Fahrrad dort einen defekten Reifen hat. Diese detaillierten Annotationen werden in bestimmten Bereichen gruppiert und in der 3D-Karte verankert.

Echtzeit-Fähigkeit durch optimierte Objekterfassung

Eine zentrale Innovation von DAAAM liegt in seiner Effizienz. Herkömmliche Methoden zur Erfassung solch detaillierter Beschreibungen benötigen oft mehrere Sekunden, um nur wenige Objekte zu annotieren, was für Echtzeitanwendungen in dynamischen Umgebungen zu langsam ist. Die MIT-Forscher haben die Erfassungsgeschwindigkeit durch einen neuartigen Optimierungsansatz erheblich gesteigert. DAAAM aggregiert mehrere Objekte gleichzeitig und wählt Schlüsselbilder zur Annotation aus. Dies ermöglicht eine parallele und detaillierte Beschreibung mehrerer Objekte, wodurch die Berechnungszeit im Vergleich zu herkömmlichen Systemen um bis zu zehnmal reduziert wird.

Professor Luca Carlone, Leiter des Laboratory for Information and Decision Systems (LIDS) am MIT, betont die Bedeutung dieser Geschwindigkeit: "Je schneller der Roboter dieses räumliche Gedächtnis aufbauen kann, desto effizienter kann er Aktionen in seiner Umgebung ausführen." Nicolas Gorlo, Doktorand am MIT, ergänzt: "Wir annotieren jedes Objekt nur ein einziges Mal, sodass unser System auch in sehr weitläufigen Umgebungen in Echtzeit arbeiten kann. Durch die Gruppierung von Objekten in Regionen lassen sich zudem vielfältige Fragen zu Objekten und Orten in der Umgebung beantworten."

Natürliche Sprachinteraktion und erhöhte Präzision

Der Zugriff auf das umfassende räumliche Gedächtnis, das eine riesige Datenbank von Objekten mit ihren Beschreibungen umfasst, erfolgt über ein Large Language Model (LLM). Dies ermöglicht es Benutzern, Roboter durch natürliche Sprachanfragen zu steuern und Informationen abzurufen. Die Forscher berichten, dass solche Anfragen innerhalb weniger Sekunden beantwortet werden können, mit einem geringen Risiko von sogenannten Halluzinationen – also falschen oder irreführenden Antworten.

Ein Anwendungsbeispiel wäre, einen KI-Roboter mit DAAAM nach einer spezifischen Skulptur in der Nähe eines bestimmten Gebäudes zu fragen. Durch den Einsatz semantischer Suchtools kann der Roboter die Skulptur anhand des Begriffs "Skulptur" und des Standorts des Gebäudes lokalisieren und präzise Informationen darüber bereitstellen. Das DAAAM-Verfahren soll, abhängig von der Fragestellung, eine 21 bis 53 Prozent höhere Präzision im Vergleich zu herkömmlichen Systemen aufweisen.

Zukünftige Erweiterungen und Visionen

Die Forscher planen, das räumliche Langzeitgedächtnis künftig um eine weitere Komponente zu erweitern, die es Robotern ermöglichen soll, wichtige Ereignisse in ihrer Umgebung zu erfassen. Das übergeordnete Ziel der Wissenschaftler am MIT ist es, Roboter zu universell einsetzbaren Agenten zu entwickeln, die in der Lage sind, jede gewünschte Aufgabe zu erledigen und nahtlos mit Menschen zu interagieren. Die Finanzierung dieser Forschungen erfolgte durch das U.S. Army Research Laboratory und das Office of Naval Research.

Bibliography

1. "MIT entwickelt räumliches Langzeitgedächtnis-Framework für KI-Roboter | heise online" (2026-06-19). heise online.
2. "Could AI tell you where you left your keys? | MIT News | Massachusetts Institute of Technology" (2026-06-17). MIT News.
3. "MIT-SPARK/DAAAM" (2025-12-02). GitHub.
4. "Describe Anything Anywhere At Any Moment" (2025-12-02). arXiv.
5. "MIT entwickelt räumliches Langzeitgedächtnis-Framework für KI-Roboter" (2026-06-19). finanzen.at.
6. "Räumliches Gedächtnis: Roboter sind 21–53% präziser ..." (2026-06-19). ad-hoc-news.de.
7. "MIT-Forscher entwickeln KI mit räumlichem Langzeitgedächtnis" (o. D.). hyper.ai.
8. "MIT creates memory framework to help robots remember object locations over time" (2026-06-19). Mindplex.
9. "Could AI tell you where you left your keys? | MIT News | Machine Daily" (2026-06-17). Machine Daily.
10. "MIT entwickelt räumliches Langzeitgedächtnis-Framework für KI-Roboter - Langzeitgedächtnis | Künstliche Intelligenz News" (2026-06-19). de.headtopics.com.