RACAS: Agentensystem steuert diverse Roboter mit einer Sprachschnittstelle

Viele moderne Robotikplattformen stellen ihren Nutzern APIs zur Verfügung, über die externe Software die Aktuatoren steuern und Sensorwerte auslesen kann. Der Schritt von diesen low‑level Schnittstellen zu hoch‑level autonomem Verhalten ist jedoch mit einem komplexen Pipeline‑Setup verbunden, das unterschiedliche Fachkenntnisse erfordert. Bestehende Brückentechniken verlangen entweder ein erneutes Training für jede neue Plattform oder wurden bislang nur auf strukturell ähnlichen Robotern getestet.

RACAS – kurz für Robot‑Agnostic Control via Agentic Systems – bietet einen neuen Ansatz. Das System besteht aus drei auf großen Sprach‑ und Vision‑Modellen basierenden Modulen: Monitors, Controller und Memory Curator. Sie kommunizieren ausschließlich über natürliche Sprache und ermöglichen so eine geschlossene Steuerung des Roboters. Für den Einsatz benötigt RACAS lediglich eine sprachliche Beschreibung des Roboters, eine Auflistung der verfügbaren Aktionen und eine Aufgabenbeschreibung. Es sind keine Änderungen an Quellcode, Modellgewichten oder Belohnungsfunktionen nötig, um zwischen unterschiedlichen Plattformen zu wechseln.

In einer Evaluation wurden die Leistungsfähigkeit von RACAS an drei sehr unterschiedlichen Robotern getestet: einem fahrbaren Bodenroboter, einem neu veröffentlichten mehrgliedrigen Roboterarm und einem Unterwasserfahrzeug. In allen Fällen löste RACAS die vorgegebenen Aufgaben zuverlässig, was die Vielseitigkeit des agentischen Ansatzes unterstreicht und die Möglichkeit aufzeigt, die Prototypenentwicklung für Robotik erheblich zu vereinfachen.

Die Ergebnisse zeigen, dass agentic AI die Hürden für die Entwicklung robotischer Lösungen senken kann, indem sie plattformunabhängiges Training eliminiert und die Integration neuer Robotermodelle beschleunigt.