Robots die de wereld leren begrijpen: wat betekent dat voor jou?

TL;DR

• Wat: In één week kwamen zes AI-aankondigingen die samen laten zien hoe robots steeds beter de fysieke wereld begrijpen, erin handelen en naast mensen werken.
• Waarom relevant: De stap van AI-in-software naar AI-in-de-echte-wereld raakt sectoren waar het Nederlandse MKB actief is — van logistiek tot maakindustrie.
• Wat je ermee kunt: Volg de ontwikkeling van zogenoemde world models en stel jezelf de vraag welke fysieke, repetitieve taken in jouw bedrijf over twee tot drie jaar anders kunnen verlopen.

Ik viel deze week over een overzicht van The Turing Post op X, waarin zes aankondigingen uit de AI-wereld bij elkaar werden gezet. Elk ervan is op zich interessant, maar samen vertellen ze een verhaal dat ik als ondernemer lastig kan negeren: AI leert niet alleen tekst genereren, maar ook de fysieke wereld om zich heen begrijpen en erin handelen.

Robots die herstellen van hun eigen fouten

Twee aankondigingen gaan over wat in de vakliteratuur world models worden genoemd — AI-systemen die leren hoe de fysieke wereld zich gedraagt, inclusief zwaartekracht, oorzaak en gevolg, en de manier waarop objecten bewegen.

Odyssey-3, onthuld op 15 september door het bedrijf Odyssey, is zo'n world model. Het is een AI-model dat via visuele observatie leert hoe de wereld werkt en dat vervolgens toepast op het aansturen van robots, auto's en drones. In demo's is te zien hoe een robotarm herstelt wanneer een object valt of een greep mislukt — iets dat tot voor kort bijzonder lastig was voor machines. Volgens Odyssey heeft het model slechts enkele uren aan taakspecifieke data nodig bovenop de brede voortraining.

Daarnaast presenteerde World Labs begin september Atlas, een zogeheten omni world model. Atlas kan op basis van twee of drie foto's een volledige 3D-scène reconstrueren en nieuwe gezichtspunten genereren die de camera nooit heeft gezien. Dat klinkt misschien als een visueel trucje, maar het principe erachter — een AI die ruimtelijk begrijpt hoe een omgeving in elkaar zit — is precies het type kennis dat robots nodig hebben om in onbekende ruimtes te functioneren.

Van laboratorium naar dertig onbekende huiskamers

Dat brengt me bij de aankondiging die ik persoonlijk het meest opvallend vind. Figure onthulde op 17 september Helix 2.5, het AI-brein achter zijn humanoïde robots. Het bedrijf testte drie huishoudelijke taken — opruimen, handdoeken vouwen en bedden opmaken — in dertig woningen in de San Francisco Bay Area die de robot nooit eerder had gezien.

Het resultaat: een slagingspercentage van 56%, oftewel 237 succesvolle pogingen op 420 totaal. Dat klinkt misschien bescheiden, maar vergelijk het met de 9% die een vergelijkbaar model haalde zonder de speciale voortraining. Die sprong van 9 naar 56 procent komt door wat Figure Index noemt: een dataset opgebouwd uit opnames van menselijk gedrag. De robot leerde dus niet uit handmatig geprogrammeerde instructies, maar uit het observeren van hoe mensen dezelfde taken uitvoeren.

Waarom vind ik dit zo interessant? Omdat de uitdaging nooit was of een robot in een gecontroleerd lab een taak kon uitvoeren. De uitdaging was altijd: kan die robot dat ook in een omgeving die hij niet kent, met spullen die hij niet verwacht? Een slagingspercentage van 56% is nog geen betrouwbare dienst, maar de richting is duidelijk.

Robots naast mensen, zonder hek ertussen

Een robot die taken kan uitvoeren is één ding. Een robot die dat veilig naast mensen doet is iets heel anders. Agility Robotics presenteerde op 15 september Digit 5, de nieuwste versie van zijn humanoïde robot. Het opvallendste: Digit 5 is ontworpen om zonder fysieke afscheiding naast mensen te werken.

De robot gebruikt camera's, dieptesensoren en AI-algoritmes om mensen in de buurt te detecteren. Komt iemand dichtbij, dan kan Digit 5 uitwijken, stoppen of zelfs gaan zitten. NVIDIA levert het veiligheidsplatform via zijn IGX Thor- en Halos-technologie. Agility meldt dat er voor 300 miljoen dollar aan orders is, met eerste leveringen verwacht in de eerste helft van 2027.

Voor de context: TNO waarschuwde eerder dit jaar dat de Nederlandse maakindustrie zonder verdere robotisering haar concurrentiepositie verliest, mede door vergrijzing en personeelstekorten. Volgens TNO heeft 83% van de MKB-maakbedrijven onvoldoende inzicht in welke processen zich lenen voor automatisering met AI. Robots die veilig naast personeel kunnen werken — zonder dat je eerst een complete fabriekshal moet ombouwen — verlagen die drempel aanzienlijk.

Snelle beslissingen en de infrastructuur onder AI-agents

Tussen al die fysieke robots zat één aankondiging die niets met hardware te maken heeft, maar die ik toch niet wil overslaan. TypeSafe AI, opgericht door voormalig OpenAI-ingenieur Diogo Almeida, onthulde Jev: een model dat geen tekst genereert, maar getypte waarden teruggeeft — keuzes, scores en kansen — in 70 tot 500 milliseconden.

Waarom is dat relevant? Omdat steeds meer bedrijfssoftware gebruikmaakt van AI-agents die zelfstandig stappen uitvoeren. Elke stap vereist een beslissing: welke tool gebruik ik, probeer ik het opnieuw, is dit antwoord betrouwbaar genoeg? Als elke beslissing een volledig taalmodel moet doorlopen, wordt dat traag en duur. Jev claimt 40 tot 200 keer sneller te zijn dan gangbare taalmodellen, tegen een fractie van de kosten. Stel dat je als ondernemer een systeem hebt dat automatisch klantaanvragen routeert of voorraadniveaus bewaakt — dan wil je dat de AI-laag daar milliseconden over doet, niet seconden.

Wie beslist wat we met deze technologie doen?

De zesde aankondiging is van een andere orde. Google DeepMind lanceerde op 16 september het DeepMind Institute, een platform voor onderzoek en publiek debat over kunstmatige algemene intelligentie (AGI). Onder leiding van DeepMind-medeoprichter Shane Legg en CEO Demis Hassabis verschenen essays over veiligheid, mondiale governance, transparantie in AI-redenering en economisch beleid.

Wat mij hier opvalt is de expliciete erkenning dat de makers van deze technologie zelf vinden dat het gesprek breder moet worden gevoerd. Het instituut benadrukt dat bijdragen "niet altijd met elkaar overeen zullen komen". Dat vind ik eerlijk gezegd een gezond uitgangspunt.

Kun je je voorstellen wat het betekent als de technologie uit de vorige paragrafen — robots die leren van menselijk gedrag, die veilig naast je werken, die in milliseconden beslissingen nemen — inderdaad in de komende jaren breed beschikbaar wordt? Dan is het gesprek over wie er meebesluit geen academische luxe maar een praktische noodzaak.

Wat ik hiervan meeneem

Ik denk dat deze zes aankondigingen samen iets laten zien dat groter is dan elk onderdeel apart. De lijn loopt van AI die de wereld begrijpt (world models), via AI die erin handelt (robots in echte huizen en fabrieken), naar AI die razendsnel beslissingen neemt (Jev) — én een beginnend gesprek over hoe we dat als samenleving willen sturen.

Voor mij is dit vooral een signaal dat de afstand tussen AI-onderzoek en de dagelijkse bedrijfsvoering kleiner wordt. Niet morgen, en waarschijnlijk niet volgend jaar in je eigen magazijn. Maar de richting is zo consistent dat ik het lastig vind om het te negeren.