Compacte AI maakt taalgestuurde robots sneller, zuiniger en breder inzetbaar

In dit artikel:

Computerwetenschappers Ariyan Bighashdel en Kevin Sebastian Luck van de Vrije Universiteit Amsterdam hebben binnen het NWO-gefinancierde Tenet-project TeNet ontwikkeld. Dit framework laat een groot taalmodel een gesproken of geschreven robotopdracht één keer vertalen naar een compact, taakspecifiek neuraal netwerk. Daarna kan de robot zelfstandig worden bestuurd zonder dat het taalmodel voortdurend actief hoeft te zijn.

Dat vermindert de benodigde rekenkracht aanzienlijk. De controllers van TeNet bevatten ongeveer 40.000 parameters, tegenover 1 tot 39 miljoen bij veel bestaande modellen, en halen besturingssnelheden van meer dan 9 kilohertz. Daardoor kunnen robots sneller reageren op veranderingen en is de aanpak geschikt voor realtime toepassingen.

De methode kan taalgestuurde AI toegankelijk maken voor kleinere en goedkopere robots, bijvoorbeeld in de zorg, logistiek, industrie en dienstverlening. Ook kan het lagere energieverbruik bijdragen aan duurzamere robots. De onderzoekers presenteren hun resultaten tijdens de internationale AI-conferentie IJCAI-ECAI 2026.