Embodied AI: kunstmatige intelligentie met een lichaam
Als je met ChatGPT praat, praat je tegen een intelligentie zonder lichaam. Het systeem kent duizenden recepten voor pastasaus, maar heeft nog nooit een ui gesneden. Het kan een gedicht schrijven over de zwaartekracht, maar heeft nooit iets laten vallen. Embodied AI, in het Nederlands soms "belichaamde AI" genoemd, is de tak van kunstmatige intelligentie die dit gemis probeert op te lossen: AI die in een fysiek lichaam zit — meestal een robot — en via sensoren en motoren leert omgaan met de echte wereld.
Het verschil is vergelijkbaar met het verschil tussen een encyclopedie over zwemmen lezen en daadwerkelijk het water in gaan. Een taalmodel kent de statistische samenhang tussen woorden over "een glas oppakken", maar een embodied AI-systeem moet inschatten hoe zwaar het glas is, hoe glad het oppervlak, hoeveel kracht de robotvingers moeten zetten voordat het glas breekt of juist uit de hand glipt. Die kennis valt niet uit tekst te halen; die moet worden opgedaan door te proberen, te falen en bij te sturen — precies zoals een kind leert lopen.
Wat is het precies?
De kern van embodied AI is de zogeheten perceptie-actielus: een doorlopende cyclus van waarnemen, beslissen en handelen. Een robot met camera's, microfoons en tastsensoren neemt zijn omgeving waar (perceptie), een AI-model bepaalt op basis daarvan welke beweging nuttig is (beslissen), en motoren of "actuatoren" voeren die beweging uit (actie). Vervolgens verandert de omgeving weer, en begint de cyclus opnieuw. Dit in tegenstelling tot een taalmodel, dat één keer een vraag krijgt en één antwoord teruggeeft zonder dat de wereld erdoor verandert.
Recente systemen combineren dit met zogeheten vision-language-action-modellen (VLA-modellen): AI-modellen die, net als ChatGPT, getraind zijn op enorme hoeveelheden tekst en beeld, maar die daarnaast ook leren welke fysieke beweging bij een instructie hoort. Zeg je tegen zo'n robot "ruim de rode blokjes op", dan herkent het model eerst wat "rood" en "blokjes" betekenen (taal en beeld), en vertaalt dat vervolgens naar een reeks gewrichtshoeken en grijpbewegingen (actie).
Omdat het trainen van een robot in de echte wereld traag, duur en soms gevaarlijk is — een robotarm die duizend keer een kopje laat vallen, kost tijd en breekgoed — trainen onderzoekers veel gedrag eerst in een simulatie: een nagebouwde virtuele wereld waarin duizenden pogingen tegelijk en in versnelde tijd kunnen plaatsvinden. Het overzetten van die virtueel geleerde vaardigheden naar een echte robot heet sim-to-real transfer, en de vaak hardnekkige verschillen tussen simulatie en werkelijkheid staan bekend als de "reality gap".
Wat wil men ermee bereiken?
De belofte van embodied AI is een robot die niet slechts één taak kan (zoals een wasmachine of een lasrobot op een fabrieksband), maar die net als een mens algemene, flexibele vaardigheden opbouwt: opruimen, dozen inpakken, deuren openen, gereedschap gebruiken — en dat aanpast aan een omgeving die het nog nooit eerder zag. Dat heet generalisatie, en het is precies waar traditionele industriële robotica op vastloopt: die robots zijn extreem precies, maar volkomen hulpeloos zodra iets een centimeter verschuift ten opzichte van hun programmering.
De onderliggende motivatie is deels economisch: in de logistiek, ouderenzorg, landbouw en industrie is al jaren een tekort aan arbeidskrachten voor fysiek, repetitief of zwaar werk. Onderzoekers en bedrijven zien dit als het volgende hoofdstuk na de doorbraak van taalmodellen — nadat AI leerde lezen, schrijven en redeneren, is de volgende stap dat AI leert grijpen, lopen en manipuleren. Sommige wetenschappers, zoals Stanford-hoogleraar Fei-Fei Li, beargumenteren bovendien dat intelligentie zelf mogelijk niet los te maken is van een fysiek lichaam: mensen en dieren ontwikkelden hun denkvermogen juist door interactie met een omgeving, niet door boeken te lezen. Of dat ook voor machines geldt, is een open vraag.
Voorbeelden uit de praktijk
Google DeepMind presenteerde in 2023 RT-2, een vision-language-action-model dat robotarminstructies leert uit een combinatie van internetdata en robotdata. Later dat jaar volgde RT-X, gebouwd op de "Open X-Embodiment"-dataset: een gezamenlijk initiatief van tientallen laboratoria wereldwijd die hun robotdata bundelden, verzameld van meer dan twintig verschillende robottypen.
NVIDIA kondigde in maart 2024 Project GR00T aan (naar het personage uit Guardians of the Galaxy), een basismodel specifiek gericht op het aansturen van humanoïde robots, gecombineerd met de Isaac-simulatiesoftware waarin robots virtueel worden getraind voordat ze fysiek bewegen.
Figure AI, een Amerikaanse start-up, kondigde begin 2024 een samenwerking aan met OpenAI om taalmodellen te integreren in hun humanoïde robot Figure 01/02, en sloot een deal met autofabrikant BMW om de robot te testen in een fabriek in South Carolina.
Het Noorse bedrijf 1X Technologies (mede gefinancierd door OpenAI) ontwikkelt de humanoïde robots EVE en NEO, gericht op huishoudelijke en logistieke taken. Boston Dynamics onthulde in april 2024 een volledig nieuwe, elektrische versie van zijn bekende Atlas-robot, ter vervanging van het oudere hydraulische model, terwijl het bedrijf zijn commerciële vierpotige robot Spot al langer verhuurt aan onder meer energiebedrijven voor inspectiewerk.
De start-up Physical Intelligence, opgericht in 2024 door onderzoekers van onder meer Stanford en Berkeley, bracht datzelfde jaar het model π0 ("pi-zero") uit: een basismodel dat bedoeld is om, net als een taalmodel, generieke robotvaardigheden te leren die op meerdere robotlichamen inzetbaar zijn.
Hoe ver is de techniek?
Embodied AI bevindt zich duidelijk nog in een vroege, snel bewegende onderzoeksfase. Er zijn indrukwekkende demonstraties — robots die was opvouwen, vaatwassers inruimen of dozen sorteren — maar bijna altijd onder gecontroleerde omstandigheden, met beperkte betrouwbaarheid, en vaak nog met menselijke supervisie of "teleoperatie" (een mens die de robot op afstand bedient om trainingsdata te verzamelen). Grootschalige, zelfstandige inzet buiten laboratoria of pilotprojecten is per 2025 nog uitzondering, geen regel.
De grootste hindernis is datagebrek. Taalmodellen konden groeien dankzij miljarden teksten die al op internet stonden; fysieke interactiedata bestaat simpelweg niet in die hoeveelheden en moet handmatig, robot voor robot, verzameld worden — een trage en dure klus. Daarnaast blijft de eerder genoemde reality gap een probleem: gedrag dat perfect werkt in simulatie, faalt soms onverwacht zodra factoren als wrijving, gewicht of belichting in de echte wereld net anders uitpakken. Ook veiligheid is een obstakel: een taalmodel dat een fout antwoord geeft is vervelend, een robotarm van twintig kilo die een fout maakt naast een mens kan gevaarlijk zijn.
Tegelijk gaat de ontwikkeling snel: het tempo waarin nieuwe basismodellen, simulatieplatforms en gedeelde datasets verschijnen, is de afgelopen twee tot drie jaar duidelijk versneld. Concrete, betrouwbare voorspellingen over wanneer huishoud- of fabrieksrobots op grote schaal inzetbaar zijn, ontbreken echter; schattingen van betrokken bedrijven zelf lopen sterk uiteen en moeten met de nodige scepsis worden gelezen, aangezien zij belang hebben bij optimistische verwachtingen.
Wie werken eraan?
In de Verenigde Staten lopen de grote technologiebedrijven voorop: Google DeepMind (RT-serie), NVIDIA (die zowel chips als simulatiesoftware levert en zichzelf positioneert als infrastructuurleverancier voor de hele sector) en Tesla (met de humanoïde robot Optimus, aangekondigd in 2021). Daarnaast is een golf van gespecialiseerde start-ups actief, waaronder Figure AI, 1X Technologies, Physical Intelligence, Agility Robotics en Sanctuary AI. Boston Dynamics, van oudsher een Amerikaans bedrijf, is sinds 2021 eigendom van het Zuid-Koreaanse Hyundai.
Op onderzoeksgebied springen Amerikaanse universiteiten eruit: Stanford (waar de term "embodied AI" mede is gepopulariseerd door onderzoekers als Fei-Fei Li), UC Berkeley (met het invloedrijke BAIR-lab van onder meer Sergey Levine) , Carnegie Mellon University en MIT. Ook China investeert zwaar in humanoïde robotica, met bedrijven als Unitree die goedkopere humanoïde platforms op de markt brengen, en met expliciete overheidssteun voor de sector als strategische technologie. Europa speelt vooralsnog een kleinere rol, met uitzonderingen in industriële robotica en academisch onderzoek.