Die Zukunft der Forschung in kognitiver Robotik: Foundation-Modelle oder entwicklungsbezogene kognitive Modelle?

Die Robotikforschung hat kürzlich Foundation-Modelle als attraktiven Ansatz zur Verbesserung verschiedener Elemente des Robotik-Stacks und zur Vereinfachung der Herausforderung, Roboter zur Ausführung von Aufgaben anzuleiten, angenommen. Während es zunehmende Hinweise gibt, dass dies ein sehr nützlicher Ansatz sein kann, bestehen auch viele Bedenken, dies zum ausschließlichen Weg für die Zukunft der Robotik zu machen, z. B. hinsichtlich Kosten, Verfügbarkeit, Vertrauenswürdigkeit, Robustheit, Transparenz, Sicherheit und Inklusion. In diesem Artikel werden wir eine alternative Zukunft für die Robotikforschung erkunden, die Foundation-Modelle und Deep Learning mit internetgroßen Datensätzen vermeidet und stattdessen einen Ansatz verfolgt, der mehr mit der kognitiven Entwicklung beim Menschen gemeinsam hat. Dabei wird Wissen der Kognitionswissenschaft genutzt und gleichzeitig Erfahrung im Aufbau kognitiver Roboter eingesetzt, um Beiträge sowohl zur kognitiven Robotik als auch zur Kognitionswissenschaft zu leisten. Solche Ansätze sind stärker mit der enaktiven Haltung in der verkörperten Kognitionswissenschaft vereinbar, im Gegensatz zum entkörperten computationalen Funktionalismus kognitivistischer Ansätze, von denen Foundation-Modelle die zeitgemäßste Ausprägung sind.