In Pittsburgh entwickelt ein interdisziplinäres Forscherteam eine Technologie, die das Leben von Millionen Menschen mit Mobilitätseinschränkungen nachhaltig verändern könnte. Das mit bis zu 41,5 Millionen Dollar geförderte RAMMP-Projekt der University of Pittsburgh verbindet modernste assistive Robotik mit Open-Source-KI-Modellen von Meta. Lesen Sie, wie künstliche Intelligenz direkt am Edge-Gerät Unabhängigkeit und Sicherheit im Alltag neu definiert.

RAMMP: Eine neue Ära der assistiven Mobilität

Im Herzen von Pittsburgh arbeitet das Human Engineering Research Laboratories (HERL) der University of Pittsburgh an einer leisen Revolution. Zusammen mit ATDev und weiteren Partnern entsteht dort die Robotic Assistive Mobility and Manipulation Platform (RAMMP). Diese Initiative zielt darauf ab, die Unabhängigkeit von Menschen mit Behinderungen durch intelligente Robotik grundlegend neu zu definieren.

Die Zahlen zeigen den dringenden Handlungsbedarf: Rund 5,5 Millionen Rollstuhlnutzer gibt es allein in den USA. Jährlich werden über 100.000 notfallmedizinisch behandelte Verletzungen im Zusammenhang mit Rollstühlen registriert, oft durch Stürze und Kollisionen. RAMMP setzt genau an dieser Schnittstelle zwischen Sicherheit und Selbstständigkeit an.

Wie Meta-KI die Robotik zum Sehen bringt

Zentrale Bausteine des Projekts sind zwei Open-Source-Vision-Modelle von Meta: DINO und das Segment Anything Model (SAM). Während DINO als selbstüberwachter Vision-Transformer visuelle Muster auch aus unbeschrifteten Daten lernt, erkennt SAM nahezu jedes Objekt in Bildern präzise und umrandet es mit minimaler Eingabeaufforderung. Diese Fähigkeiten machen beide Modelle zu idealen Werkzeugen für Umgebungen, in denen standardisierte Trainingsdaten rar sind.

Im RAMMP-Projekt übernehmen die KI-Modelle konkrete Aufgaben: Sie helfen dabei, automatische Türöffner, Tassen oder Bordsteinkanten zu erkennen und dienen so als virtuelle Augen für die Robotik-Plattform. Durch die Kombination aus natürlicher Sprachverarbeitung und Bildanalyse können Nutzer zudem intuitiver mit ihrer Mobilitätshilfe interagieren, was die kognitive Belastung deutlich senkt.

KI am Limit: Edge-Computing für den Alltag

Für assistive Geräte zählt jede Millisekunde. Ein Kind, das unvermittelt über den Gehweg läuft, eine plötzliche Bordsteinkante oder heruntergefallene Schlüssel erfordern sofortige Reaktionen. Deshalb setzt das RAMMP-Team auf Edge-Computing: Die Verarbeitung von Kamera- und Sensordaten erfolgt direkt auf dem Gerät, ohne dass eine Cloud-Verbindung nötig wäre.

Die technischen Herausforderungen sind enorm. Leistungsstarke KI-Modelle wie DINOv3 und SAM auf batteriebetriebener, kompakter Hardware laufen zu lassen, erfordert erhebliche Optimierungen. Die Ingenieure reduzieren den Speicherbedarf, nutzen niedrigere Präzisionsformate und passen die Modelle an die harten Bedingungen des mobilen Einsatzes an. Dabei wird gelegentlich ein minimaler Verlust an Kantenpräzision zugunsten von Geschwindigkeit und Stabilität in Kauf genommen.

DINOv3 als effizientes visuelles Gehirn

DINOv3 fungiert dabei als kompaktes, allgemeines Fundament für die visuelle Wahrnehmung. Darauf lassen sich leichtgewichtige, aufgabenspezifische Module aufsetzen, die beispielsweise Objekterkennung oder Bewegungsverfolgung übernehmen. Diese modulare Architektur spart Energie und ermöglicht die Wiederverwendung visueller Daten über verschiedene Funktionen hinweg.

RF-DETR: Echtzeit-Wahrnehmung in 360 Grad

Das Wahrnehmungssystem von RAMMP basiert auf RF-DETR, einem leichtgewichtigen Erkennungsmodell, das mit DINOv2-Embeddings feinabgestimmt wurde. Trainingsdaten werden automatisch mit SAM annotiert, was die Erstellung hochwertiger Datensätze über alle erdenklichen Blickwinkel, Beleuchtungen und Hintergründe hinweg ermöglicht. Das Ergebnis ist ein adaptives System, das die Umgebung in Echtzeit erfasst und so sicherere Mobilität unterstützt.

Ein partizipativer Ansatz für echte Bedürfnisse

Was das RAMMP-Projekt besonders auszeichnet, ist seine nutzerzentrierte Methodik. Rollstuhlnutzer, Kliniker und Interessenvertretungen sind vom ersten Entwurf an in den Designprozess eingebunden. Diese partizipative Vorgehensweise stellt sicher, dass die Technologie tatsächliche Alltagsprobleme löst und nicht nur theoretische Szenarien bedient.

Das nationale Konsortium hinter RAMMP umfasst neben HERL und ATDev weitere Schwergewichte wie Kinova Robotics, LUCI Mobility sowie führende Universitäten wie Carnegie Mellon, Cornell, Northeastern und Purdue. Diese Breite garantiert, dass wissenschaftliche Exzellenz und praktische Ingenieurskunst Hand in Hand gehen.

Ausblick: Die nächste Generation assistiver Robotik

Die Arbeit der RAMMP-Forscher ist noch lange nicht abgeschlossen. In den kommenden Monaten werden SAM 3.1 und DINOv3 noch tiefer in die Plattform integriert, um die Echtzeit-Umweltwahrnehmung weiter zu verbessern. Zukünftige Entwicklungen konzentrieren sich auf zeitliche Konsistenz, Robustheit unter widrigen Bedingungen und eine engere Vernetzung mit Entscheidungs- und Steuerungssystemen.

Langfristig soll RAMMP nicht nur individuelle Mobilität ermöglichen, sondern auch neue Arbeitsplätze und Fertigungsmöglichkeiten in Pittsburgh und Pennsylvania schaffen. Die Vision verbindet technologischen Fortschritt mit sozialem und ökonomischem Impact.

„Die Leistung assistiver Robotik misst sich nicht an Benchmark-Ergebnissen, sondern daran, ob ein System im Unvorhersehbaren des Alltags zuverlässig funktioniert“, sagt Sivashankar Sivakanthan, Chief of Staff des RAMMP-Projekts. Mit diesem Anspruch bewegt sich die nächste Generation assistiver Technologien nicht nur Menschen – sie bewegt die Gesellschaft einer vollständig inklusiven Zukunft entgegen.

Quelle

Die Originalmeldung mit weiteren technischen Details finden Sie im Meta AI Blog.