Sechs AgiBot-Roboter erledigen 1.730 Aufgaben in einer 24-Stunden-Schicht im Laden, diesmal ohne Erfolgsquote

Sechs G2-Roboter von AgiBot haben einen ganzen Tag in einem Convenience-Store in Shanghai gearbeitet, der normal geöffnet blieb. AgiBots Schlussbilanz: 1.730 erledigte Aufgaben. Der live übertragene Test lief laut Securities Times, die People's Finance News zitiert, von 10 Uhr am 2. November bis 10 Uhr am 3. November Pekinger Zeit: 683 Kunden begrüßt, 369 Artikel geholt und übergeben, 277 Runden Nachfüllen und Kontrolle, 147 Kaffees, 128 Tischreinigungen und 126 Frühstücke. Mehr als 2 Millionen Menschen schauten online zu.

Diesmal hat AgiBot mit einer Zahl abgeschlossen. Der Test im Juni endete mit einer Quote: Laut PEdaily kamen acht G2 an der Qualitätsprüfung einer Tablet-Linie von Longcheer Technology in Nanchang in 64 Stunden auf 64.828 Arbeitsgänge, mit 99,99 % Erfolgsquote. Im Laden erfasst AgiBot nach eigenen Angaben unter anderem die Erfolgsquote pro Aufgabe, den Erfolg beim ersten Versuch, wie oft Menschen eingreifen und die Systemverfügbarkeit. Keine dieser Zahlen steht in der Schlussbilanz. Solange das so bleibt, zeigt der Laden, dass sechs Roboter sechs Posten einen Tag lang besetzen können, und lässt offen, wie oft sie es richtig gemacht haben.

Die Fabrikroboter schafften pro Stunde zehnmal so viel

Mit AgiBots eigenen Zahlen kam jeder G2 in der Fabrik auf etwa 127 Arbeitsgänge pro Stunde (64.828 in 64 Stunden, verteilt auf acht Roboter, wenn alle acht durchgehend liefen). Jeder Laden-Roboter kam auf etwa 12 Aufgaben pro Stunde (1.730 in 24 Stunden, verteilt auf sechs). Das stärkste Argument für die Stückzahl: Im Laden geben die Kunden das Tempo vor. Wer begrüßt, wartet, bis jemand hereinkommt, der Barista auf eine Bestellung. Ren Guanghui, Vizepräsident von AgiBots Forschungszentrum für Embodied AI, sagte vor Journalisten, man habe sechs Roboter eingesetzt, um die wichtigsten Posten im Laden abzudecken und ihr Zusammenspiel zu testen. Die sechs Posten: Begrüßung, Kommissionieren und Verpacken, Regale auffüllen, Reinigung, Barista sowie warme Speisen plus Kasse.

Fehler gab es. Laut Wenhui Daily misslang den Robotern während der Öffnungszeiten gelegentlich eine Aufgabe. AgiBot beschreibt den Test als „kein Mensch in der Schleife“: keine menschlichen Vorführungen, keine manuelle Nachjustierung vor Ort, die Roboter suchten die Ursache eines Fehlers selbst und passten ihre Strategie an.

Die Ladendaten fließen binnen zwei Wochen ins Training

Diese Schleife ist dasselbe Argument, mit dem AgiBot GO-3 Preview vorgestellt hat. Im früheren Ladentest stieg die Erfolgsquote damals in fünf Tagen von 28,6 % auf 85,7 %. Laut AgiBot wird Erfahrung auf der Agentenebene am selben Tag zusammengefasst und ab dem nächsten genutzt, Policy-Updates brauchen ein paar Tage pro Runde, und die Daten aus dem Livestream landen nach Filterung, Anonymisierung und Qualitätsprüfung normalerweise binnen ein bis zwei Wochen in einem Policy-Update. Nach diesem Zeitplan sollte das, was die sechs Roboter am 2. November falsch gemacht haben, Mitte November in ihrer Policy stecken.