Het nieuwe framework, TeNet (Text-to-Network), zet een opdracht één keer om in een compact neuraal netwerk voor de besturing, waarna de robot zelfstandig en razendsnel kan reageren. De onderzoeksresultaten worden gepresenteerd tijdens de internationale AI-conferentie IJCAI-ECAI 2026.
Grote taalmodellen (Large Language Models, LLM's) maken het mogelijk om robots aan te sturen met natuurlijke taal. In de praktijk zijn deze systemen echter vaak te groot en te rekenintensief om direct te gebruiken op kleinere robots of in toepassingen waarbij binnen fracties van seconden moet worden gereageerd.
TeNet
Om dat probleem op te lossen ontwikkelden computerwetenschappers Ariyan Bighashdel en Kevin Sebastian Luck, binnen het NWO-gefinancierde Tenet-project, TeNet. In plaats van een groot taalmodel continu mee te laten draaien tijdens de besturing, gebruikt TeNet het taalmodel slechts één keer om een compacte, taakspecifieke controller te genereren. Daarna voert de robot alle handelingen uit met dit lichte besturingsprogramma.
De onderzoekers laten zien dat deze aanpak zowel snel als efficiënt is. De gegenereerde controllers bevatten ongeveer 40.000 parameters, aanzienlijk minder dan de 1 tot 39 miljoen parameters die gebruikelijk zijn bij bestaande modellen. Daardoor behaalt TeNet besturingssnelheden van meer dan 9 kHz, waardoor robots zeer snel kunnen reageren op veranderingen in hun omgeving en geschikt zijn voor realtime toepassingen.
Compacte AI opent de deur naar nieuwe generatie slimme robots
De resultaten kunnen de inzet van taalgestuurde robots aanzienlijk verbreden. Doordat de benodigde rekenkracht veel lager is, kunnen ook kleinere en goedkopere robots gebruikmaken van geavanceerde AI, zonder zware of kostbare hardware. Dat maakt de technologie toegankelijker voor toepassingen in bijvoorbeeld de zorg, logistiek, industrie en dienstverlening.
Daarnaast biedt de nieuwe methode voordelen op het gebied van energieverbruik. Omdat alleen een compacte controller actief blijft tijdens het gebruik, is veel minder rekenkracht nodig dan bij systemen die continu een groot taalmodel draaien. Dat kan leiden tot energiezuinigere robots en een duurzamer gebruik van AI.
Volgens Luck gaat de efficiëntie niet ten koste van het taalbegrip. “TeNet blijft robuust wanneer gebruikers dezelfde opdracht op verschillende manieren formuleren. Daardoor kunnen mensen op een natuurlijke manier met robots communiceren, zonder vaste of vooraf geprogrammeerde commando's te hoeven gebruiken.”