Lernpfad
Physical AI lernen
Von „Was ist Physical AI?“ bis zu den Foundation Models für Roboter: fünf Level für alle, die KI verstehen wollen, die den Bildschirm verlässt. Die Artikel erklären, wie Fahrzeuge, Roboter und Hirnimplantate wahrnehmen, entscheiden und handeln — und sie stützen sich auf öffentliche Daten statt auf Werbeversprechen: Unfallmeldungen an die US-Verkehrssicherheitsbehörde, das Studienregister der US National Library of Medicine und die Daten von Epoch AI zu KI-Modellen, Chips und Rechenzentren.
15 Artikel in 3 Leveln · Zur Kategorie Physical AI
Die Level
- 0 Einstieg Was Physical AI ist: wie Maschinen in der realen Welt wahrnehmen, entscheiden und handeln, vom Auto bis zum Hirnimplantat. 5 Artikel
- 1 Grundlagen Die Bausteine, mit eigenen Experimenten: Regelung, Lokalisierung, Einsatzbereich selbstfahrender Autos, Hirnsignale und KI-Chips. 5 Artikel
- 2 Fortgeschritten Wie die Systeme arbeiten, mit eigenen Experimenten: Karten bauen, Routen auf einem echten Stadtplan planen, lenken, in der Simulation trainieren und Hirnsignale entschlüsseln. 5 Artikel
Level 0 · Einstieg
Was Physical AI ist: wie Maschinen in der realen Welt wahrnehmen, entscheiden und handeln, vom Auto bis zum Hirnimplantat.
Level 0 · Teil 1
Was ist Physical AI? Maschinen, die wahrnehmen und handeln
Physical AI erklärt: wie Maschinen in der realen Welt wahrnehmen, entscheiden und handeln, vom Robotaxi bis zum Hirnimplantat, und warum das schwerer ist.
Level 0 · Teil 2
Wie selbstfahrende Autos die Straße sehen: Kamera, Radar, Lidar
So funktioniert autonomes Fahren: die SAE-Stufen, was Kamera, Radar und Lidar sehen, wie Software daraus Lenkbefehle macht und was Unfallmeldungen zeigen.
Level 0 · Teil 3
Wie Roboter greifen und gehen lernen
Wie Roboter lernen: vom programmierten Industriearm über Vorführungen und Simulation bis zu Foundation Models, die aus Bildern und Worten Bewegungen machen.
Level 0 · Teil 4
Wie Gehirn-Computer-Schnittstellen Hirnsignale in Befehle übersetzen
So funktioniert eine Gehirn-Computer-Schnittstelle: von Nervenzellen und Elektroden bis zum KI-Decoder, der Hirnsignale in Befehle, Text oder Sprache übersetzt.
Level 0 · Teil 5
Was KI antreibt: Chips, Rechenzentren, Strom und Wasser
Was KI antreibt: warum sie Spezialchips braucht, was in einem KI-Rechenzentrum steckt, wie viel Strom die größten Standorte ziehen und warum Strom knapp wird.
Level 1 · Grundlagen
Die Bausteine, mit eigenen Experimenten: Regelung, Lokalisierung, Einsatzbereich selbstfahrender Autos, Hirnsignale und KI-Chips.
Level 1 · Teil 1
Wie Maschinen sich bewegen: Regelung an einer Simulation erklärt
Wie Roboter eine Entscheidung in ruhige Bewegung umsetzen: Regelkreis und PID-Regler, getestet in unserer Simulation — und warum Verzögerungen gefährlich sind.
Level 1 · Teil 2
Wie ein Roboter weiß, wo er ist: Odometrie, GPS und Sensorfusion
Warum Roboter und selbstfahrende Autos Sensoren kombinieren, gezeigt an unserer Simulation: Odometrie driftet, GPS springt, ein Kalman-Filter verbindet beides.
Level 1 · Teil 3
Wo selbstfahrende Autos fahren: die Operational Design Domain
Selbstfahrende Autos fahren nur dort, wofür sie gebaut sind. Was die Operational Design Domain ist und was US-Unfallmeldungen über Orte, Wetter und Uhrzeit zeigen.
Level 1 · Teil 4
Hirnsignale lesen: Was ein EEG entschlüsseln kann und was nicht
Erkennt ein Computer im EEG, ob sich jemand vorstellt, die linke oder rechte Hand zu bewegen? Unser Test an öffentlichen Aufnahmen: bei manchen gut, bei vielen kaum.
Level 1 · Teil 5
Im Inneren von KI-Chips: Rechenleistung, Speicher und die Speicherwand
Was die Kennzahlen eines KI-Chips bedeuten, warum die Speicherbandbreite langsamer wächst als die Rechenleistung und warum Batching die Chips besser auslastet.
Level 2 · Fortgeschritten
Wie die Systeme arbeiten, mit eigenen Experimenten: Karten bauen, Routen auf einem echten Stadtplan planen, lenken, in der Simulation trainieren und Hirnsignale entschlüsseln.
Level 2 · Teil 1
Wie Roboter eine Karte bauen: Lidar-Scans und Belegungsgitter
Wie ein Roboter aus Lidar-Scans eine Karte aus freier Fläche und Wänden baut, gezeigt in unserer Simulation — und warum sie zerfällt, sobald seine Position driftet.
Level 2 · Teil 2
Wie ein Roboter seine Route findet: Dijkstra und A* auf einer echten Karte
Wie Navigationssysteme und Roboter die kürzeste Route finden, getestet am echten Straßennetz von San Francisco: warum A* weit weniger Orte prüft als Dijkstra.
Level 2 · Teil 3
Auf der Bahn bleiben: Wie ein selbstfahrendes Auto lenkt
Wie ein selbstfahrendes Auto seiner geplanten Bahn folgt, gezeigt am Verfahren Pure Pursuit in unserer Simulation: warum der richtige Vorausblick vom Tempo abhängt.
Level 2 · Teil 4
In der Simulation trainiert: Warum Roboter unordentliche Übungswelten brauchen
Roboter lernen in der Simulation, doch die Wirklichkeit ist unordentlicher. Unser Experiment: Training in Zufallswelten hilft gegen Verzögerung und Rauschen.
Level 2 · Teil 5
Im Inneren eines Hirn-Decoders: Elektroden, Trainingsdaten und fremde Gehirne
Was einen Decoder für Hirnsignale besser macht: mehr Elektroden, mehr Training, fremde Daten oder echte Bewegung? Vier Tests an EEG-Aufnahmen von 106 Personen.
Werkzeuge und Daten zum Lernpfad
Daten und Artikel in Physical AI Alle Tools vergleichen 343 Sprachmodelle in der LLM-Datenbank