Zum Inhalt
WeltzeitEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal über KI und Technologieereignisse · analysen · interviews · technischer hintergrund

Suche
LIVE
›

Humanoide Roboter in der Fabrik: Daten, Latenz und ein Streit im Aufsichtsrat

Innodata hat am 30. September ein Motion-Capture-Labor eröffnet, um der physischen KI die fehlenden realen Daten zu liefern. Neue Forschung zu Latenz und Benchmarks zeigt, wie weit humanoide Roboter von zuverlässiger Fabrikarbeit entfernt sind.

TechnologieAnalyseKatrin HoffmannVeröffentlicht: 30. September 20264 Min. LesezeitQuellen 4
Humanoide Roboter in der Fabrik: Daten, Latenz und ein Streit im Aufsichtsrat

Innodata hat am 30. September ein Labor für Motion Capture eröffnet. Das Unternehmen will dort Trainingsdaten für humanoide und industrielle Roboter erzeugen und die Leistungsangaben, die diese Roboter über sich selbst machen, unabhängig prüfen. Gebaut wurde die Anlage in Ridgefield Park, New Jersey, zusammen mit Vicon, dessen optische Infrarotkameras Bewegungen bis in den Submillimeterbereich erfassen, wie The Robot Report berichtet.

Das ist die jüngste Meldung aus einer Woche voller Hardware- und Softwareankündigungen, die alle dieselbe Lücke zeigen: Roboter können sich bewegen, aber die Daten und Regelkreise dahinter reichen noch nicht für eine gewöhnliche Fabrikschicht.

Geld gegen das Datenproblem

„Physical AI wächst schneller als jedes andere Segment der KI, aber jedes Robotikteam stößt an dieselbe Wand: Es gibt nicht genug Interaktionsdaten aus der realen Welt, und was existiert, ist teuer und langsam zu produzieren“, sagte Innodata-CEO Rahul Singhal in der Ankündigung. Franklin Tanner, Vice President für Robotik und Physical AI, sagte dem Robot Report, große Sprachmodelle könnten sich am offenen Internet bedienen, Roboter nicht: „Physical AI muss sich seine Token eine Interaktion nach der anderen verdienen, und sie müssen bewusst gewählt sein.“

Innodata erfasst nach eigenen Angaben 3D-Bewegungen direkt von Körpern, menschlichen wie mechanischen, statt sie aus 2D-Video zu schließen. Die so gewonnenen Daten sollen digitale Zwillinge für Sonderfälle speisen. Tanner nannte auch eine Grenze, über die die Branche nicht gern spricht: Es gibt heute keine Trainingsdaten für Situationen, in denen Menschen und Roboter miteinander interagieren. Daran arbeitet das neue Labor.

Mit dem Argument, dass die Daten und nicht der Roboterkörper über den Einsatz entscheiden, steht das Unternehmen nicht allein. Destro AI kam am 30. September aus dem Stealth-Modus mit einer Seed-Runde über 8 Millionen Dollar, angeführt von Base10 Partners und Bonfire Ventures mit CoFound Partners, und einem ungewöhnlichen Ansatz. Das Unternehmen baut überhaupt keine Roboter.

„Einer der größten Gründe, warum wir gegen Robotikfirmen gewinnen, ist, dass wir keine Robotikfirma sind“, sagte Gründer Manthan Pawar zu TechCrunch.

Menschen und Wagen im Takt

Destros Software steuert die menschlichen Arbeitskräfte ebenso wie die Maschinen. In einer Anlage von Yusen Logistics im pazifischen Nordwesten laufen drei Wagenroboter von Miva Robotics mit Destros Betriebssystem Vision, das auf offenen Vision-Language-Action-Modellen beruht. Arbeiter laden Waren aus einem Lkw in Wagen, die Roboter bringen die vollen Wagen an ihr Ziel, und Destros Betriebssystem Mothership koordiniert Menschen, Wagen und Lkw. Richard Brunelle von Yusen sagte zu TechCrunch, zwei andere Robotik-Start-ups hätten denselben Cross-Dock-Ablauf nicht abbilden können: Das eine habe Wagen von Punkt zu Punkt bewegt, aber Be- und Entladen nicht gekonnt, das andere habe für die Koordination einen Menschen gebraucht.

Diesen Pilotbetrieb weitet Destro nun auf 26 Roboter aus und startet in Südkalifornien einen zweiten mit 17 Robotern. Pawar will den Cross-Dock-Ablauf auf weitere Lagerhäuser übertragen, doch TechCrunch merkt an, dass das Unternehmen noch nicht gezeigt hat, ob es Aufgaben mit echter Fingerfertigkeit bewältigt.

Die Geschwindigkeit ist die andere Hälfte des Problems. MindOn veröffentlichte am 30. September einen technischen Beitrag zu Mind-1, einem Physical-AI-Modell, das die Inferenzlatenz von Robotern von 82 Millisekunden auf 32 Millisekunden senken soll und die Aufgabenausführung damit an menschliche Zykluszeiten heranführt. Der Beitrag sagt offen, warum das zählt: Bei einer Geschwindigkeit des Endeffektors von 3 Metern pro Sekunde entsprechen 10 Millisekunden Latenz rund 3 Zentimetern Bewegung, genug, um einen Griff oder eine Einsteckbewegung zu verderben. MindOn weist außerdem darauf hin, dass die meisten Manipulationsdaten aus der Teleoperation stammen, die viel langsamer ist als natürliche menschliche Bewegung. Die Modelle lernen also zusammen mit der Aufgabe ein langsames Tempo.

Benchmarks verdecken die unebenen Kanten

Eine separate Studie, die Forscher von Fig. Inc am 30. September veröffentlichten, stellt die Werte infrage, mit denen diese Modelle verglichen werden. Das Team ließ sieben Frontier-Modelle, darunter Astra und Opus 5.5, über 177 geschlossene Web-Aufgaben in VisualWebArena laufen und danach drei Modelle über vier physische Domänen: VLABench, Assembly101, IndEgo und Bench2Drive. Das Ergebnis: Durchschnittswerte verdecken, wie ungleich die Modelle abschneiden. In jedem getesteten Modellpaar löste das schwächere Modell mindestens eine Aufgabe, die das stärkere verfehlte. Ein Modellupdate kann den Durchschnitt fast unverändert lassen und trotzdem viele einzelne Aufgaben kippen. Modelle, die Gemini 3.5-Flash in jedem Domänendurchschnitt schlugen, waren in manchen Aufgabenkategorien dennoch schlechter.

Das alles ist kein reines Forschungsproblem. Am 30. September berichtete TechCrunch, Matan Grinberg, Mitgründer und CEO des KI-Coding-Start-ups Factory, habe VC Chris Degnan als Berater des Aufsichtsrats entlassen. Grinberg wirft Degnan vor, vertrauliche Informationen an den Wettbewerber Cognition weitergegeben zu haben. Degnan meldete zwei Stunden später, er sei als Chief Revenue Officer zu Cognition gewechselt, und erklärte, er sei zurückgetreten und nicht entlassen worden. Bei Khosla Ventures, an beiden Firmen beteiligt, stellten sich Gründer Vinod Khosla und Partner Keith Rabois auf X auf entgegengesetzte Seiten. Factory sammelte in diesem Monat 200 Millionen Dollar bei einer Bewertung von 5 Milliarden Dollar ein, Cognition 2 Milliarden Dollar bei 48 Milliarden Dollar Bewertung.

Das Geld ist offensichtlich da. Der zuverlässige Roboter, der es in einer Fabrik wieder einspielt, bleibt die offene Frage.

Kommentare 0

Quellen

4
  1. 01Innodata opens motion-capture lab to help humanoids move more like peopleEN
  2. 02Destro AI's secret sauce is getting robots and humans on the same pageEN
  3. 03Mind-1: Physical AI at Human Speed, Built for Real WorkEN
  4. 04Astra, Opus 5.5, and other Frontier Models Demonstrate Jagged Performance Across SoTA Agentic Tasks from Web Browsing to RoboticsEN

Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Katrin Hoffmann

Katrin Hoffmann

KI, Modelle und Technik

Katrin Hoffmann schreibt für FLASH24 über Technik, KI und Modelle sowie Medien und Internet und stützt sich dabei auf Primärquellen wie Herstellerangaben, Studien und Protokolle statt auf Pressemitteilungen. Bei Benchmarks prüft sie Messmethoden, Testumgebungen und Reproduzierbarkeit, bevor sie Zahlen übernimmt. Für ihre Artikel spricht sie mit Entwicklern und Forschern, wartet auf Konferenzankündigungen und vergleicht Versionsstände von Modellen und Standards. Privat betreibt sie Selfhosting und Heimnetze und dokumentiert ihre eigene Infrastruktur, was ihrer Redaktionsarbeit zugutekommt. Sie veröffentlicht keine Zahlen ohne nachvollziehbare Quelle.

Redaktion →

Kommentare

0
  1. Noch keine Kommentare — seien Sie der Erste.

Kommentar schreiben

Kommentare sind öffentlich sichtbar. Wir veröffentlichen keine Beleidigungen, Werbung oder Spam.