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

Innodata hat am 30. September ein Motion-Capture-Labor eröffnet. Das Unternehmen will dort Trainingsdaten für humanoide und industrielle Roboter erzeugen und die Leistungszahlen, die diese Roboter über sich selbst berichten, unabhängig überprüfen. Das Datenunternehmen aus Ridgefield Park, New Jersey, baute die Anlage mit Vicon. Dessen infrarot-optische Trackingkameras messen Bewegungen nach Angaben von The Robot Report bis in den Submillimeterbereich.

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

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 in der Produktion“, sagte Innodata-CEO Rahul Singhal in der Ankündigung. Franklin Tanner, Vizepräsident für Robotik und physische KI beim Unternehmen, sagte The Robot Report, große Sprachmodelle könnten sich am offenen Internet bedienen, Roboter dagegen nicht: „Physische KI muss sich ihre Tokens eine Interaktion nach der anderen verdienen, und sie müssen gezielt erfolgen.“

Innodata erfasst nach eigenen Angaben 3D-Bewegungen direkt von Körpern, ob menschlich oder mechanisch, statt sie aus 2D-Video abzuleiten. Die so gewonnenen Daten sollen digitale Zwillinge für Randfälle speisen. Tanner nannte zudem eine Grenze, über die die Branche nicht gern spricht: Es gibt heute keine Trainingsdaten, in denen Menschen und Roboter miteinander interagieren. Genau daran arbeitet das neue Labor.

Mit der These, dass nicht der Roboterkörper über den Einsatz entscheidet, sondern die Daten, 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 gemeinsam mit CoFound Partners, und mit 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 dirigieren

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

Destro weitet diesen Pilotversuch nun auf 26 Roboter aus und startet in Südkalifornien einen zweiten mit 17 Robotern. Pawars Plan ist, den Cross-Dock-Ablauf auf weitere Lagerhäuser zu übertragen. TechCrunch merkt jedoch an, dass das Unternehmen noch nicht gezeigt hat, dass es Aufgaben mit echter Fingerfertigkeit bewältigt.

Die Geschwindigkeit ist die andere Hälfte des Problems. MindOn veröffentlichte am 30. September einen technischen Beitrag, der Mind-1 vorstellt. Das Modell für physische KI soll die Inferenzlatenz von Robotern von 82 Millisekunden auf 32 Millisekunden senken und damit die Aufgabenausführung an menschliche Zykluszeiten heranführen. Der Beitrag sagt offen, warum das zählt: Bei einer Endeffektor-Geschwindigkeit von 3 Metern pro Sekunde entsprechen 10 Millisekunden Latenz rund 3 Zentimetern Bewegung, genug, um einen Griff oder eine Einfügung zu verderben. MindOn weist außerdem darauf hin, dass die meisten Manipulationsdaten aus Teleoperation stammen, die weit 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, am 30. September von Forschern bei Fig. Inc veröffentlicht, stellt die Bewertungen infrage, mit denen die Modelle hinter all dem verglichen werden. Das Team ließ sieben führende Modelle, darunter Astra und Opus 5.5, über 177 geschlossene Web-Aufgaben in VisualWebArena laufen und danach drei Modelle über vier physische Bereiche: VLABench, Assembly101, IndEgo und Bench2Drive. Das Fazit: Benchmark-Durchschnitte verdecken, wie ungleichmäßig die Modelle abschneiden. Bei jedem getesteten Modellpaar löste das schwächere mindestens eine Aufgabe, die das stärkere verfehlte. Ein Modellupdate kann den Durchschnitt fast unverändert lassen und zugleich viele einzelne Aufgaben umdrehen. Modelle, die Gemini 3.5-Flash in jedem Bereichsdurchschnitt schlugen, schnitten in manchen Aufgabenkategorien trotzdem schlechter ab.

Nichts davon ist nur ein 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 und behaupte, Degnan habe vertrauliche Informationen an den Wettbewerber Cognition weitergegeben. Degnan meldete zwei Stunden später, er sei als Chief Revenue Officer zu Cognition gewechselt, und sagte, er sei zurückgetreten und nicht entlassen worden. Khosla Ventures, an beiden Unternehmen beteiligt, erlebte, wie Gründer Vinod Khosla und Partner Keith Rabois auf X gegensätzliche Positionen bezogen. Factory sammelte in diesem Monat 200 Millionen Dollar bei einer Bewertung von 5 Milliarden Dollar ein; Cognition sammelte 2 Milliarden Dollar bei einer Bewertung von 48 Milliarden Dollar.

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