Innodata eröffnet Bewegungslabor, während Humanoid-Hype auf Fabrikrealität trifft

Innodata Inc. teilte am 30. September mit, ein Labor eröffnet zu haben. Dort werden Bewegungsdaten erfasst, um die nächste Generation menschenähnlicher Roboter zu trainieren und die Leistungsdaten, die diese Roboter intern erzeugen, unabhängig zu überprüfen. Das Datenunternehmen aus Ridgefield Park in New Jersey wurde 1988 gegründet und beschreibt die Einrichtung als Antwort auf einen Mangel, der inzwischen die bestimmende Einschränkung der Branche ist.

„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 Herstellung", sagte Rahul Singhal, CEO von Innodata, in einer Erklärung, die The Robot Report veröffentlichte. Franklin Tanner, Vizepräsident für Robotik und Physical AI des Unternehmens, sagte derselben Publikation, Physical AI „müsse sich seine Tokens eine Interaktion nach der anderen verdienen, und sie müssten bewusst erfolgen".

Das Angebot ist eng und technisch. Andere Datenanbieter leiten 3D-Bewegungen ab, indem sie 2D-Video analysieren. Innodata dagegen erfasst nach eigenen Angaben 3D-Daten direkt von Körpern, ob menschlich oder mechanisch, und die Sensoren registrieren die Bewegung jedes Gelenks. Tanner argumentierte, die Genauigkeit sei wichtig, weil ein Humanoid fast 200 lb (90,7 kg) wiegen könne. Die Messwerte dürften also „nicht ungefähr" sein.

Das Datenproblem ist das Einsatzproblem

Innodatas Labor fällt in eine Woche voller Behauptungen darüber, wie schnell Roboter in Fabriken vordringen, und voller Skepsis, wie viel davon real ist. Am selben Tag startete Arrowfly, Muttergesellschaft von The Robot Report, AI for Engineers, eine Plattform, Konferenz und einen Beirat für Ingenieure, die KI in Produktdesign, Fertigung und Robotik einsetzen. Arrowfly gibt an, sein Engineering-Netzwerk erreiche 2,1 Millionen verifizierte Branchenleser über mehr als 20 Marken. 30.000 Ingenieure hätten sich bereits mit KI-Themen in seinem Portfolio befasst. Die Konferenz, geplant für den 20. bis 22. September 2027 in Henderson, Nevada, erwartet 700 Ingenieure in fünf Tracks, darunter Robotik und industrieller Betrieb. Amanda Buehner, Senior Vice President für Vertrieb und Strategie in der Engineering-Sparte von Arrowfly, sagte, die Herausforderung, die Führungskräfte beschreiben, sei nicht, ob KI eingeführt werden solle, sondern „wie man von Experimenten zu praktischen, wiederholbaren Anwendungen kommt, die Ergebnisse liefern".

Auf der Modellseite veröffentlichte ein Startup namens MindOn am 30. September einen technischen Beitrag. Darin behauptet es, sein neues Physical-AI-Modell Mind-1 senke die Inferenzlatenz von Robotern von 82 ms auf 32 ms. Das Unternehmen argumentiert, Geschwindigkeit entscheide, nicht nur die Fähigkeit, ob Roboter in echte Arbeitsabläufe gelangen. Bei einer Endeffektor-Geschwindigkeit von 3 Metern pro Sekunde entsprechen 10 ms Latenz demnach rund 3 cm Bewegung, genug, um präzises Greifen und Einfügen zu beeinträchtigen. MindOn verweist zudem auf ein Trainingsdatenproblem, das an Innodata erinnert. Ein Großteil der Manipulationsdaten stammt aus der Teleoperation, die langsamer ist als natürliche menschliche Bewegung, und Modelle lernen das Tempo ihrer Vorführungen zusammen mit der Aufgabe. Langsame Vorführungen, so das Unternehmen, erzeugen konservative Policies.

Benchmarks verbergen ein zerklüftetes Bild

Unabhängige Evaluationsarbeit, veröffentlicht am 30. September, macht jede Geschichte von einer einzigen Fortschrittszahl kompliziert. Forscher von Fig Inc. bewerteten Frontier-Modelle, darunter Astra und Opus 5.5, über Web-Automatisierung und vier physische Domänen: Bench2Drive, VLABench, IndEgo und Assembly101. Ihr Befund, veröffentlicht zusammen mit einem Datensatz namens RIDGE: In jedem getesteten Modellpaar löste das niedriger bewertete Modell mindestens eine Aufgabe, an der das höher bewertete scheiterte.

Modellaktualisierungen veränderten diese Profile, ohne die Durchschnitte zu bewegen. Eine Aktualisierung innerhalb einer Modellfamilie ließ den Durchschnitt nahezu unverändert, während viele einzelne Aufgaben kippten. Eine Aktualisierung, die den Durchschnitt hob, verlor weiterhin Aufgaben, die das ältere Modell gelöst hatte. Dieselbe Zerklüftung zeigte sich in physischen Domänen. Dort schnitten Modelle, die Gemini 3.5-Flash in jedem Domänendurchschnitt schlugen, in einigen Aufgabenkategorien trotzdem schlechter ab. Das ist für Fabriken wichtig, weil Einsatzentscheidungen auf Benchmark-Werten beruhen. Wenn Erfolgsraten innerhalb einer einzigen berichteten Zahl stark schwanken, kann ein Roboter, der im Durchschnitt zuverlässig wirkt, an der konkreten Aufgabe scheitern, für die eine Linie ihn braucht.

Europa finanziert die Wahrnehmungsschicht

Geld fließt weiterhin an Unternehmen, die die Wahrnehmungs- und Steuerungslücke angehen statt die humanoide Bauform selbst. Das Pariser Unternehmen Inbolt sammelte 11 Millionen Euro ein, berichtete Tech.eu am 30. September, in einer Runde unter Führung von Shift4Good mit Bridges Climate Transition Partners und den bestehenden Investoren BNP Paribas Développement und Ora Global. Die Gesamtfinanzierung liegt nun bei 30 Millionen Euro. Inbolt, 2019 von Rudy Cohen, Albane Dersy und Louis Dumas gegründet, kombiniert 3D-Vision mit einer hardwareunabhängigen KI-Softwareschicht. Sie lässt Roboter ihre Regelkreise in Echtzeit anpassen, an neuen oder bestehenden Produktionslinien. Tech.eu berichtet, das System sei auf mehr als 200 Robotern in über 100 Fabriken auf drei Kontinenten im Einsatz, mit Kunden wie Bosch, Beko, Flex, Ford, Stellantis und Toyota.

Das Unternehmen zielt auf einen alltäglichen Fehlermodus: falsch ausgerichtete Teile oder Werkzeugverschleiß, die Roboter zum Stillstand bringen, Fehler erzeugen oder defekte Teile produzieren. Das ist Stillstand, kein Demo-Problem.

Teslas Solar-Lieferkette und ein Robotaxi-Auftrag, der keiner ist

Nicht jede roboternahe Geschichte dieser Woche handelt von Robotern. Teslas geplante Solarfabrik in Texas ist in eine US-Patentklage zwischen zwei chinesischen Ausrüstungsherstellern geraten, berichtete Electrek am 30. September. Linton Crystal Technologies, ein Unternehmen aus Rochester, New York, das vollständig Chinas Dalian Linton gehört, verklagte Zhejiang Jingsheng am 22. September beim Eastern District of Texas, Marshall Division. Die Klage beruft sich auf zwei Patente für ein System zum Heben und Drehen von Impfkristallen in Czochralski-Ziehapparaturen. Jingsheng, das in Shenzhen gehandelt wird und die Klage am 24. September gegenüber Investoren offenlegte, erklärt, seine Produkte nutzten „technische Lösungen, die sich vollständig unterscheiden" von den Patenten. Das Unternehmen sei nicht formell zugestellt worden und erwarte keine wesentlichen Auswirkungen. Linton fordert Schadenersatz, dreifachen Schadenersatz wegen vorsätzlicher Verletzung und eine dauerhafte Unterlassungsverfügung. Chinesische Branchenberichte besagen, Jingsheng habe einen Tesla-Auftrag für Kristallziehapparaturen im Wert von rund 3 Milliarden Yuan gewonnen, etwa 420 Millionen Dollar. Tesla ist nicht Partei der Klage, und weder Tesla noch Jingsheng haben den Auftrag bestätigt.

Der Ingot-Zieher ist der erste Schritt in Teslas Kette. Im August, so Electrek, beantragte Tesla eine 10,1 Milliarden Dollar teure Fabrik „Project Crystal Sun" im Fort Bend County. Sie reicht von der Ingot-Zucht bis zu fertigen Modulen, mit geplanter Produktion Anfang 2029. Ohne Zieher, so der Bericht, gibt es keine Wafer, keine Zellen.

Getrennt davon lieferte das Robotaxi-Geschäft ein Lehrbeispiel dafür, wie dünn manche Automatisierungsankündigungen sind. KIDZ AI, früher die Online-Codingschule Classover Holdings, kündigte am 30. September an, Tesla eine „Beschaffungsanfrage" für 500 Robotaxis geschickt zu haben. Electrek weist darauf hin, was die Mitteilung selbst einräumt: Die Anfrage „stellt keine verbindliche Bestellung dar", der Plan befindet sich in einer vorläufigen Phase und das Unternehmen „kann beschließen, nicht fortzufahren". KIDZ AI meldete zum Ende Juni 8,88 Millionen Dollar an Bargeld und eingeschränktem Bargeld. Die Ergebnisse für das zweite Quartal 2026 zeigten einen Servicumsatz von 0,48 Millionen Dollar, 34 % weniger als im Vorjahr, und einen Quartalsverlust von 2,5 Millionen Dollar. Electrek rechnet vor, dass 500 Cybercabs selbst zu Elon Musks genanntem Ziel von „unter 30.000" Dollar etwa 15 Millionen Dollar kosten würden, rund das Sechsfache des Marktwerts des Unternehmens. Die Aktie fiel nach Handelsbeginn um etwa 6 %, nachdem sie vorbörslich um etwa 10 % gestiegen war.

Was 30.000 Roboterhunde über das Ausliefern sagen

Der bodenständigste Bericht der Woche kam nicht aus einem Labor oder einer Meldung, sondern von einem Hersteller. Rongzhong Li, der den OpenCat-Prototyp vor zehn Jahren in seinem Studentenzimmer baute, schrieb auf Hackster, sein Unternehmen habe seit der Nybble-Kampagne 2018 mehr als 30.000 Vierbeiner ausgeliefert. Sein drittes Produkt Quaddle laufe auf Kickstarter ab 99 Dollar.

Lis Zahlen sind die am wenigsten glamourösen in dieser Sammlung und möglicherweise die nützlichsten. Der erste OpenCat-Prototyp hatte 14 Freiheitsgrade, eine Materialliste von rund 300 Dollar und Kosten, die sich in Zeit statt in Teilen messen ließen. Er merkt an, die meistgelieferten Produkte der Robotik der letzten Jahre seien Videos gewesen. Beschwerden, Roboter würden nur tanzen oder schnell laufen, verfehlten den Punkt: Spektakel gehört seit Langem zur Aufgabe. Seine offene Frage, seit einem Jahrzehnt ungelöst, dreht sich nicht um Aktuatoren oder Inferenzlatenz. Sie dreht sich darum, ob ein Hersteller einen Roboter bauen und die Arbeit bedeutsam genug machen kann, dass andere sie weitertragen. Diese Frage taucht in keinem Benchmark auf.