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

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

Suche
LIVE
›

Robotikhersteller jagen menschlichem Tempo hinterher: Innodata eröffnet Motion-Capture-Labor

Innodata hat am 30. September ein Motion-Capture-Labor eröffnet. Dort sollen Trainingsdaten für humanoide und industrielle Roboter entstehen. Das Unternehmen argumentiert, direkte 3D-Erfassung sei besser, als Bewegungen aus 2D-Video abzuleiten. Am selben Tag meldete MindOn, sein Modell Mind-1 senke die Inferenzlatenz von Robotern von 82 ms auf 32 ms.

TechnologieAnalyseLena BrandtVeröffentlicht: 30. September 20267 Min. LesezeitQuellen 9
Robotikhersteller jagen menschlichem Tempo hinterher: Innodata eröffnet Motion-Capture-Labor

Innodata hat am 30. September ein Motion-Capture-Labor eröffnet. Das Unternehmen will dort Trainingsdaten für humanoide und industrielle Roboter erzeugen und die Leistungsdaten, die Roboter intern liefern, unabhängig überprüfen. Die Firma aus Ridgefield Park in New Jersey, gegründet 1988, erfasst nach eigenen Angaben 3D-Daten direkt am Körper, ob menschlich oder mechanisch. Sie erschließt Bewegungen also nicht über die Analyse von 2D-Video.

Laut The Robot Report richtet sich die Anlage an Teams, die an eine Grenze stoßen, die Innodata als Datenmauer bezeichnet.

„Es gibt einfach keinen Ersatz für direkte 3D-Motion-Capture“, sagte Franklin Tanner, Vizepräsident für Robotik und Physical AI bei Innodata, dem Robot Report. Die Sensoren seien darauf ausgelegt, die kleinste Bewegung jedes Gelenks zu erfassen. Beim Training eines humanoiden Roboters mit fast 200 lb (90,7 kg) Gewicht dürften die Messwerte „nicht ungefähr“ stimmen. Tanner nannte das Beispiel eines Roboters, der eine Tasse greift: am Griff zu packen sei normal, am Boden zu packen nicht falsch, außer die Tasse enthält heiße Flüssigkeit. Der Kontext, so sagte er, sei in bestehenden Datensätzen nicht immer abgebildet.

Das Datenproblem betrifft nicht nur die Menge. Tanner beschrieb Physical AI als etwas, das sich „seine Tokens eine Interaktion nach der anderen verdienen“ muss. Innodata erzeugt nach eigenen Angaben Trainingsdaten für humanoide Roboter, teleoperierte Hardware, tragbare Systeme, Sensoraufbauten, Greifer der Universal Manipulator Interface und andere multimodale Erfassungsanordnungen. Diese Daten sollen auch digitale Zwillinge für Sonderfälle speisen. Das Labor übernimmt zudem die unabhängige Validierung. Das zählt, wenn Hersteller Leistungsversprechen veröffentlichen, die Käufer kaum prüfen können.

Geschwindigkeit wird zum nächsten Schlachtfeld

Am selben Tag stellte MindOn Mind-1 vor, ein Physical-AI-Modell. Nach Angaben des Unternehmens führt es Roboter in Logistik und Alltagsumgebungen zu Aufgabenausführung in menschlicher Geschwindigkeit, bei manchen Aufgaben sogar schneller als der Mensch. Die Firma veröffentlichte Latenzwerte: Die Inferenz sinkt von 82 ms auf 32 ms. Die technische Begründung ist konkret. Bei einer Geschwindigkeit des Endeffektors von 3 m/s entsprechen 10 ms Latenz rund 3 cm Bewegung. Das reicht, um präzises Greifen, Einführen oder kontaktintensive Manipulation zu beeinflussen.

MindOn verweist auch auf die Trainingsdaten selbst. Ein großer Teil der Manipulationsdaten stammt aus der Teleoperation, die oft langsamer ist als natürliche menschliche Bewegung. Modelle lernen dadurch das Tempo ihrer Vorführungen mit der Aufgabe. Ein Roboter, der eine Aufgabe fünf- oder zehnmal langsamer erledigt als ein Mensch, lässt sich nach Argumentation des Unternehmens nur schwer in echte Arbeitsabläufe einbinden. Damit verschiebt sich der Schwerpunkt. Die Frage lautet nicht mehr, ob ein Roboter eine Aufgabe kann, sondern ob er sie in der Taktzeit schafft, die ein Lager oder eine Fabrik braucht.

Diese kommerziellen Versprechen werden an unabhängigen Messungen gemessen werden müssen. Fig Inc. veröffentlichte am 30. September eine Auswertung über fünf Bereiche, darunter Bench2Drive, VLABench, IndEgo und Assembly101. Das Unternehmen fand eine Leistung, die es als zackig bezeichnet: In jedem getesteten Modellpaar löste das schlechter bewertete Modell Aufgaben, an denen das besser bewertete scheiterte. Das beste Modell wechselte mit der Website und mit den Schwierigkeitslabels des Benchmarks selbst. Ein Modellupdate konnte den Durchschnitt fast unverändert lassen, während viele einzelne Aufgaben kippten. Fig veröffentlichte die Ergebnisse auf Aufgabenebene unter dem Namen RIDGE.

Das ist relevant für jeden, der einen Roboter nach einer Benchmark-Zahl kauft. Ein Durchschnittswert an der Spitze, so argumentieren die Autoren, verdeckt, wie stark der Erfolg zwischen Aufgaben schwankt. Die Aufgabenkategorie, in der ein Modell eingesetzt wird, beeinflusst die Zuverlässigkeit etwa so stark wie die Wahl des Modells. Für Fabrikeinsätze zählt der Fehler an der eigenen Linie, nicht der weggemittelte.

Start-ups verkaufen die Schicht, nicht den Körper

Destro ist am 30. September aus dem Stealth-Modus getreten, mit einer Seed-Runde von 8 Millionen Dollar und einem ungewöhnlichen Pitch: Es sei kein Robotikunternehmen. TechCrunch berichtete, das Start-up habe eine KI-Schicht gebaut, die auch menschliche Arbeitskräfte anleitet. Es betreibe einen Pilotversuch in einer Anlage von Yusen Logistics im pazifischen Nordwesten mit drei Wagen bewegen­den Robotern von Miva Robotics, gesteuert von Destros Vision-System auf Basis offener Vision-Language-Action-Modelle. Richard Brunelle, Direktor für Automatisierung der amerikanischen Logistikgruppe von Yusen, sagte TechCrunch, er habe Destro gebeten, sein Kommissionier- und Verpackungswerkzeug für Cross-Docking anzupassen. Dabei werden Waren von einem Lkw in gemischte Ladungen für andere umgeschlagen.

„Viele Robotikfirmen sind von Robotikingenieuren gegründet worden, die fragten, was für coole Dinge ich tun kann?“, sagte Destro-Gründer Manthan Pawar zu TechCrunch. „Einer der größten Gründe, warum wir gegen Robotikfirmen gewinnen, ist, dass wir kein Robotikunternehmen sind.“

Inbolt, ein Pariser Industrierobotikunternehmen von 2019, sammelte am 30. September 11 Millionen Euro ein, um international zu expandieren und in Rechenzentren und Elektronikfertigung einzusteigen, wie Tech.eu berichtete. Die Runde führte Shift4Good an, mit Bridges Climate Transition Partners und den bestehenden Investoren BNP Paribas Développement und Ora Global. Damit beläuft sich die Gesamtfinanzierung auf 30 Millionen Euro. Inbolt kombiniert 3D-Vision mit einer hardwareunabhängigen KI-Softwareschicht, die Regelkreise von Robotern in Echtzeit anpasst. Das System läuft nach Angaben des Unternehmens auf mehr als 200 Robotern in über 100 Fabriken auf drei Kontinenten. Zu den Kunden zählen Bosch, Beko, Flex, Ford, Stellantis und Toyota.

Beide Firmen verkaufen dieselbe Erkenntnis: Die Hardware wird zunehmend zur Ware. Der schwierige Teil besteht darin, einen installierten Bestand mit Variation, versetzten Teilen und Werkzeugverschleiß umgehen zu lassen, ohne die Linie anzuhalten.

Die Industriebasis bleibt der Punkt

Das deutlichste Gegengewicht zur Humanoiden-Hype liegt im älteren installierten Bestand. Linton Crystal Technologies verklagte Zhejiang Jingsheng am 22. September vor dem US District Court for the Eastern District of Texas, Marshall Division, und beruft sich auf zwei Patente für ein System zum Heben und Drehen von Impfkristallen für Czochralski-Kristallziehanlagen, wie Electrek berichtete. Jingsheng, an der Börse in Shenzhen notiert und rund 53 Milliarden Yuan wert, informierte am 24. September seine Anleger über die Klage. Das Unternehmen erklärte, seine Produkte nutzten „technische Lösungen, die sich vollständig unterscheiden“ von den Patenten. Es sei nicht förmlich zugestellt worden und erwarte keine wesentlichen Auswirkungen. Linton verlangt Schadensersatz, dreifachen Schadensersatz wegen vorsätzlicher Verletzung und eine dauerhafte Unterlassungsverfügung.

Der Fall berührt Teslas geplante Solarfabrik in Texas, weil Ziehanlagen der erste Schritt bei der Herstellung von Wafern sind. Die chinesische Fachpresse berichtete, Jingsheng habe in diesem Jahr einen Tesla-Auftrag über rund 3 Milliarden Yuan (etwa 420 Millionen Dollar) für Kristallziehanlagen gewonnen. Sie legte einen Zeitplan vor: Eine Tesla-Ausschreibung endete im Februar, die Verträge wurden im März unterzeichnet, die Lieferungen begannen im April, und die vollständige Lieferung war für das dritte Quartal geplant. Weder Tesla noch Jingsheng haben den Auftrag bestätigt, und Tesla ist nicht Partei des Verfahrens. Electrek merkte zudem an, dass Jingshengs Umsatz im ersten Halbjahr 2026 um etwa 40 Prozent im Jahresvergleich fiel. Dalian Linton verzeichnete im selben Zeitraum einen kleinen Verlust, weil eine chinesische Überproduktion bei Solarmodulen die Aufträge für Ausrüstung erdrückte.

Eine andere Art von Realitätscheck kam von KIDZ AI, einem an der Nasdaq notierten Unternehmen mit einem Wert von etwa 2,4 Millionen Dollar. Es kündigte am 30. September an, Tesla eine Beschaffungsanfrage über 500 Robotaxis geschickt zu haben. Electrek berichtete, das Unternehmen, früher eine Online-Codingschule namens Classover Holdings, habe erklärt, die Anfrage sei keine verbindliche Bestellung und der Plan befinde sich in einer vorläufigen Phase. Die Ergebnisse des zweiten Quartals 2026 zeigten einen Rückgang der Dienstleistungserlöse um 34 Prozent im Jahresvergleich auf 480.000 Dollar und einen Quartalsverlust von 2,5 Millionen Dollar. Die Aktie stieg im vorbörslichen Handel um etwa 10 Prozent und fiel nach Handelsbeginn um etwa 6 Prozent. Im vergangenen Jahr liegt sie etwa 99,97 Prozent im Minus.

An anderer Stelle im selben Stapel vom 30. September startete Arrowfly, Muttergesellschaft des Robot Report, AI for Engineers. Die Plattform umfasst eine Nachrichtenredaktion, eine Jahreskonferenz vom 20. bis 22. September 2027 in Henderson, Nevada, eigene Forschung und einen Beirat. Sie richtet sich an Ingenieure, die KI in Produktdesign, Fertigung, Robotik, Medizintechnik und Energie einsetzen. Der Pitch handelt vom Weg von der Experimentierphase zu wiederholbaren Anwendungen, nicht von einem bestimmten Roboter. Rongzhong Li, der seit der Nybble-Kampagne 2018 mehr als 30.000 Vierbeiner ausgeliefert hat, schrieb auf Hackster, die meistgelieferten Produkte der Robotik in den vergangenen Jahren seien Videos gewesen. Jede Verkörperung finde irgendwann den Weg, der dem am nächsten kommt, was sie am besten kann. Die Humanoidenfabrik wird genauso beurteilt werden.

Kommentare 0

Quellen

9
  1. 01Innodata opens motion-capture lab to help humanoids move more like peopleEN
  2. 02Mind-1: Cutting robot inference latency from 82ms to 32msEN
  3. 03How Do Astra and Opus 5.5 Perform on Robotics and Web TasksEN
  4. 04Destro AI's secret sauce is getting robots and humans on the same pageEN
  5. 05Inbolt raises €11M to bring real-time vision and intelligence to industrial robotsEN
  6. 06Tesla's solar factory dragged into patent war between Chinese suppliersEN
  7. 07Tesla Robotaxi fleets are the new crypto treasury for zombie companiesEN
  8. 08The Robot Report parent Arrowfly launches AI for Engineers platform, events for engineers navigating AIEN
  9. 09What 30k robot dogs taught me about degrees of freedom, shipping a real productEN

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

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Lena Brandt

Lena Brandt

KI, Modelle und Technik

Lena Brandt schreibt für FLASH24 über Technik, KI und Modelle sowie Medien und Internet und stützt sich dabei auf Herstellerangaben, Studien und öffentlich zugängliche Datensätze, statt Pressemitteilungen ungeprüft zu übernehmen. Bei Modellvergleichen kontrolliert sie Benchmark-Werte, Trainingsdaten und Versionsnummern und rechnet Angaben zu Rechenleistung und Kosten selbst nach. Sie spricht mit Entwicklern und Forschern, wartet auf angekündigte Updates und vergleicht Releases, bevor sie eine Einschätzung abgibt. Privat beschäftigt sie sich mit 3D-Druck, alten Rechnern und der Frage, wie Modelle aus Internetmüll lernen – Themen, die regelmäßig in ihre Texte einfließen. Sie publiziert keine Zahlen, deren Quelle sie nicht selbst überprüfen konnte.

Redaktion →

Kommentare

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

Kommentar schreiben

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