DELE-w0.5: Aktionsableitung aus zukünftigen latenten Zuständen für die Robotermanipulation
Traditionelle Welt-Aktions-Modelle basieren oft auf aufwendiger Videogenerierung, um Robotersteuerungen zu berechnen. Ein neuer Ansatz namens DELE-w0.5 verzichtet vollständig auf die Zwischenschritte der Videogenerierung und leitet Roboteraktionen direkt aus kompakten, zukünftigen latenten Zuständen ab. Durch die Vermeidung hochdimensionaler visueller Redundanzen reduziert die Architektur den Rechenaufwand erheblich und ermöglicht latenzarme Inferenzprozesse. Umfangreiche reale Tests mit verschiedenen Langzeit-Mani
Aktionen aus benachbarten Mengen im physischen Raum übertreffen beste Vorhersagen in Weltmodellen
Steuerungsalgorithmen auf Basis latenter Weltmodelle leiden häufig unter dem Phänomen der Vorschlagsübergenerierung, bei dem verbleibende Vorhersagefehler dazu führen, dass unrealisierbare Aktionssequenzen fälschlicherweise als optimal eingestuft werden. Um dieses Problem zu adressieren, wurde das Verfahren der Adjacent Set Action Reconstruction (ASAR) entwickelt, welches innerhalb kostengünstiger Aktionsvorschläge eine benachbarte Menge über standardisierte Präfixe identifiziert und mittels lokal gewichteter Aggre
J-LAW: Gekoppelte latente Faktorgraphen für gemeinsame Lokalisierung und aktionskonditionierte Weltenmodellierung
Es wurde ein einheitlicher Faktorgraphen-Ansatz vorgestellt, der die klassische metrische Lokalisierung mit aktionskonditionierten latenten Weltenmodellen verbindet. Durch die Kombination von metrischen Posenschätzungen, prädiktiven latenten Zuständen und persistenten Landmarken über ein Maximum-a-Posteriori-Verfahren wird die Driftminimierung bei langfristigen Prädiktionen adressiert. Experimente demonstrieren eine verbesserte zeitliche Konsistenz latenter Repräsentationen sowie eine höhere Robustheit bei unvollst
FlowCorrect: Effiziente interaktive Korrektur generativer Ablenkungsrichtlinien für die Robotermanipulation
Generative Manipulationsrichtlinien neigen bei Verteilungsverschiebungen während der Ausführung zu Fehlern, die durch kleine Korrekturen oft vermieden werden könnten. Ein neu entwickelter, modularer Ansatz namens FlowCorrect ermöglicht die lokale und echtzeitnahe Anpassung von Flow-Matching-Richtlinien durch spärliche, relative menschliche Eingaben über eine VR-Schnittstelle. Das Verfahren korrigiert fehlerhafte Aktionen ohne aufwendiges Neutraining des Basismodells, wodurch die Leistung bei bereits bekannten Szena
SCALE: Selbstunsicherheitsgesteuerte visuelle Wahrnehmung und Aktionssteuerung für Vision-Language-Action-Modelle
Zur Optimierung der Robustheit von Vision-Language-Action-Modellen in der Robotik wurde eine neue Inferenzstrategie entwickelt, die visuelle Wahrnehmung und Aktionsplanung dynamisch über Selbstunsicherheit steuert. Das Verfahren erfordert kein zusätzliches Training, keine externen Verifizierer und kommt mit einem einzigen Vorwärtsdurchlauf aus, wodurch es hocheffizient für den Praxiseinsatz ist. Bei hoher Unsicherheit erweitert das System gezielt die Exploration in Wahrnehmung und Handlung, während es bei hoher Kon
LM-X: Erklärbare Aktionsmodellierung mit Fortschritts-, Ereignis- und Unsicherheitsvorhersage für generalistische Roboter
Ein neues Framework für multimodale Roboterrichtlinien integriert explizite Vorhersagesignale für Aufgabenfortschritt, semantische Übergänge und motorische Zuverlässigkeit direkt in die Aktionsgenerierung. Durch diese inhärent erklärbare Kontrollarchitektur werden die üblichen Intransparenzen herkömmlicher Aktionsvorhersagemodelle überwunden. Trainiert auf umfangreichen Robotertrajektorien übertrifft das System bestehende State-of-the-Art-Modelle in simulierten und realen Manipulationsszenarien deutlich. Interne Sc
MOMO: Ein Framework für nahtloses, physisches, verbales und grafisches Erlernen und Anpassen von Roboterfähigkeiten
Das entwickelte Framework ermöglicht die intuitive und flexible Anpassung von Roboterfähigkeiten in industriellen Umgebungen durch die Kombination dreier interaktiver Modalitäten. Kinästhetische Berührungen erlauben präzise räumliche Korrekturen, während natürliche Sprache für übergeordnete semantische Modifikationen und eine grafische Weboberfläche zur Visualisierung sowie Parameteranpassung genutzt werden. Die Architektur integriert energiebasierte Intennionserkennung, ein toolbasiertes Large Language Model zur s
Lernen im Warten: Reinforcement Learning für universelle Roboterrichtlinien bei Latenzzeiten
Moderne universelle Roboterrichtlinien kämpfen während des kontinuierlichen Lernens im Einsatz mit signifikanten Verzögerungen durch Modellgrößen, was herkömmliche Reinforcement-Learning-Algorithmen durch Verletzungen der Markov-Annahme oft scheitern lässt. Ein neu entwickeltes Framework begegnet dieser Latenzproblematik durch asynchrone Inferenz und eine spezielle Richtliniengestaltung, die Reaktivität maximiert. Mittels zustandsbasierter Erweiterungen und Zwischenbeobachtungen wird eine nahezu Markov-konforme Str
DELE-w0.5: Aktionsableitung aus zukünftigen latenten Zuständen für die Robotersteuerung
Herkömmliche World-Action-Modelle für die Robotersteuerung basieren oft auf aufwendigen Videogeneratoren, die visuelle Zwischenschritte abbilden und dadurch hohe Rechenkapazitäten erfordern. Ein neuer Ansatz namens DELE-w0.5 umgeht diese visuelle Zwischengenerierung und leitet Roboteraktionen direkt aus vorhergesagten, kompakten zukünftigen latenten Zuständen ab. Durch den Verzicht auf hochdimensionale Videorekonstruktionen werden redundante Informationen eliminiert, was zu einer effizienteren Modelltraining und ei
RoboMME-Interference: Benchmark zur Untersuchung von Robotergedächtnissen unter Störeinflüssen
Für den erfolgreichen Einsatz in realen Umgebungen müssen Roboter Informationen über mehrere Sitzungen hinweg speichern und abrufen können. Aktuelle Benchmarks beschränken sich jedoch meist auf kurze Kontexte oder einzelne Episoden. Mit RoboMME-Interference wurde ein neuer klassenübergreifender Benchmark vorgestellt, der die Robustheit von visuell-sprachlichen Aktionsmodellen gegenüber Ablenkungen und längeren Sitzungshistorien misst. Die Untersuchungen zeigen, dass bestehende wahrnehmungsbasierte Gedächtnissysteme
Minimalistische visuelle Trägheitsodometrie
Visuelle Trägheitsodometrie ist ein essenzieller Bestandteil der mobilen Roboternavigation, erfordert jedoch klassisch rechenintensive Kamerabilder. Ein neuer Ansatz reduziert die optische Erfassung auf lediglich vier nach unten gerichtete Fotodioden mit optischen Gabor-Masken, die in Kombination mit einer inertialen Messeinheit und einem Temporal Convolutional Network präzise Geschwindigkeiten ermitteln. Durch die physikalisch fundierte Simulation und gemeinsame Optimierung der Maskenparameter entsteht ein extrem
Ein Deep-Reinforcement-Learning-Framework zur geschlossenen Führung von Fischschwärmen durch virtuelle Agenten
Forscher haben ein Deep-Reinforcement-Learning-Framework entwickelt, das mithilfe virtueller Agenten die Steuerung und Führung lebendiger Fischschwärme in Echtzeit ermöglicht. Die mittels Proximal Policy Optimization trainierten Agenten interagieren in physischen Experimenten erfolgreich mit Rotkopfsalmlern, wobei eine zusammengesetzte Belohnungsfunktion Richtungsanpassung und Schwarmkohäsion ausbalanciert. Systematische Auswertungen zeigen, dass visuelle Parameter wie Hintergrundfarbe und Stimulusgröße die Effizie
Mask2Real-WM: Segmentierungsmasken als Sim-to-Real-Brücke für steuerbare Fingerfertigkeits-Weltmodelle
Ein neuartiges, zweistufiges Weltmodell für komplexe robotische Greif- und Manipulationsaufgaben trennt die Vorhersage von Pixeln in ein Dynamik- und ein Renderingsystem auf. Das Dynamikmodell prognostiziert zukünftige Segmentierungsmasken basierend auf historischen Masken und hochdimensionalen Aktionssequenzen, während das Renderingmodul diese mittels eines erweiterten Diffusionsmodells in fotorealistische RGB-Bilder übersetzt. Durch die geringere Kluft zwischen Simulation und Realität im Segmentierungsraum lässt
Effiziente dynamische Absicherung für parametrische Sicherheitsspezifikationen
Für den sicheren Betrieb KI-gesteuerter autonomer Systeme gewinnt der Einsatz von Laufzeit-Absicherungen an Bedeutung. Da herkömmliche Schutzmechanismen bei veränderten Anforderungen vollständig neu berechnet werden müssen, wurde ein neuartiger Ansatz für parametrische Sicherheitsspezifikationen entwickelt. Dieser ermöglicht eine statische Vordesignphase sowie eine extrem schnelle, dynamische Anpassung zur Laufzeit, sobald sich die Umgebungsbedingungen ändern. Experimente mit autonomen Robotern belegen, dass die on
Lernbasierte Ausdünnung dynamischer Graphen für die Roboterexploration
Ein neues hybrides Transformer-Framework, trainiert mittels proximaler Richtlinienoptimierung, optimiert die robotische Exploration durch das gezielte und effiziente Beschneiden dynamischer Graphenstrukturen. Die Methode reduziert den Aufbau redundanter Informationen während der Kantensuche erheblich, wodurch die Recheneffizienz gesteigert und die Graphgröße um bis zu 96 Prozent verringert wird. Evaluierungen in Simulationsumgebungen zeigen, dass der RL-basierte Ansatz komplexe Langzeitaufgaben stabiler und general
LOCUS-DT: Präzise Indoor-Lokalisierung durch beobachtungsbedingte Unsicherheitsbewertung mit digitalen Zwillingen
Für komplexe Innenräume mit starken Mehrwegeausbreitungen und Signalabschattungen wurde ein neues Verfahren zur präzisen Lokalisierung entwickelt. Das Framework modelliert die Momentaufnahmen-Lokalisierung als Posterior-Inferenz über Senderstandorte unter Verwendung raytracing-basierter digitaler Zwillinge. Ein neuartiges, gelerntes Bewertungsverfahren vergleicht dominante Reflexionspfade, um auch bei Modell- und Kanalschätzungsfehlern robuste Ergebnisse zu erzielen. Das systemübergreifend trainierte Modell erfasst
FACTR 2: Externer Kraftsensor-Ersatz durch maschinelles Lernen verbessert Robotersteuerung
Ein neuer datenbasierter Ansatz namens Neural External Torque Estimation ermöglicht die Schätzung äußerer Gelenkmomente an standardmäßigen Roboterarmen ohne zusätzliche Hardware-Kraftsensoren. Das System trainiert in kürzester Zeit anhand von Freibewegungsdaten und erreicht eine Messgenauigkeit, die dedizierten Drehmomentsensoren nahekommt. Ergänzend verbessert eine neue Trainingsmethodik für die Verhaltensklonierung die Lernleistung bei kontaktintensiven Manipulationsaufgaben erheblich. Diese Kombination aus Softw
TMRL: Diffusionszeitschritt-moduliertes Vortraining ermöglicht Exploration für effizientes Policy-Finetuning
Das Feintuning vortrainierter Roboter-Policies mittels Reinforcement Learning leidet oft unter eingeschränkten Aktionsverteilungen aus dem vorherigen Imitationstraining. Ein neuer, einheitlicher Ansatz schließt diese Lücke, indem kontextgeglättetes Vortraining mit Vorwärts-Diffusionsrauschen kombiniert wird, um eine breitere Aktionsabdeckung zu erzeugen. Darauf aufbauend steuert das diffusionszeitschritt-modulierte Reinforcement Learning die Explorationsdynamik während des Feintunings durch gezielte Anpassung der D
Diffusionsgesteuertes kooperatives Richtlinienlernen für die Zielverfolgung in Unterwasser-Agentennetzwerken
Für die kooperative Zielverfolgung in Netzwerken autonomer Unterwasserfahrzeuge wurde eine hierarchische Architektur des Multi-Agenten-Reinforcement-Learnings entwickelt, die Richtlinieninstationen und Policy-Drift unter dynamischen Bedingungen adressiert. Der neue Algorithmus kombiniert generative Diffusionsmodelle mit deterministischen Richtliniengradienten, wobei ein überwachter Stichprobenauswahlmechanismus hochwertige Interaktionen filtert. Durch Verhaltensklonung werden diffusionsgenerierte Aktionen auf den d
Trainierbare Agenten für interaktives Gameplay
Forscher haben ein neues Framework zur Echtzeit-Steuerung von Reinforcement-Learning-Agenten entwickelt, das auf universellen Wertfunktionsapproximatoren und gezielten Trainingsszenarien basiert. Durch diese Methodik lassen sich Verhaltensweisen und Ausführungsstile komplexer Aufgaben in Echtzeit anpassen, ohne das Erreichen des Hauptziels zu gefährden. Die Praxistauglichkeit wurde erfolgreich in anspruchsvollen Videospielen wie Horizon Forbidden West und Gran Turismo sowie in humanoiden Robotersimulationen demonst
HoloQ-VLA: Einheitliche W4A4-Quantisierung von Vision-Language-Action-Modellen
Vision-Language-Action-Modelle vereinen Wahrnehmung und Steuerung, stellen jedoch aufgrund ihrer Größe und diffusionsbasierter Aktionsköpfe hohe Anforderungen an die Hardware. Die neue Methode HoloQ-VLA ermöglicht erstmals eine trainingsfreie Post-Training-Quantisierung des gesamten Netzwerks, inklusive des sensiblen Aktionskopfes, auf ein einheitliches W4A4-Format ohne Mixed-Precision-Fallback. Durch eine Kombination aus gewichtsangepasster Rotation, Hadamard-Transformation und schrittbasierten Skalierungen wird d
OLIVE: Online-Low-Rank-Inkrementelles Lernen für effiziente adaptive Exoskelette
Ein neues, parameter-effizientes Online-Adaptionsframework ermöglicht die kontinuierliche Personalisierung von Exoskelett-Steuerungen direkt während der Anwendung. Durch die Zerlegung der adaptiven Steuerungskomponente in eine Low-Rank-Residualform werden die Aktualisierungskosten drastisch reduziert, während die Stabilität des vortrainierten Basisreglers erhalten bleibt. Die Parameteraktualisierung erfolgt rein basierend auf Körpersensorsignalen wie EMG, IMU und Vibrationen durch einen belohnungsbasierten Policy-G
Robotergarde mit Multi-Agenten-Steuerung und automatischer Szenariogenerierung durch Sprachmodelle
Es wurde eine hybride Steuerungsarchitektur für soziale Roboter entwickelt, die manuelle Verhaltensskripte durch die Kombination eines Multi-Agenten-Ressourcenmanagements mit einer automatisierten Szenariogenerierung auf Basis großer Sprachmodelle ablöst. Dieser Ansatz automatisiert die Aufbereitung von Texten und non-verbalen Befehlen für längere Narrativa und löst gleichzeitig Ressourcenkonflikte zwischen verschiedenen Ausführungsmechanismen. Praxistests an einem autonomen Touristenführungsroboter zeigten eine de
Schnelle Anpassung der Körpereigenschaften für vierbeinige Robotik
Ein neu entwickeltes Online-Adaptionsframework ermöglicht vierbeinigen Robotern die automatische Kompensation physikalischer Veränderungen wie Gelenkeinschränkungen oder veränderte Massen innerhalb kürzester Zeit. Das System kombiniert eine mit randomisierten Parametern trainierte Generalisten-Policy mit einem leichtgewichtigen Modul zur schnellen Zustandserkennung anhand von Interaktionsdaten. In Praxistests an physischer Hardware demonstrierte die Methode eine stabile Fortbewegung selbst unter extremen Bedingunge
NavTrust: Benchmarking zur Zuverlässigkeit verkörperter Navigation
Ein neuer einheitlicher Evaluierungsrahmen namens NavTrust analysiert die Robustheit von Systemen für verkörperte Navigation unter realitätsnahen Störungen. Bisherige Ansätze konzentrieren sich meist auf Idealbedingungen und vernachlässigen potenzielle Beeinträchtigungen von visuellen Daten, Tiefeninformationen und sprachlichen Instruktionen. Die Untersuchung gängiger Modelle zeigt signifikante Leistungseinbrüche bei Datenkorruptionen und verdeutlicht dringenden Forschungsbedarf im Bereich der Systemzuverlässigkeit
Nachahmungslernen aus reinen menschlichen Bewegungen garantiert keine biomechanisch plausiblen Gelenkkinetiken
Das rein bewegungsbasierte Nachahmungslernen in der Robotik und Gangmodellierung erreicht zwar eine vergleichbare kinematische Verfolgungsgenauigkeit, weist jedoch erhebliche Fehler bei Bodenreaktionskräften, Druckzentren und Gelenkmomenten auf. Eine Untersuchung verdeutlicht, dass Ansätze ohne explizite kinetische Informationen wie Bodenreaktionskräfte und Druckzentren zu fehlerhaften Interpretationen der Gangbiochemie führen können. Erst die Einbindung kinetischer Parameter in den Lernprozess ermöglicht biologisc
DriftWorld: Schnelle Weltmodellierung durch Drifting
Ein neuartiges aktionskonditioniertes Weltmodell für die Robotik ermöglicht die Generierung von Zukunftsszenarien in einem einzigen Forward-Pass mit über 30 Bildern pro Sekunde. Durch den Verzicht auf iterative Entrauschungsprozesse, wie sie bei herkömmlichen Diffusionsmodellen üblich sind, arbeitet das System signifikant schneller und übertrifft bisherige Ansätze in der Inferenzgeschwindigkeit um das Siebzehnfache. Die Methode erzielt auf etablierten Benchmarks für visuelle Robotermanipulation eine hohe Entscheidu
Freiform-Präferenzlernen für robotergestützte Manipulation
Die Entwicklung präziser Belohnungsfunktionen stellt eine zentrale Hürde beim autonomen Training von Roboterrichtlinien dar, insbesondere bei komplexen und langwierigen Manipulationsaufgaben. Ein neu entwickelter Ansatz namens Freeform Preference Learning ermöglicht es menschlichen Experten, natürliche Präferenzachsen wie Geschwindigkeit, Sicherheit oder Platzierungsqualität zu definieren und paarweise Vergleiche entlang dieser spezifischen Dimensionen bereitzustellen. Daraus wird ein sprachkonditioniertes Belohnun
Kritiker-Architektur ist wichtig: Getrennte versus vereinigte Kritiker für humanoide Lokomotions-Manipulation
Bei der multizielorientierten Reinforcement-Learning-Steuerung humanoider Roboter spielt die Architektur des Kritikers eine zentrale Rolle für die Koordination von Fortbewegung und Greifaufgaben. Ein Vergleich zeigt, dass ein getrennter Ansatz mit separaten Belohnungssignalen im Vergleich zu einem vereinheitlichten Kritiker zu einer deutlich höheren Effizienz und besseren Erreichungsraten bei standardisierten Evaluationsszenarien führt. Die Ergebnisse verdeutlichen, dass die Struktur der Kritiker-Komponente als wic
REFINE-DP: Feinabstimmung von Diffusionsrichtlinien für die Fortbewegung und Manipulation humanoider Roboter durch Bestärkendes Lernen
Die Steuerung humanoider Roboter bei kombinierten Bewegungs- und Manipulationsaufgaben erfordert eine präzise Koordination unter komplexen Umweltbedingungen. Bisherige Ansätze stoßen oft an Grenzen, da offline trainierte Diffusionsmodelle und Bewegungsregler entkoppelt sind, was zu Abweichungen und Fehlern führt. Ein neuer hierarchischer Ansatz verknüpft die Feinabstimmung von Diffusionsrichtlinien mit einem auf Bestärkendem Lernen basierenden Regler, um beide Komponenten gemeinsam zu optimieren. Dadurch wird der V
Kompakte Vision-Language-Action-Modelle für die Robotersteuerung optimiert
Kompakte Vision-Language-Action-Modelle leiden oft unter Schwächen bei der räumlichen Zuordnung und der Aktionsgenerierung. Ein neuer Ansatz namens XS-VLA verbessert diese Fähigkeiten bei minimalem Rechenaufwand durch räumliche Wissensdestillation und latentes Flow Matching. Das Verfahren nutzt größere Lehrermodelle zur Erstellung von Positionslabels, die in ein kleineres Basismodell übertragen werden, ohne die Ausführungsgeschwindigkeit zu verringern. In Simulationen und realen Experimenten, darunter komplexe Grei
Entstehende kompositionelle Fähigkeiten in Mixture-of-Experts VLA-Modellen
Es wurde untersucht, wie Roboterrichtlinien end-to-end aus Expertenvorführungen erlernt werden können, ohne vorgegebene Aufgabenhierarchien. Durch den Einsatz eines vereinfachten Mixture-of-Experts Aktionskopfs in Vision-Language-Action-Modellen zeigt sich, dass Aufgaben eigenständig in wiederverwendbare Grundmuster zerlegt werden können. Die trainierten Experten werden dabei aufgabenspektral übergreifend genutzt und entsprechen klar abgrenzbaren Verhaltensweisen. Dies stellt einen Fortschritt hin zu modulareren un
XS-VLA: Kopplung von grobkörniger räumlicher Destillation mit Latent Flow Matching für leichte Robotersteuerung
Große Vision-Language-Modelle bieten zwar ein starkes räumliches Verständnis, sind jedoch zu rechenintensiv für die Echtzeitsteuerung von Robotern. Kleinere Modelle eignen sich für Edge-Geräte, leiden aber oft unter mangelndem räumlichen Vorstellungsvermögen. Ein neues zweistufiges Framework löst dieses Problem, indem es räumliches Wissen von einem größeren Modell in ein leichtgewichtiges Modell überträgt und dieses mit einer generativen Bewegungssteuerung über Latent Flow Matching kombiniert. Dadurch erreichen res
Variationale neuronale Überzeugungs-Parametrisierungen für robustes Greifen unter multimodaler Unsicherheit
Ein neuer Ansatz zur Greifplanung kombiniert variationsbasierte Inferenz mit differenzierbaren Gauß-Mixturen, um die Robustheit von Robotergriffen unter physikalischen Unsicherheiten zu erhöhen. Durch die Formulierung des Problems als variationsbasierte Inferenz über latente Kontaktparameter und Objektposen können Gradientenverfahren direkt zur Optimierung des Tail-Risikos eingesetzt werden. Simulationen und reale Experimente mit robotergestützten Mehrfingerhänden zeigen eine deutlich höhere Erfolgsquote bei verrin
OLIVE: Online-Lernverfahren für effiziente und adaptive Exoskelette
Ein neuartiger Ansatz ermöglicht die kontinuierliche und effiziente Online-Anpassung von Exoskelett-Steuerungen direkt während der Nutzung. Das Verfahren reduziert den Rechenaufwand durch eine parameter-effiziente Zerlegung und nutzt direktes Sensorfeedback wie Muskelaktivität und Bewegungssignale zur Optimierung, ohne auf vordefinierte Offline-Trajektorien angewiesen zu sein. Ein dynamischer Steuermechanismus passt die Komplexität des Modells an die jeweilige Bodenbeschaffenheit an und sorgt für Stabilität auf unt
VPWEM: Nicht-Markovsche visumotorische Richtlinie mit Arbeits- und episodischem Gedächtnis
Für die Robotersteuerung durch Imitationslernen wurde ein neues visumotorisches Richtlinienmodell entwickelt, das Arbeits- und episodisches Gedächtnis kombiniert, um komplexe Aufgaben mit Langzeitabhängigkeiten zu bewältigen. Das System nutzt ein gleitendes Fenster für aktuelle Beobachtungen als Kurzzeitgedächtnis sowie einen auf Transformatoren basierenden Kompressor, der ältere Beobachtungen rekursiv in feste episodische Gedächtniseinbettungen umwandelt. Dadurch können kurz- und langfristige Informationen für die
TOPReward: Token-Wahrscheinlichkeiten als versteckte Null-Schuss-Belohnungen für die Robotik
Für das allgemeine Lernen von Robotern ist ein dichtes, anweisungsbasiertes Feedback erforderlich, das den echten Fortschritt von Fehlern unterscheidet. Ein neuer Ansatz namens TOPReward nutzt vortrainierte Video-Sprach-Modelle, um ohne zusätzliches Training über interne Token-Wahrscheinlichkeiten einen präzisen Belohnungssignal zu generieren. Durch die Analyse von Videosequenzen und Sprachbefehlen wird die Wahrscheinlichkeit ermittelt, ob eine Aufgabe erfolgreich abgeschlossen wurde. Umfangreiche Auswertungen an v
Einmal ist keinmal: Erfahrungslisiertes Schließen zur Bewältigung von Widrigkeiten in unstrukturierter Umgebung
Mobile Robotersysteme stehen vor der Herausforderung, in unvorhergesehenen Umgebungen agieren zu müssen, in denen nicht alle gefahren im Voraus bekannt sind. Ein neuer kontinuierlicher Lernansatz ermöglicht es autonomen Agenten, unerwartete Störungen und Anomalien während des Betriebs online zu analysieren. Durch die Kombination von visuellen Kontexten, Vision-Language-Modellen und semantischer Modellierung können Roboter die Ursachen von Störungen erfassen und ihre Handlungsplanung anpassen. Das System nutzt Kerne
Aufwertung verkörperter Weltmodelle für Planung und Steuerung
Verkörperte Weltmodelle stehen bei komplexen Systemen vor der Herausforderung, dass hochdimensionale Aktionsräume die Suche und Planung rechenintensiv und fehleranfällig machen. Um dies zu lösen, wurde ein Ansatz entwickelt, bei dem eine kompakte Richtlinie hochstufige Befehle in Sequenzen niederrangiger Gelenkaktionen übersetzt. Durch die Kombination dieser Richtlinie mit einem bestehenden Weltmodell entsteht ein sogenanntes angehobenes Weltmodell, das zukünftige Beobachtungen direkt aus einfachen visuellen Wegpun
Falten lernen: Preisgekrönte Lösung bei der LeHome Challenge 2026
Bei der LeHome Challenge 2026 zur beidhändigen Textilverarbeitung wurde ein System entwickelt, das in der Simulationsrunde den ersten und im realen Finale den zweiten Platz belegte. Die Lösung optimiert eine Vision-Language-Action-Policy durch eine Reinforcement-Learning-Schleife, bei der das neuronale Netzwerk gleichzeitig Aktionen sowie Erfolgs- und Fortschrittswahrscheinlichkeiten vorhersagt. Durch die Kombination von Flow-Matching, asynchronem verteiltem Training und einer effizienten Sim-to-Real-Strategie mit
NeuralActuator: Neuronale Modellierung von Aktuatordynamik für Robotersteuerung und Kraftwahrnehmung
NeuralActuator verbessert die Genauigkeit von Robotersimulationen durch die Modellierung komplexer Aktuatordynamiken, die über einfache lineare Annahmen hinausgehen. Das System nutzt neuronale Netze, um Drehmomente vorherzusagen, externe Kräfte ohne zusätzliche Sensoren zu erfassen und den mechanischen Zustand der Motoren zu überwachen. Durch den Einsatz von Transformern ermöglicht das Modell Echtzeit-Inferenzen, was besonders bei kostengünstigen Hardwareplattformen die Diskrepanz zwischen Simulation und Realität v
RhinoVLA: Effizientes Modell für die robotische Steuerung
RhinoVLA ist ein auf die Hardware-Implementierung optimiertes Vision-Language-Action-Modell, das speziell für den Einsatz auf Edge-Systemen entwickelt wurde. Durch die Reduzierung der visuellen Token-Last und eine hardwarenahe Optimierung erreicht das Modell eine Echtzeit-Inferenzrate von über 11 Hz, was eine geschlossene Regelung in der Robotik ermöglicht. Zudem unterstützt das System durch eine vereinheitlichte Schnittstelle das Lernen über verschiedene Robotertypen hinweg, indem unterschiedliche Beobachtungs- un
SKooP: Symmetrische Koopman-Vorhersagen für effizientere Roboter-Fortbewegung mittels Reinforcement Learning
Die neue Methode SKooP kombiniert morphologische Symmetrien mit Koopman-Modellen, um das Reinforcement Learning für komplexe, hochdimensionale Roboter zu beschleunigen. Durch die Integration von physikalischen Vorwissen und Symmetrien in die Netzwerkarchitektur werden präzisere Vorhersagen über die Systemdynamik getroffen, die als privilegierte Beobachtungen das Training stabilisieren. Dies führt zu einer effizienteren Lernkurve und einer verbesserten Übertragbarkeit der Bewegungsstrategien auf unterschiedliche Umg
Adversarial Dynamics Priors für physikalisch fundierte humanoide Fortbewegung
Die neue Methode Adversarial Dynamics Priors (ADP) verbessert die Stabilität und Widerstandsfähigkeit humanoider Roboter bei Störungen. Im Gegensatz zu herkömmlichen Ansätzen, die primär kinematische Merkmale imitieren, reguliert ADP gezielt dynamische Eigenschaften wie den Schwerpunkt, den Drehimpuls sowie Kontaktkräfte. Durch den Einsatz von Trajektorienoptimierung und einem diskriminativen Trainingsansatz lernen die Roboter, physikalisch konsistente Bewegungsmuster beizubehalten. In Tests übertraf das Verfahren
Reine Bewegungsdaten reichen nicht für plausible Gangbiomechanik aus
Die Nachahmung menschlicher Bewegungsdaten durch Imitationslernen stößt bei der Rekonstruktion biomechanischer Gelenkmomente an ihre Grenzen. Während rein bewegungsbasierte Modelle zwar die Kinematik präzise erfassen, scheitern sie bei der korrekten Schätzung physikalischer Kräfte wie Bodenreaktionskräften und Druckpunkten. Erst die explizite Einbeziehung kinetischer Informationen in den Lernprozess ermöglicht eine biomechanisch konsistente Modellierung des menschlichen Gangs. Ohne diese Erweiterung drohen bei der
Grow-Prune-Freeze-Netzwerke: Adaptive und kontinuierliche Lernmethode für die olfaktorische Navigation
Die olfaktorische Navigation stellt aufgrund ihrer dynamischen und nicht-stationären Natur eine Herausforderung für die Robotik dar. Das neu entwickelte Grow-Prune-Freeze-Framework ermöglicht es Agenten, durch das gezielte Wachsen, Beschneiden und Einfrieren von Netzwerkschichten kontinuierlich zu lernen und sich an die Komplexität der Umgebung anzupassen. Basierend auf der Theorie nicht-linearer Zufallsmatrizen zeigt das Modell eine hohe Stabilität bei der Navigation durch turbulente Strömungen. Die Methode erweis
RoboTTT: Kontext-Skalierung für Roboter-Richtlinien
RoboTTT führt ein neues Trainingsverfahren für Roboter-Modelle ein, das den visuomotorischen Kontext auf 8.000 Zeitschritte erweitert, ohne die Latenz bei der Inferenz zu erhöhen. Durch die Integration von Test-Time-Training in Vision-Language-Action-Modelle werden historische Daten in Form von schnellen Gewichten komprimiert, was eine verbesserte Leistung bei komplexen, mehrstufigen Aufgaben ermöglicht. Das System erlaubt zudem das Imitationslernen aus menschlichen Videodemonstrationen in Echtzeit sowie eine höher
DriftWorld: Beschleunigte Weltmodellierung durch Drifting-Verfahren
DriftWorld ist ein neues aktionskonditioniertes Weltmodell für die Robotik, das die Effizienz bei der Vorhersage zukünftiger Zustände signifikant steigert. Im Gegensatz zu herkömmlichen Diffusionsmodellen, die iterative Denoising-Schritte erfordern, nutzt DriftWorld einen gelernten Drift-Prozess. Dies ermöglicht die Generierung von Zukunftsszenarien in einem einzigen Vorwärtsdurchlauf mit über 30 Bildern pro Sekunde, was die Rechengeschwindigkeit im Vergleich zu bisherigen Ansätzen um den Faktor 17 erhöht. Das Mode
Verbesserung der Robustheit von World Action Models durch mechanistische Interpretierbarkeit und optimale Steuerung
World Action Models ermöglichen eine semantisch und physikalisch fundierte Steuerung, sind jedoch anfällig für Verschiebungen in der Datenverteilung. Durch den Einsatz mechanistischer Interpretierbarkeit lässt sich analysieren, wie robuste Merkmale im Aktivierungsraum repräsentiert werden. Dies ermöglicht eine effiziente, trainingsfreie Steuerung mittels kontrastiver Aktivierungsrichtungen. Zudem erlaubt die lokale Linearität der Aktivierungsdynamik die Anwendung einer modellbasierten optimalen Steuerung, wodurch d
Multimodalität als Supervision: Selbstüberwachte Spezialisierung auf Testumgebungen
Das Konzept der Test-Space Training (TST) Methode nutzt multimodale Sensordaten direkt aus der Zielumgebung, um KI-Modelle ohne externe Internet-Datensätze zu trainieren. Durch die Vorhersage einer Modalität aus einer anderen lernen die Systeme Repräsentationen, die in spezifischen Umgebungen mit etablierten Generalisten-Modellen wie DINOv2 oder CLIP konkurrieren können. Dieser Ansatz zeigt, dass eine gezielte Nutzung von Sensordaten die Abhängigkeit von riesigen, externen Trainingsdatenmengen verringern kann. Die
Perceptron AI veröffentlicht Isaac 0.5: Embodied Foundation Model mit 36 Milliarden Parametern und offenen Gewichten
Perceptron AI hat die Version 0.5 seines Embodied Foundation Models namens Isaac vorgestellt. Das Modell verfügt über 36 Milliarden Parameter und wird mit offenen Gewichten bereitgestellt. Diese Veröffentlichung mark einen wichtigen Schritt zur Weiterentwicklung von multimodalen KI-Systemen für Robotik und physische Interaktionen. Entwickler und Forscher erhalten damit erweiterte Möglichkeiten zur Implementierung und Anpassung komplexer Agentenarchitekturen.
URML: Sicherheits-Evaluierungsframework für KI-Agenten in Labor- und Industrieumgebungen
Das Open-Source-Projekt URML stellt eine umfassende Spezifikation sowie Referenzlaufzeiten, Validierungstools, LLM-Brücken und Konformitätstests für die Roboterintentionsbeschreibung bereit. Die entwickelte Sprache und das zugehörige Evaluierungsharness zielen darauf ab, das sichere Verhalten von KI-Agenten auf physischer Labor- und Fabrikhardware systematisch zu überprüfen. Damit wird eine standardisierte Grundlage zur Absicherung autonomer Steuerungsprozesse in industriellen Anwendungszenarien geschaffen.
KI im Schulunterricht, Robotik in Shanghai und Sicherheitsrisiken bei Frontier-Modellen
Der Artikel beleuchtet den zunehmenden Einsatz intelligenter Algorithmen im schulischen Bildungswesen sowie aktuelle Entwicklungen im Bereich der Robotik, die auf einer Fachveranstaltung in Shanghai präsentiert wurden. Zudem wird kritisch erörtert, dass derzeit verlässliche und standardisierte Methoden fehlen, um das Gefahrenpotenzial von fortgeschrittenen Künstliche-Intelligenz-Modellen sicher zu überprüfen. Angesichts der rasanten technologischen Entwicklung wird die dringende Notwendigkeit robuster Testverfahren
Robotik dank moderner KI-Modelle vor dem Durchbruch in der realen Welt
Ingenieure und Investoren investieren verstärkt in sogenannte Weltmodelle oder Large Action Models, um die Robotik ähnlich grundlegend zu revolutionieren wie generative Sprachmodelle die Text- und Codeerstellung. Diese fortschrittlichen KI-Architekturen sollen Maschinen ein tieferes Verständnis ihrer physischen Umgebung vermitteln und komplexe Handlungsabläufe in Echtzeit ermöglichen. Damit zeichnet sich ein technologischer Wendepunkt ab, der autonome Systeme deutlich anpassungsfähiger für reale Einsatzszenarien ma
KI-gestützte Exoskelette zur Bewahrung kreativer Inspiration
Der Einsatz von künstlicher Intelligenz in Verbindung mit tragbaren Exoskeletten eröffnet neue Perspektiven zur physischen Entlastung in kreativen und handwerklichen Berufen. Durch die intelligente Unterstützung menschlicher Bewegungsabläufe sollen Ermüdungserscheinungen minimiert und ergonomische Arbeitsbedingungen geschaffen werden. Dies ermöglicht es Anwendern, sich langfristig auf komplexe kreative Prozesse zu konzentrieren, ohne durch körperliche Anstrengung eingeschränkt zu werden. Die technologische Entwickl
Wie Persona AI den wirtschaftlichen Nutzen von Humanoiden im Schweißen ermöglicht
Persona AI prognostiziert eine kurzfristige wirtschaftliche Rentabilität für humanoide Roboter im Bereich der schweren Industriearbeit. Insbesondere bei komplexen Schweißprozessen sollen diese mechanischen Systeme bald signifikante Produktivitätssteigerungen erzielen und sich schnell amortisieren. Durch den Einsatz fortgeschrittener Steuerungssoftware und adaptiver Lernverfahren lassen sich die Roboter nahtlos in bestehende Fertigungsumgebungen integrieren. Damit treibt das Unternehmen die industrielle Transformati
Börsengang von Unitree Robotics: Eine Blase bei verkörperter KI?
Der weltweit größte Hersteller von humanoiden Robotern nach Verkaufszahlen bereitet seinen Börsengang in Shanghai vor. Die Emission hat bereits umgerechnet rund 905 Millionen US-Dollar eingereicht und war mehr als 8.000-fach überichnet, was einen neuen Rekord am technologieorientierten STAR-Markt darstellt. Dieser beispiellose Andrang wirft Fragen über eine mögliche Überbewertung im Sektor der verkörperten Künstlichen Intelligenz auf.
Risikokapitalgeber investieren Milliarden in physische KI
Im ersten Halbjahr 2026 verzeichnete der Sektor der physischen künstlichen Intelligenz ein massives Wachstum bei der Risikofinanzierung mit insgesamt 47,4 Milliarden US-Dollar über 521 Transaktionen. Damit hat sich das investierte Kapital im Vergleich zum vorangegangenen Halbjahr fast vervierfacht. Diese Entwicklung unterhebt den wachsenden Fokus von Investoren auf Technologien, die künstliche Intelligenz mit physischen Systemen und Robotik verknüpfen.
WAIC 2026: Ein Einblick in verkörperte KI-Innovationen und humanoide Roboter
Die World AI Conference 2026 in Shanghai gewährt spannende Einblicke in die nächste Generation künstlicher Intelligenz. Im Fokus stehen dabei fortschrittliche humanoide Roboter sowie verkörperte KI-Systeme, die in der Lage sind, ihre physische Umwelt visuell wahrzunehmen, sich autonom fortzubewegen und direkt zu interagieren. Diese Entwicklungen markieren einen wichtigen Schritt hin zu praxisorientierten und multisensorischen Automatisierungslösungen in der Robotik.
Ukraine entdeckt Nvidia-KI-Chip in neuem russischen Marschflugkörper
Ukrainische Geheimdienstkreise haben in einem neuartigen russischen Marschflugkörper ein integriertes Computersmodul des Herstellers Nvidia identifiziert. Konkret handelt es sich um eine Komponente der Jetson-Orin-Architektur, was auf den potenziellen Einsatz fortgeschrittener Methoden der künstlichen Intelligenz in modernen Waffensystemen hindeutet. Der Fund verdeutlicht die zunehmende Integration kommerzieller Halbleitertechnologien und spezialisierter Rechenmodule für autonome Steuerungsprozesse im militärischen
Gemini Robotics 2 erweitert die KI-Funktionen von Google für humanoide Roboter
Google treibt die Entwicklung von KI-gesteuerten humanoiden Robotern mit der neuen Version Gemini Robotics 2 voran. Die Technologie erweitert die kognitiven und physischen Fähigkeiten autonomer Systeme durch fortschrittliche multimodale Modelle. Damit soll die Interaktion zwischen Robotern und ihrer physischen Umgebung optimiert und die Ausführung komplexer Aufgaben in Echtzeit verbessert werden.
Trumps KI-Protektionismus erfasst die Robotik
Die US-Handelskommission FTC hat ein Verbot für im Ausland hergestellte humanoide Roboter erlassen. Damit wird der junge und fragile Sektor der humanoiden Robotik offiziell Teil der nationalen KI-Industriepolitik der Vereinigten Staaten. Dieser protektionistische Schritt zielt darauf ab, die heimische Entwicklung kritischer Technologien strategisch abzusichern, birgt jedoch Risiken für globale Lieferketten und die internationale Zusammenarbeit in der Forschung.
Trumps KI-Protektionismus erfasst die Robotikbranche
Die US-Wettbewerbsbehörde FTC hat ein Verbot für im Ausland hergestellte humanoide Roboter verhängt und integriert diesen sensiblen, im Aufbau befindlichen Technologiesektor damit in die nationale KI-Industriepolitik. Diese protektionistische Maßnahme zielt darauf ab, heimische Entwicklungen im Bereich der künstlichen Intelligenz und Robotik strategisch abzuschirmen. Branchenbeobachter bewerten diesen Schritt als Eingriff in eine fragile globale Lieferkette, der weitreichende Folgen für die internationale Zusammena
Der aktuelle Stand von Simulationen für physische KI: Eine Übersicht
Ein neuer Fachbeitrag beleuchtet den aktuellen Stand von Simulationstechnologien für physische Künstliche Intelligenz. Dabei wird untersucht, wie virtuelle Umgebungen genutzt werden, um KI-Modelle in realistischen Szenarien zu trainieren und zu testen. Im Fokus stehen Fortschritte bei der Nachbildung von Physik, Sensorik und Interaktionen in Echtzeit. Diese Methoden sind entscheidend, um die Entwicklung von Robotik und autonomen Systemen zu beschleunigen und abzusichern.
Hans Moravec hatte recht mit der KI
Der Pionier der Robotik und Künstlichen Intelligenz Hans Moravec prognostizierte bereits vor Jahrzehnten das Erreichen menschlicher Intelligenziveaus bei Maschinen bis zum Jahr 2028. Aktuelle Entwicklungen bestätigen viele seiner damaligen Annahmen und werfen fundamentale Fragen über die zukünftige Rolle der Menschheit auf. In seinen heutigen Betrachtungen setzt er sich intensiv mit den weitreichenden Konsequenzen einer technologischen Singularität und dem potenziellen Ende der menschlichen Spezies auseinander. Die
Japanisches Unternehmen trainiert Roboter mit KI zur Nachahmung von Laufbewegungen
Ein japanisches Unternehmen entwickelt ein System, bei dem Roboter mithilfe von künstlicher Intelligenz trainiert werden, die komplexen Bewegungsabläufe menschlicher Läufer präzise zu reproduzieren. Durch den Einsatz fortschrittlicher Lernalgorithmen sollen mechanische Gliedmaßen menschliche Dynamik und Koordination naturgetreu nachbilden. Diese Technologie eröffnet neue Möglichkeiten in der biomechanischen Forschung sowie bei der Entwicklung fortschrittlicher humanoider Roboter. Das Projekt unterstreicht die wachs
Japanische KI-Roboter reproduzieren die Fähigkeiten erfahrener Konditoren
In Japan werden fortschrittliche Robotersysteme auf Basis künstlicher Intelligenz eingesetzt, um die komplexen handwerklichen Fähigkeiten erfahrene Konditoren präzise nachzubilden. Diese Technologie zielt darauf ab, hochspezialisierte Arbeitsschritte in der Süßwarenherstellung zu automatisieren und gleichzeitig die hohe Qualität traditioneller Handwerkskunst beizubehalten. Durch maschinelles Lernen und adaptive Steuerung können die Roboter feinste sensorische und motorische Bewegungen erlernen, die für die Zubereit
Tesla-Aktie sinkt wegen Investorenangst vor KI-Ausgaben und Gewinnrückgang
Die Aktien von Tesla verzeichneten einen starken Kursrückgang, nachdem enttäuschende Quartalszahlen veröffentlicht wurden. Auslöser für die Sorgen der Investoren sind die strategischen Neuausrichtungen des Unternehmens hin zu künstlicher Intelligenz und Robotik sowie damit verbundene hohe Ausgaben. Der Fokus auf diese Zukunftsfelder und der gleichzeitige Gewinnrückgang werfen bei Anlegern Fragen zur kurzfristigen wirtschaftlichen Stabilität auf.
Tesla verzeichnet Gewinneinbruch trotz steigender Umsätze und setzt verstärkt auf Robotik und KI
Trotz steigender Umsätze musste der Automobilhersteller einen Rückgang des Gewinns hinnehmen, wodurch die Erwartungen verfehlten wurden. An den Finanzmärkten reagierten Anleger negativ auf die Quartalszahlen, was zu Kursverlusten im nachbörslichen Handel führte. Das Unternehmen treibt im Zuge dieser Entwicklung seine strategische Ausrichtung hin zu Robotik und künstlicher Intelligenz voran.
Abfrage physischer KI-Daten mit Daft
Die Analyse komplexer Datensätze für physische KI wird durch die Kombination von Daft mit dem EgoDex-Datensatz von Apple optimiert. Dabei werden semantische Suchen mit Hand-Pose-Geometrien verknüpft, um präzise Informationen aus Interaktionsdaten zu extrahieren. Durch den Einsatz von SigLIP-Embeddings lassen sich visuelle und räumliche Daten effizient durchsuchen. Diese Methode ermöglicht eine gezielte Filterung von Bewegungsabläufen und manipulativen Handlungen, was die Entwicklung und das Training von Robotik-Mod
Die USA errichten Barrieren für Drohnen und Roboter, während China durch Skalierung ausweicht
Die Vereinigten Staaten schränken den Einsatz ausländischer Roboter und Drohnen zunehmend ein, um technologische Abhängigkeiten zu minimieren und nationale Sicherheitsinteressen zu wahren. Aufgrund der enormen Produktionsskalierung und industriellen Kapazitäten Chinas verlagert sich der globale Wettbewerb in diesem Sektor jedoch zunehmend auf andere internationale Märkte. Diese geopolitische Dynamik führt zu einer Fragmentierung der Lieferketten und zwingt Akteure weltweit zu strategischen Neuausrichtungen im Berei
Hugging Face vertreibt einen Open-Source-Entenroboter für 399 US-Dollar namens Microduck
Ein neues, kompaktes Robotiksystem in Entenform richtet sich an Entwickler, die machine-learning-basierte Anwendungen direkt zu Hause trainieren und einsetzen möchten. Das frei zugängliche Open-Source-Gerät ist ab sofort vorbestellbar und soll die praktische Erprobung im Bereich der embodied artificial intelligence erleichtern. Durch den offenen Ansatz lässt sich die Hardware flexibel an individuelle Anforderungen anpassen und mit verschiedenen KI-Modellen verknüpfen.
Ehemalige Meta-Wissenschaftler entwickeln visuelle KI für die Fabrikhalle
Ein neues KI-Modell wurde entwickelt, um Maschinen bei der räumlichen Navigation zu unterstützen und gleichzeitig tiefgehende visuelle Analysen bereitzustellen. Die Technologie zielt darauf ab, industrielle Prozesse in Fabriken durch präzise optische Erfassung und intelligente Umgebungsverarbeitung zu optimieren. Damit soll die Autonomie von Robotersystemen in komplexen Fertigungsumgebungen signifikant gesteigert werden.
Roboter-KI entwickelt sich über frühe Sprachmodell-Architekturen hinaus
Die Entwicklung fortschrittlicher Robotersysteme erfordert die Überwindung aktueller technologischer Grenzen bei künstlichen Intelligenzen, die physische Körper steuern. Während die physische Robotik rasch voranschreitet, hinken die integrierten kognitiven Architekturen häufig hinterher. Forscher arbeiten daher intensiv an leistungsfähigeren neuronalen Netzwerken, um Roboter mit höherer Autonomie, Wahrnehmungsfähigkeit und Anpassungsfähigkeit auszustatten. Ziel ist es, die Kluft zwischen mechanischer Hardware und a
Robotik-Startup Generalist erreicht Bewertung von drei Milliarden US-Dollar
Das auf physische künstliche Intelligenz spezialisierte Startup Generalist hat in einer Finanzierungsrunde 200 Millionen US-Dollar eingeworben und damit seine Unternehmensbewertung innerhalb weniger Monate auf drei Milliarden US-Dollar gesteigert. Das Unternehmen entwickelt fortschrittliche Robotersysteme und profitiert stark vom anhaltenden Investitionsboom in autonome und KI-gestützte Hardware. Diese frischen Mittel sollen vor allem in die Skalierung der Technologie und den Ausbau der Entwicklungsstrukturen fließ
General Intuition verhandelt über Sechs-Milliarden-Dollar-Bewertung für den Einstieg in die Robotik
Das auf physische Grundmodelle spezialisierte Startup General Intuition führt Gespräche über eine neue Finanzierungsrunde, die das Unternehmen mit sechs Milliarden Dollar bewerten könnte. Zu den beteiligten Investoren zählen unter anderem Valor Ventures, Point72 Ventures und Seven Seven Six. Das Kapital soll genutzt werden, um die Entwicklung von Systemen voranzutreiben, die generalisierte Agenten durch Raum und Zeit navigieren lassen, wodurch der Markteintritt in den Bereich der Robotik forciert wird.
TechCrunch Disrupt 2026 widmet sich physischer KI und Robotik
Die kommende Konferenzbühne für reale Künstliche Intelligenz legt einen Schwerpunkt auf die Verschmelzung von digitaler Technologie und physischer Realität. Im Fokus stehen dabei fortschrittliche Robotersysteme, automatisierte Produktionsanlagen sowie innovative Anwendungen an der Schnittstelle von Software und industrieller Hardware. Diese Entwicklung verdeutlicht die zunehmende Verlagerung von KI-Algorithmen in greifbare physische Umgebungen.
Elon Musk widmet einen Grossteil der Tesla-Finanzkonferenzen Robotern und künstlicher Intelligenz
Eine Untersuchung der Finanzkonferenzen von Tesla aus den vergangenen sieben Jahren verdeutlicht, dass die Automobilsparte des Unternehmens dort überraschend wenig Aufmerksamkeit erhält. Stattdessen dominieren Themen rund um Robotik und künstliche Intelligenz die Ausführungen der Geschäftsführung. Diese strategische Verschiebung unterstreicht die wachsende Bedeutung autonomer Systeme und intelligenter Automatisierung für die zukünftige Ausrichtung des Konzerns.
Enigma sammelt 70 Millionen US-Dollar für intuitive Robotersteuerung ein
Das Startup Enigma hat in einer umfangreichen Finanzierungsrunde 70 Millionen US-Dollar eingesammelt, um die Steuerung von Robotern grundlegend zu vereinfachen. Das frische Kapital soll in die Entwicklung von Technologien fließen, die den Umgang mit automatisierten Systemen so unkompliziert wie das Einstellen einer Lautstärke machen. An der Finanzierungsrunde beteiligten sich mehrere bekannte Wagniskapitalgeber. Das Unternehmen plant, mit den Mitteln seine Forschungs- und Entwicklungsaktivitäten im Bereich der Mens
Sind Gehirnströme der nächste Meilenstein für physische KI?
Moderne Modelle der physischen künstlichen Intelligenz erfordern neben mehreren Kameraperspektiven auch dichte Annotationen und zukünftig möglicherweise die Erfassung von Gehirnströmen. Diese neuartigen Datenquellen sollen dabei helfen, komplexe Steuerungsprozesse und Interaktionen für autonome Systeme zu optimieren. Damit entwickelt sich die Erfassung neuronaler Aktivitäten zu einem potenziellen Schlüsselfaktor für die nächste Generation robotischer und physischer Anwendungen.
Gritt verlässt Stealth-Modus mit 34 Millionen Dollar für Roboter im Solaranlagenbau
Das Robotik-Unternehmen Gritt hat seine Finanzierung in Höhe von 34 Millionen Dollar bekannt gegeben und tritt damit aus dem Stealth-Modus hervor. Ziel des Unternehmens ist die Entwicklung von Automatisierungslösungen für komplexe Aufgaben auf Baustellen. Den Schwerpunkt bildet dabei zunächst die Errichtung von Solaranlagen, wobei die Technologie langfristig auf weitere anspruchsvolle Bauprozesse ausgeweitet werden soll. Durch den Einsatz spezialisierter Robotik soll die Effizienz bei der Erstellung großflächiger I
Agility Robotics eröffnet neuen Standort in unmittelbarer Nähe zu Tesla
Das Unternehmen Agility Robotics etabliert ein neues Trainingszentrum für seine humanoiden Digit-Roboter in Fremont, Kalifornien. Durch die Ansiedlung in direkter Nachbarschaft zu bedeutenden Produktionsstätten der Automobilindustrie unterstreicht das Unternehmen seine Ambitionen im Bereich der industriellen Robotik. Der neue Standort dient primär der Weiterentwicklung und dem Training der Systeme, um die Integration von Robotern in logistische und industrielle Arbeitsumgebungen weiter voranzutreiben.
Erstes Hardware-Gerät von OpenAI soll ein beweglicher, bildschirmfreier Lautsprecher sein
Das geplante Hardware-Produkt von OpenAI wird als bildschirmfreier Lautsprecher beschrieben, der über mechanische Elemente verfügt, die sich eigenständig bewegen können. Ziel des Konzepts ist es, eine physische Verkörperung von ChatGPT zu schaffen, die als persönlicher Begleiter fungiert. Durch die mechanische Beweglichkeit soll das Gerät eine neue Form der Interaktion ermöglichen, die über rein digitale Schnittstellen hinausgeht und eine physische Präsenz im Alltag des Nutzers etabliert.
Metas Bestrebungen zum Einsatz von Robotern in Rechenzentren
Das Unternehmen erprobt den Einsatz autonomer Robotersysteme zur Durchführung spezifischer Routinetätigkeiten, die ansonsten von menschlichen Technikern ausgeführt werden. Durch diese Automatisierung sollen operative Abläufe in der Infrastruktur optimiert und die Effizienz bei der Wartung gesteigert werden. Die Tests markieren einen wesentlichen Schritt hin zu einer weitergehenden Integration von Robotik in kritischen IT-Umgebungen.
Neuer Hardware-Standard von Anthropic ermöglicht Steuerung der physischen Welt durch KI-Agenten
Ein neu entwickelter, standardisierter Treiberschnittstellen-Ansatz soll es Geräten ermöglichen, direkt mit künstlichen Intelligenzen sowie untereinander zu kommunizieren. Durch diese architektonische Vereinheitlichung e
Humanoide Roboter-Wettkämpfe zeigen Rekordläufe und technische Defekte
Bei internationalen Wettkämpfen für humanoide Roboter demonstrieren teilnehmende Systeme neue Bestleistungen in Laufdisziplinen, kämpfen jedoch gleichzeitig mit massiven thermischen und mechanischen Überlastungen. Branchenexperten betonen in diesem Zusammenhang, dass der Fokus auf reine Geschwindigkeits- und Laufrekorde weniger aussagekräftig für den praktischen Nutzen ist als die Bewältigung komplexer Haushalts- und Alltagsaufgaben. Die Entwicklung robuster Kinematiken und zuverlässiger Aktuatoren bleibt demnach e
Ehemalige SpaceX-Ingenieure entwickeln Robotik-Fabrik für Stahlkomponenten
Ein neu gegründetes Unternehmen von ehemaligen Raumfahrtingenieuren entwickelt automatisierte Fertigungssysteme zur industriellen Produktion von Stahlbauteilen. Der Ansatz fokussiert sich dabei gezielt auf optimierte Prozessketten statt auf kompromisslose und dogmatische Vollautonomie. Durch den Einsatz moderner Robotik und intelligenter Steuerungsskalierung soll die Effizienz in der Metallverarbeitung signifikant gesteigert werden.
Google enthüllt Gemini Robotics 2.0 mit verbesserter Geschicklichkeit und Sicherheit
Es wurden drei verschiedene Modelle der neuen Roboter-KI vorgestellt, von denen vorerst jedoch nur eines öffentlich zugänglich ist. Die Technologie zielt darauf ab, die physische Interaktion und die Sicherheit von robotischen Systemen signifikant zu optimieren. Durch fortschrittliche Lernverfahren sollen Roboter komplexe Aufgaben in ihrer Umgebung präziser ausführen können.
Wer gewinnt und wer verliert nach dem US-Verbot ausländischer Roboter?
Ein staatliches Verbot für im Ausland hergestellte Roboter könnte die heimische Robotikindustrie in den Vereinigten Staaten eher behindern als unterstützen. Solche protektionistischen Maßnahmen drohen globale Lieferketten zu unterbrechen und den Zugang zu fortschrittlichen Technologien einzuschränken. Langfristig könnte dies die internationale Wettbewerbsfähigkeit der lokalen Wirtschaft schwächen, anstatt Innovationen zu fördern.
Angst vor humanoiden Robotern führt zu Streiks in Hyundai-Autowerk
Die geplante Einführung von 25.000 Atlas-Robotern in den Produktionsstätten von Hyundai ab dem Jahr 2028 sorgt für erhebliche Unruhe unter der Belegschaft. Angesichts der zunehmenden Automatisierung durch humanoide Systeme kam es in einem Werk bereits zu Arbeitsniederlegungen. Die Beschäftigten fürchten um ihre Arbeitsplätze und fordern eine Auseinandersetzung mit den sozialen Folgen der technologischen Transformation in der Automobilfertigung.
Anthropic entwickelt einheitliche Schnittstelle für physische Hardware
Der neuartige Standard Model Hardware Standard soll künstlichen Intelligenzen und autonomen Agenten eine universelle Anbindung an physische Geräte wie Roboterarme und Laborinstrumente ermöglichen. In ersten Praxistests ließ sich der Integrationsaufwand drastisch reduzieren. Dennoch offenbaren sich bei der Interaktion mit der physischen Realität gelegentlich Defizite im kausalen Verständnis der Modelle, weshalb menschliche Aufsicht weiterhin unverzichtbar bleibt.
China verfügt nun über ein eigenes Kreislauffinanzierungssystem für Künstliche Intelligenz
Ein chinesisches Robotikunternehmen verzeichnete einen massiven Börsenanstieg und erreichte eine Bewertung im zweistelligen Milliardenbereich. Recherchen zeigen jedoch, dass ein beträchtlicher Teil der Nachfrage aus staatlich geförderten Ausbildungszentren stammt. Diese Einrichtungen erwerben die Systeme und speisen die generierten Trainingsdaten im Rahmen eines geschlossenen Finanzierungskreislaufs wieder an die Hersteller zurück. Dieses Geschäftsmodell weist Parallelen zu internationalen Diskussionen über zirkulä
World Labs generiert tausende simulierte Varianten für das Robotertraining aus einer einzigen realen Aufgabe
Ein neues Simulationssystem ermöglicht das Training von Robotersteuerungen in rein virtuellen Umgebungen. Aus nur einer realen Ausgangsaufgabe generiert die Technologie tausende kontrollierte Variationen, um Lernprozesse zu skalieren. Erste Tests zeigten erfolgreiche autonome Abläufe über jeweils eine Stunde auf verschiedenen Roboterplattformen. Die Validierung der Ergebnisse in komplexeren, unvorhergesehenen Alltagssituationen steht jedoch noch aus.
Entwicklung von Gemini Robotics 2 zur Steuerung verschiedenster Robotertypen vorgestellt
Ein neues multimodales Sprach- und Aktionsmodell wurde entwickelt, um Robotypen von kleinen Tischarmen bis hin zu komplexen humanoiden Systemen zu steuern. Das System integriert eine fortschrittliche Reasoning-Schicht, die es Robotern ermöglicht, logische Abläufe und physische Aufgaben auf einem höheren kognitiven Niveau zu verarbeiten. Diese Technologie soll die Flexibilität und Autonomie von Robotersystemen in unterschiedlichen physischen Umgebungen signifikant verbessern.
Flux 3 generiert Videos mit nativem Audio von bis zu 20 Sekunden Länge
Ein neues multimodales Basismodell wurde veröffentlicht, das gleichzeitig aus Bildern, Videos und Audio lernt und erstmals Videos inklusive passendem Originalton erzeugen kann. Interne Leistungstests sehen die neue Technologie knapp vor etablierten Marktlösungen, wobei unabhängige Validierungen noch ausstehen. Langfristig zielt die Entwicklung auf den Aufbau umfassender Weltmodelle ab, weshalb bereits erste Praxistests in robotischen Anwendungsbereichen durchgeführt werden.
Xiaomi-Robotics-1 belegt: Mehr Daten sind effektiver als größere Modelle beim Robotertraining
Das Robotik-Modell Xiaomi-Robotics-1 wurde mit über 100.000 Stunden Bewegungsdaten trainiert, die durch handgeführte Greifwerkzeuge mit Kameras erfasst wurden. Die Ergebnisse zeigen, dass eine Erhöhung der Datenmenge die Leistungsfähigkeit des Systems deutlich stärker verbessert als eine bloße Vergrößerung des Modellumfangs. Obwohl die absoluten Erfolgsraten der Bewegungsabläufe noch gering sind, deuten die Daten darauf hin, dass das Potenzial für weitere Leistungssteigerungen durch zusätzliche Trainingsdaten noch
Erstes Hardware-Produkt von OpenAI ist ein bildschirmloser KI-Lautsprecher mit lebendiger Anmutung
Die Entwicklung eines tragbaren, bildschirmlosen Smart-Speakers markiert den Einstieg in den Hardware-Markt. Das Gerät ist mit Kameras, Sensoren und mechanischen Komponenten ausgestattet, um als KI-Begleiter eine lebendige Interaktion zu ermöglichen. Ein laufender Rechtsstreit um Geschäftsgeheimnisse könnte den geplanten Marktstart im Jahr 2027 jedoch verzögern.
Chinesisches Weltmodell Orca erreicht Leistung spezialisierter Robotiksysteme ohne Aktionsdaten
Das neu entwickelte Weltmodell Orca prognostiziert abstrakte Zustände der Umgebung anstatt klassischer Pixel oder Token. Das Modell wurde mit 125.000 Stunden Videomaterial trainiert, ohne dabei auf explizite Aktionsbeschriftungen angewiesen zu sein. In der praktischen Anwendung erzielt das System bei fünf verschiedenen Robotikaufgaben Ergebnisse, die mit spezialisierten Modellen vergleichbar sind. Dieser Ansatz könnte maßgeblich dazu beitragen, den bestehenden Mangel an hochwertigen Trainingsdaten in der Robotik zu
Metas Vorstoß zum Einsatz von Robotern in Rechenzentren
Ein führendes Technologieunternehmen erprobt den Einsatz autonomer Roboter in seinen Rechenzentren, um routinemäßige Wartungsarbeiten wie den Austausch von Kabeln und das Zurücksetzen von Servern zu automatisieren. Diese Systeme sollen physische Aufgaben übernehmen, die traditionell von Technikern ausgeführt werden, was im internen Umfeld zu Diskussionen über die langfristige Zukunft bestimmter Arbeitsplätze führt. Durch die Automatisierung dieser Infrastrukturprozesse strebt die Organisation eine höhere Effizienz
Humanoide Roboter bei chinesischen Roboterwettkämpfen demonstrieren Höchstgeschwindigkeiten und Präzision
Bei den Roboterwettkämpfen in Peking demonstrierten humanoide Systeme beeindruckende physikalische Leistungen, die in Teilbereichen sogar menschliche Höchstgeschwindigkeiten übertreffen. Besonders im Fokus standen jedoch komplexe kognitive Aufgaben und feinmotorische Manipulationen, wie der präzise Umgang mit Werkzeugen wie Pinzetten. Diese Entwicklungen unterstreichen den technologischen Fortschritt in der Steuerung und sensorischen Rückkopplung moderner Robotikarchitekturen. Damit verlagert sich der Innovationsfo
Ein Roboter, der vor Ort lernen kann, zeigt die Zukunft der künstlichen Intelligenz
Bei einer Demonstration zeigte ein adaptiver Roboterarm die Fähigkeit zur spontanen Improvisation, indem er eine Banane als Werkzeug einsetzte. Diese Entwicklung verdeutlicht den Fortschritt hin zu flexibleren und anpassungsfähigeren autonomen Systemen, die in Echtzeit auf unvorhergesehene Situationen reagieren können. Solche Techniken reduzieren den Bedarf an vorab einprogrammierten Routinen und erweitern die Einsatzmöglichkeiten von Robotern in dynamischen Umgebungen erheblich.
Der nächste große Influencer ist dieser 1,20 Meter große Roboter aus China
Der humanoide Roboter Unitree G1 erlangt im Internet zunehmend Bekanntheit durch seine agile Performance und gilt als vergleichsweise kostengünstige Hardware-Lösung seiner Klasse. Das System demonstriert beeindruckende Fähigkeiten in der Interaktion und Fortbewegung, wirft jedoch gleichzeitig Fragen hinsichtlich seiner tatsächlichen wirtschaftlichen und operativen Einsetzbarkeit in realen Arbeitsumgebungen auf. Aktuelle Entwicklungen konzentrieren sich darauf, ob die Plattform über den Status einer reinen Publikums
Wie ein Startup einen weitgehend chinafreien Roboter entwickelt hat
Ein auf Robotik spezialisiertes Unternehmen fertigt seine autonomen Systeme primär in Indien und setzt dabei auf Lieferketten mit minimalem chinesischen Komponentenanteil. Diese strategische Ausrichtung positioniert den Hersteller vorteilhaft vor dem Hintergrund möglicher US-Handelsbeschränkungen und protektionistischer Maßnahmen gegen chinesische Robotiktechnologien. Durch die Diversifizierung der Beschaffungsmärkte wird die Resistenz gegen geopolitische Risiken in der industriellen Automatisierung signifikant erh
Wettlauf um KI-Dominanz sorgt für Besorgnis
Führende Forschungseinrichtungen und Branchenvertreter äußern zunehmend Bedenken über die rasanten Fortschritte und die Eigentümerstrukturen im Bereich der Künstlichen Intelligenz. Der intensive Wettbewerb zwischen führenden Anbietern wirft grundlegende Fragen zur Zukunft und Kontrolle dieser Schlüsseltechnologien auf. Gleichzeitig treiben Spezialunternehmen ihre Entwicklungen in angrenzenden Bereichen wie der Robotik voran. Diese Entwicklungen verdeutlichen die Dynamik und die gesellschaftlichen Herausforderungen
Gemini Robotics 2 bringt Googles KI in die physische Welt
Die neueste Generation eines KI-Modells für Robotik markiert einen bedeutenden Entwicklungsschritt hin zur physischen allgemeinen künstlichen Intelligenz. Das System ermöglicht es hochentwickelten Algorithmen, direkt in der realen, physischen Welt zu agieren und dort komplexe Aufgaben zu bewältigen. Dieser Übergang vom digitalen Raum in physische Umgebungen ist jedoch auch mit erheblichen Risiken verbunden, die bei der praktischen Anwendung berücksichtigt werden müssen. Entsprechende Forschungsarbeiten konzentriere
Kostenloses Essen im Austausch für Trainingsdaten für humanoide Roboter
Ein Start-up sendet Köche mit Kameras in Privathaushalte, um die Zubereitung von Mahlzeiten detailliert aufzuzeichnen. Im Gegenzug erhalten die Gastgeber ein kostenloses Essen. Diese Videoaufnahmen dienen als Trainingsdaten, um zukünftigen humanoiden Robotern komplexe Küchenarbeiten beizubringen. Das Vorgehen zeigt neue Ansätze auf, um realistische Bewegungsabläufe und Handhabungen für autonome Systeme in häuslichen Umgebungen zu erfassen.
Ein von Eric Trump unterstütztes Robotik-Unternehmen bereitet seine humanoiden Roboter auf militärische Einsätze vor
Das Unternehmen Foundation Future Industries entwickelt derzeit humanoide Roboter, die für militärische Zwecke eingesetzt werden sollen. Die Geschäftsführung bestätigt, dass aktiv an kinetischen Anwendungen gearbeitet wird, um die Maschinen für den Einsatz in Konfliktsituationen zu rüsten. Damit bewegt sich das Unternehmen in den Bereich der autonomen Waffensysteme und der militärischen Robotik, wobei die strategische Ausrichtung auf eine direkte Beteiligung an Verteidigungsoperationen abzielt.
Roboterhunde, Teslas und Rettungshubschrauber: Der KI-Gipfel der Vereinten Nationen
Auf dem AI for Good-Gipfel der Vereinten Nationen standen neben technologischen Vorführungen von Robotern und autonomen Fahrzeugen vor allem die drängenden Fragen der globalen Regulierung im Mittelpunkt. Experten diskutierten intensiv darüber, wie internationale Governance-Strukturen mit der rasanten Entwicklung künstlicher Intelligenz Schritt halten können. Ziel ist es, sicherzustellen, dass die technologischen Fortschritte kontrollierbar bleiben und ethische Standards gewahrt werden, bevor die Entwicklung die bes
Neuer KI-Roboter von Hugging Face ist eine Rollschuh laufende Ente
Ein Entwicklerteam hat mit dem Microduck einen neuen, kompakten und bipedalen KI-Roboter vorgestellt. Das rund 25 Zentimeter große System verfügt über eine einzelne Kamera als Auge und bewegt sich auf Rollen fort. Der Ro
Neues KI-Modell von Google DeepMind steuert den gesamten Roboterkoerper
Die neueste Version eines spezialisierten kuenstlichen Intelligenzmodells fuer Robotik ermoeglicht erstmals die ganzheitliche Steuerung humanoider Roboter. Waehrend fruehere Entwicklungen sich Primaer auf den Oberkoerper konzentrierten, unterstuetzt das aktualisierte System nun komplexe Bewegungen vom Kopf bis zu den Fuesssen. Damit koennen Roboterkuerper fluessiger und praeziser gesteuert werden, was den Einsatzbereich in dynamischen Umgebungen deutlich erweitert.
Durch trübes Wasser blicken
Unterwasserfahrzeuge und autonome Roboter kämpfen beim Manövrieren oft mit starker Sedimentaufwirbelung, die die optische Sicht durch Bordkameras massiv einschränkt. Um dieses Problem zu lösen, wurde ein innovatives Bildverarbeitungssystem entwickelt, das durch trübe Wassermassen hindurchblicken kann. Die Technologie kombiniert fortschrittliche Algorithmen zur optischen Rekonstruktion, um Unterwasserstrukturen auch bei starker Partikeletrübung in Echtzeit sichtbar zu machen. Dies erhöht die Effizienz von Unterwasse
Der tägliche Überblick: Intelligente KI an Schulen und ein Roboter-Karneval in Shanghai
Die rasante Verbreitung von Chatbots hat Bildungseinrichtungen weltweit vor neue Herausforderungen und Chancen gestellt. Lernende nutzen mobile Anwendungen zunehmend für die automatisierte Beantwortung von Hausaufgaben und die Unterstützung bei schulischen Aufgaben. Dies erfordert eine strategische Anpassung pädagogischer Konzepte, um den sinnvollen und reflektierten Einsatz von Systemen für maschinelles Lernen im Unterricht zu fördern. Gleichzeitig verdeutlichen technologische Leistungsschauen im Bereich der Robot
Ein Tag auf einem Roboter-Karneval in Shanghai
Humanoide Roboter erleben in China derzeit einen massiven Aufschwung und sind ein zentraler Bestandteil der nationalen Strategie zur Integration künstlicher Intelligenz in den Alltag. Die Verankerung dieser Technologie in physische Systeme, bekannt als embodied AI, bildet einen Schwerpunkt des aktuellen Fünfjahresplans des Landes. Lokale Unternehmen haben sich in diesem Bereich bereits als weltweite Vorreiter positioniert und treiben die Entwicklung humanoidem Maschinenheeres rasant voran.
Die Rolle der Astronauten befindet sich im Wandel
Im Zuge fortschreitender Raumfahrtmissionen verändert sich das Aufgabengebiet von Astronauten grundlegend. Insbesondere der Einsatz autonomer Systeme, robotischer Assistenz und fortschrittlicher künstlicher Intelligenz transformiert die Steuerung und Durchführung von Weltraummissionen. Menschliche Expertise wird zunehmend mit algorithmischen Entscheidungsprozessen kombiniert, um komplexe Operationen in tiefen Raumregionen zu bewältigen. Diese Entwicklung erfordert neue Kompetenzen und verschiebt den Fokus von manue
Der tägliche Rückblick: Verwaiste Roboterfreunde und regulatorische Eingriffe in digitale Inhalte
Der vorliegende Beitrag beleuchtet die emotionalen und technischen Folgen, wenn menschenähnliche Roboterbegleiter für Kinder aufgrund von Unternehmensentscheidungen oder Dienstabschaltungen plötzlich ausfallen. Anhand eines konkreten Beispiels wird analysiert, wie junge Nutzer langfristige Bindungen zu KI-basierten Systemen aufbauen und welche ethischen Fragen sich daraus für Hersteller und Gesellschaft ergeben. Zudem werden gesellschaftliche und politische Debatten rund um die Kontrolle und Moderation von digitale
Was passiert, wenn der robotergestützte beste Freund eines Kindes stirbt
Die langjährige Beziehung zwischen einem Kind und einem emotionalen Begleitroboter wirft tiefgreifende Fragen zur Bindungsfähigkeit an künstliche Intelligenz auf. Nach sechs Jahren intensiver Interaktion, in denen das System therapeutische Atemübungen und emotionale Unterstützung vermittelte, zeigt sich die Verwundbarkeit solcher Partnerschaften bei technischen Defekten oder Abschaltungen. Das Szenario verdeutlicht die psychologischen Implikationen und ethischen Herausforderungen, wenn menschenähnliche Algorithmen
Der Download: US-Roboterbeschränkungen und DNA-Erfassung durch ICE
Die aktuelle US-Handelspolitik und protektionistische Maßnahmen im Bereich der künstlichen Intelligenz erfassen zunehmend die Robotikindustrie. Insbesondere humanoide Roboter zeigen trotz technologischer Fortschritte weiterhin erhebliche Defizite in der Feinmotorik und der physischen Interaktion. Diese Entwicklung wirft neue Fragen hinsichtlich der wirtschaftlichen und regulatorischen Zukunft autonomer Systeme im internationalen Wettbewerb auf. Der technologische Fokus verschiebt sich damit verstärkt auf regulatori
Trumps KI-Protektionismus erreicht die Robotikbranche
Der zunehmende protektionistische Ansatz in der Handelspolitik und Regulierung wirkt sich zunehmend auf den Bereich der humanoiden Robotik aus. Obwohl sich die Technologie in einer frühen Entwicklungsphase befindet und physische sowie kognitive Fähigkeiten wie manuelle Geschicklichkeit noch stark eingeschränkt sind, geraten globale Lieferketten und technologische Kooperationen unter politischen Druck. Dies könnte die internationale Forschung und die Kommerzialisierung autonomer Systeme signifikant verändern.
Der KI-Hype-Index: Unsexuelle KI
Die Weiterentwicklung künstlicher Intelligenz und Robotik führt zunehmend zu Systemen, die alltägliche praktische Aufgaben im Haushalt und Beruf übernehmen können. Während wirtschaftliche Analysen vor weitreichenden Arbeitsplatzverlusten warnen, demonstrieren Unternehmen parallel technologische Fortschritte bei körperlich geschickten Robotern. Diese Entwicklung verschiebt den Fokus des öffentlichen Interesses von abstrakten Modellen hin zu konkreten, funktionalen Anwendungen im Alltag. Damit verändern sich auch die
Gemini Robotics ER 2: Robotik mit Videoverständnis, Aufgabenkoordination und Multi-Roboter-Kollaboration
Ein neues System für Robotik-Anwendungen ermöglicht es Maschinen, komplexe Aufgaben in der realen Welt zu verstehen, logisch zu schlussfolgern und miteinander zu kooperieren. Die Technologie stellt einen bedeutenden Fortschritt in den Bereichen Videoverständnis, Werkzeugsteuerung und der Zusammenarbeit mehrerer Roboter dar. Dadurch können autonome Systeme flexibler auf ihre Umgebung reagieren und koordiniert gemeinsame Ziele verfolgen.
Gemini Robotics 2 bringt ganzheitliche Intelligenz zu Robotern
Mit Gemini Robotics 2 wird ein neuer Ansatz für die Robotersteuerung vorgestellt, der die gesamte Körperkinematik von den Füßen bis zu den Fingerspitzen umfasst. Die Technologie zielt darauf ab, Robotern intelligente Ganzkörperkontrolle, feine Fingerfertigkeit und Teamfähigkeit zu verleihen, um komplexe Aufgaben in unterschiedlichen Bereichen autonom zu bewältigen.
Import AI 466: Die harte Lektion für die Robotik, KI absolviert einwöchige Programmieraufgaben und OpenAI als versehentlicher KI-Hacker
Der aktuelle Bericht beleuchtet fundamentale Prinzipien in der Roboterentwicklung und zeigt Fortschritte bei autonomen Systemen, die komplexe Programmieraufgaben über einen Zeitraum von einer Woche eigenständig bewältige
Selbstverbessernde Roboter, ein chinesischer GPU-Cluster mit 10.000 Einheiten und ein Essay über das menschliche Zeitalter
Aktuelle Entwicklungen in der Robotik zeigen Fortschritte bei Systemen, die ihre Fähigkeiten durch eigenständige Lernprozesse kontinuierlich verbessern. Parallel dazu verdeutlicht der Aufbau eines chinesischen GPU-Clusters mit 10.000 Einheiten die zunehmende Bedeutung massiver Rechenkapazitäten für das Training komplexer KI-Modelle. Diese technologischen Sprünge werfen grundlegende Fragen über die Rolle des Menschen in einer Ära auf, die zunehmend von automatisierten und intelligenten Systemen geprägt ist.
KI-Entwicklungen: Belohnungs-Hacking, Anthropic-Daten und RL-gestützte Quadrocopter-Rennen
Die aktuelle Analyse beleuchtet das Phänomen des Reward-Hackings in gesellschaftlichen Kontexten und untersucht neue Datensätze von Anthropic zur Erforschung von RSI-Risiken. Ein weiterer Schwerpunkt liegt auf dem Einsatz von Reinforcement Learning bei der Steuerung von Quadrocoptern in Hochgeschwindigkeitsrennen. Abschließend wird die theoretische Frage diskutiert, ab welchem Zeitpunkt Finanzmärkte die ökonomischen Auswirkungen einer technologischen Singularität einpreisen könnten.
NVIDIA Cosmos-H-Dreams: Echtzeit-generative Simulation für die chirurgische Robotik
Ein neues System zur generativen Simulation ermöglicht die Erstellung realistischer und dynamischer Umgebungen für chirurgische Robotikanwendungen in Echtzeit. Diese Technologie unterstützt Entwickler dabei, komplexe medizinische Szenarien zu modellieren und Roboterarme präziser zu trainieren. Durch den Einsatz fortschrittlicher visueller Modelle wird die Lücke zwischen virtuellen Trainingsdaten und realen chirurgischen Eingriffen verkleinert. Dies stellt einen wichtigen Fortschritt für die Integration von künstlic
Grabette: Ein offenes System zur Aufzeichnung von Roboter-Manipulationsdaten
Das größte Hindernis beim Roboterlernen ist der Mangel an vielfältigen, realen Manipulationsdaten. Grabette bietet eine kostengünstige, quelloffene Lösung, um solche Daten ohne komplexe Teleoperations-Hardware zu erfassen. Nutzer können mit einem handgeführten Greifer Demonstrationen aufzeichnen, die anschließend automatisch in robotergerechte Datensätze umgewandelt werden. Das System nutzt Standardkomponenten wie Kameras und Einplatinencomputer, um die Hürde für die Datensammlung zu senken und eine gemeinschaftlic
Black Forest Labs veröffentlicht FLUX 3 für multimodale generative Aufgaben und Robotik
Das Entwicklerteam hinter FLUX hat die neueste Modellgeneration vorgestellt. Die neuen multimodalen Flow-Modelle übertreffen in Leistungstests diverse Konkurrenzprodukte und kommen zudem in einem speziellen Roboter-Aktionsmodell zum Einsatz, das visuelle Eingaben direkt in physische Handlungen übersetzt.
Das Labor der Zukunft benötigt die Infrastruktur eines Rechenzentrums
Wissenschaftliche Forschung wird zunehmend als die nächste große Quelle für hochwertige Trainingsdaten für künstliche Intelligenz betrachtet. Um dieses Potenzial zu erschließen, müssen Labore grundlegend transformiert werden, indem sie wie hochgradig automatisierte Rechenzentren konzipiert sind. Durch den Einsatz von Robotik und digitaler Prozesssteuerung lassen sich experimentelle Daten in einem Maßstab erfassen, der für das Training komplexer KI-Modelle in den Naturwissenschaften unerlässlich ist. Dieser Ansatz z
Nvidia veröffentlicht erstes GPU-beschleunigtes Simulations-Framework für medizinische Physik als Open Source
Für die Entwicklung von Gesundheitssrobotern und modernen Bildgebungsverfahren ist eine präzise Simulation physikalischer Wechselwirkungen im menschlichen Gewebe unerlässlich. Um diese komplexen Prozesse realitätsnah und in Echtzeit abzubilden, wurde nun ein neuartiges, GPU-beschleunigtes Framework für die medizinische Physik als Quellcode frei zugänglich gemacht. Damit erhalten Entwickler die Möglichkeit, anatomische Varianzen, Instrumenteninteraktionen und seltene Grenzfälle virtuell zu erforschen, bevor reale An
NVIDIA stellt neue Jetson Thor-Computer für Robotik und Edge-KI vor
Die neuen Computermodule T3000 und T2000 basieren auf der Thor-Architektur und wurden speziell für den Einsatz in der Robotik und bei autonomen Systemen entwickelt. Sie ermöglichen die Ausführung komplexer KI-Grundlagenmodelle direkt am Edge, wodurch leistungsstarke Berechnungen auch außerhalb von Rechenzentren möglich werden. Mit dieser Hardware adressiert die Technologie den wachsenden Bedarf an energieeffizienten und kompakten Lösungen für den Massenmarkt, um den Übergang von Forschungsprojekten hin zu praktisch
NVIDIA und Hugging Face erweitern LeRobot um neue KI-Modelle und Frameworks für die Robotik-Community
Die Zusammenarbeit zwischen NVIDIA und Hugging Face zielt darauf ab, die Entwicklung im Bereich der physischen KI durch den Ausbau der Open-Source-Plattform LeRobot zu beschleunigen. Durch die Bereitstellung neuer Robotik-Modelle, fortschrittlicher Simulationswerkzeuge und optimierter Rechenressourcen sollen bestehende Hürden wie fragmentierte Daten und hohe Kosten abgebaut werden. Ziel ist es, Entwicklern eine einheitliche Infrastruktur zur Verfügung zu stellen, um die Erstellung von Foundation-Modellen für Robote
Installation benutzerdefinierter Betriebssysteme auf AWS DeepRacer-Geräten jetzt möglich
Für die Hardware-Plattform AWS DeepRacer steht ab sofort ein neuer Bootloader zur Verfügung, der die Installation individueller Betriebssysteme ermöglicht. Bisher war die Nutzung auf die vorinstallierte Firmware beschränkt, was die Flexibilität einschränkte. Durch diese Neuerung können Entwickler ihre Geräte mit aktuellen Betriebssystemen aktualisieren und die Lebensdauer der Hardware signifikant verlängern. Zudem wird der Zugriff auf eine von der Community entwickelte Distribution unterstützt, die auf diesem Bootl
MEMORA: Verkörpertes Aktionsgedächtnis aus egozentrischen Videos für logisches Denken und Planung
Die Forschung stellt MEMORA vor, ein System für verkörpertes Aktionsgedächtnis, das Robotern ermöglicht, Erfahrungen aus egozentrischen Videos in einem persistenten Speicher zu organisieren. Durch einen Lebenszyklus aus Bildung, Konsolidierung und Abruf speichert das System Informationen über Umgebungen, Entitäten, Aktivitäten und abgeleitetes Wissen. Diese Struktur erlaubt es Robotern, komplexe Planungsaufgaben durch den Zugriff auf vergangene Erfahrungen und abstrahierte Prozeduren effizienter zu lösen. In umfang
Verkörperte Multi-Agenten-Koordination durch den Abgleich von Weltmodellen mittels Dialog
Die effektive Zusammenarbeit von Robotern in geteilten Umgebungen erfordert eine Kommunikation, die auf einem gemeinsamen Verständnis der Welt basiert. In dieser Untersuchung wird analysiert, ob KI-basierte Agenten durch natürliche Sprache ihre Weltmodelle abgleichen können, um Aufgaben effizienter zu lösen. Dabei zeigt sich, dass Dialoge zwar Konflikte bei der Aktionsplanung signifikant reduzieren, jedoch die allgemeine Erfolgsquote bei der Aufgabenausführung im Vergleich zu einer stillen Koordination sinken kann.
Abschlussjahrgang 2026 des Berkeley Artificial Intelligence Research Lab
Das Berkeley Artificial Intelligence Research Lab feiert den Abschluss seines diesjährigen Ph.D.-Jahrgangs. Die Forschungsarbeiten der Absolventen decken ein breites Spektrum moderner KI-Disziplinen ab, darunter Robotik, verkörperte Intelligenz sowie große Sprachmodelle und logisches Schließen. Mit diesen wissenschaftlichen Beiträgen haben die Nachwuchsforscher die Grenzen der aktuellen Entwicklung im Bereich des maschinellen Lernens maßgeblich erweitert.
Car-GPT: Können Sprachmodelle das autonome Fahren endlich ermöglichen?
Der Einsatz von großen Sprachmodellen im Bereich des autonomen Fahrens wird zunehmend untersucht, um die Leistungsfähigkeit und Sicherheit von Fahrzeugsystemen zu verbessern. Dabei steht die Frage im Mittelpunkt, ob diese KI-Modelle zuverlässige Entscheidungen in komplexen Verkehrssituationen treffen können. Die Forschung konzentriert sich aktuell darauf, die spezifischen Herausforderungen bei der Integration dieser Technologie zu identifizieren und die Vertrauenswürdigkeit der Systeme für den Straßenverkehr zu bew