Was ist ein Weltmodell in der Robotik? KI, die die nächste Szene vorhersagt

Ein Weltmodell in der Robotik ist ein gelerntes Modell, das vorhersagt, was die Kamera des Roboters als Nächstes sehen wird, wenn er eine bestimmte Aktion ausführt. Der Roboter kann Bewegungen so erst in der Vorstellung durchspielen, bevor er sie ausführt. Die Grunddefinition steht auf unserer [Technologieseite zu Weltmodellen](/technologies/world-model); dieses Erklärstück zeigt, wofür die Modelle genutzt werden, wer dafür zahlt und was die Papers über ihre Grenzen sagen.

Das Geld kam zuerst. AMD vereinbarte am 28. September, [World Labs für rund 8,2 Milliarden Dollar in Aktien zu übernehmen](/news/amd-to-acquire-world-labs-8-2b-physical-ai-20260928); General Intuition [sammelte tags darauf 220 Millionen Dollar bei 6,2 Milliarden Dollar Bewertung ein](/news/general-intuition-220m-6-2b-gameplay-action-models-20260929), das 2,70-Fache des Juni-Werts. Runway, NVIDIA und Odyssey brachten Weltmodelle für Roboter heraus.

[[table:0]] Offen ist, ob die Technik für die Rolle bereit ist, die diese Preise unterstellen.

Ein Weltmodell hat drei Aufgaben, und nur eine davon ist das Gehirn

Die erste Aufgabe ist die eines Simulators: Statt einer handgeschriebenen Physik-Engine lernt das Modell aus Videos, wie sich Szenen verändern, und Ingenieure testen darin Policies. [Runways Praxis-1](/news/runway-praxis-1-world-action-model-20260930) meldete eine Korrelation von 0,95 zwischen Ergebnissen im Modell und am realen Roboter. Die zweite ist das Steuern oder Prüfen einer Policy: [Dream-to-Remember](/papers/dream-to-remember-continual-steering-of-generalist-robot-policies-with-2610-13816) von der Universität Freiburg und der TU München trainierte ein kleines Steuermodul im Weltmodell und hob eine eingefrorene Policy bei acht nacheinander gelernten Aufgaben von 63,7 auf 74,8 Prozent, wo Feintuning auf 11,7 Prozent einbrach. Die dritte ist, selbst die Policy zu sein und nächste Szene und Aktion gemeinsam vorherzusagen, wie es [UBTechs Thinker-WM](/papers/thinker-wm-a-unified-world-model-with-shared-multimodal-representation-2610-18447) und [Sbers GreenWAM](/papers/greenwam-a-world-foundation-model-for-robotics-2610-18774) beanspruchen.

Der Unterschied zu einem [Vision-Language-Action-Modell](/news/what-is-a-vla-model-robot-foundation-models-explained-rt-2-pi0-gr00t-gemini-robotics-2-94bn-raised-2026-20261017) liegt im Vorhersageschritt. Ein VLA übersetzt Bild und Anweisung direkt in Motorbefehle, ein Weltmodell ergänzt eine explizite Annahme über die Zukunft. [TS-WAM](/papers/ts-wam-temporal-latent-actions-and-world-action-coupling-for-vision-la-2610-21922) verbindet beides und schlug an realen Robotern pi0.5 von Physical Intelligence mit 72,5 zu 55,0 Prozent.

Was die Papers im Oktober gemessen haben

MEKAWIRE hat seit dem 1. Oktober 485 Robotik-Papers erfasst, 54 davon (11,1 Prozent) tragen das Weltmodell-Tag, 44 haben ein Briefing.

[[table:1]] Die Ergebnisse teilen sich klar. Wo ein Weltmodell andere Systeme prüft oder anpasst, sind die Gewinne groß: [ExecutionBridge](/papers/plans-are-not-executions-adapting-frozen-world-model-planners-to-contr-2610-22041) von Tsinghua und Denso hob den Score eines Fahrplaners in schweren Szenen um 44 Prozent, als sich der Fahrzeugregler änderte. Wo es physikalische Folgen über lange Zeiträume vorhersagen muss, tut es sich schwer: Im Benchmark [WorldOracle](/papers/worldoracle-benchmarking-action-conditioned-world-models-against-real-2610-18826) von Forschern bei AgiBot und NVIDIA drifteten alle sieben getesteten Modelle bei langen Realläufen und lagen bei Fehlgriffen und Verschüttetem oft falsch. Selbst elegante Theorie reicht nicht: [LeHami](/papers/lehami-symplectic-latent-dynamics-for-world-models-2610-15267) mit Yann LeCun als Mitautor senkte den Geschwindigkeitsfehler um den Faktor 2,8, plante aber schlechter als die beste Baseline, 0,527 gegen 0,800.