Unitree H1-2 stapelt doppelt so schnell, wenn er den Menschen nicht kopiert (Georgia Tech)

Arbeitet ein Humanoid effizienter, wenn er die aus einer menschlichen Demonstration bekannten Zielpunkte mit eigener Haltung und eigener Bahn anfährt, statt das Bewegungsmuster des Arbeiters nachzubilden?

Baustellen sind auf Menschen zugeschnitten, von Treppen und Gerüsten bis zu Handwerkzeugen. Das ist das Hauptargument für Humanoide auf dem Bau, und die meisten Teams lernen sie über Teleoperation oder Videos von Fachkräften an. Eine Demonstration enthält Aufgabenwissen, aber auch Gewohnheiten des menschlichen Körpers: hohes Anheben, weit geöffnete Hände, Schleifen über dem Arbeitsbereich. Eine Maschine mit anderen Gelenken und Grenzen verschwendet Zeit und Energie, wenn sie all das kopiert.

Die Übertragung menschlicher Bewegung ist der Standardweg. Teleoperationssysteme wie H2O und OmniH2O streamen die Pose des Bedieners an den Roboter, Lernverfahren wie HumanPlus und OKAMI trainieren Policies auf aufgezeichneter Bewegung, eine Studie von 2026 übertrug das auf Bauaufgaben. Ziel ist eine möglichst getreue Nachbildung; ob der Roboter nach Kenntnis der Ziele davon abweichen sollte, prüfen diese Arbeiten nicht.

Das Team filmte einen Arbeiter mit Bauerfahrung mit einem iPhone 16 Pro (RGB und LiDAR-Tiefe), rekonstruierte die Armhaltung mit MediaPipe in 3D und übertrug sie über die Richtung von Ober- und Unterarm auf den H1-2, gestreamt mit 50 Hz. In der robotereigenen Bedingung kamen die Gelenkwinkel an denselben vier Zielen aus der inversen Kinematik des Robotermodells, die Wege dazwischen waren ruckminimale Übergänge aus einer gehaltenen Kniebeuge. Die Gelenkgeschwindigkeit war in beiden Fällen auf die Hälfte des Maximums begrenzt; der ergonomische RULA-Score bestätigte, dass sich die Haltungen tatsächlich unterschieden.

Über je drei Versuche brauchte die robotereigene Bewegung 12,87 s statt 25,03 s (1,9-mal schneller), bewegte den Block 0,92 m statt 4,33 m (4,7-mal kürzer) und benötigte 58,7 J statt 247,3 J mechanische Arbeit beider Arme (rund 4,2-mal weniger). Beide Bedingungen erreichten in allen Versuchen alle vier Ziele. Die übertragene Menschenbewegung fuhr den Greifpunkt achtmal pro Versuch an, die robotereigene dreimal; daher stammt der Großteil des Mehrwegs. Die ausgeführten Endeffektorbahnen wichen 1,2 bis 2,8 cm von den befohlenen ab. Weil die Geschwindigkeit begrenzt war und Weglänge und Arbeit nicht vom Timing abhängen, führen die Autoren den Unterschied nicht auf schnellere Bewegung zurück.

Ein Preprint und eine erste Studie: ein Demonstrator, eine vereinfachte Greif- und Stapelfolge, Labor statt Baustelle, nur Oberkörperbewegung und drei Versuche je Bedingung, zu wenig für statistische Tests, wie die Autoren selbst schreiben. Die robotereigene Bewegung wurde für bekannte Ziele per inverser Kinematik geplant; zu Wahrnehmung, Balance unter Last oder Arbeiten, bei denen die Technik des Menschen zählt, sagt sie nichts. Die Vergleichsbasis ist eine einfache Retargeting-Pipeline, keine trainierte Ganzkörper-Policy.