MEKAWIRE
Nachrichten

Wire

Jede Finanzierungsrunde, jeder Produktstart, jede Studie, sobald darüber berichtet wird.

10 Meldungen
AlleEilmeldungAnalyseFinanzierungM&AForschungProduktPolitikWeltweitUSCNKRSG
vor 13 Tagen
ForschungUS

Anthropic-Studie: Roboter könnten 74 Prozent der körperlichen Arbeit in den USA erledigen, rechnen sich aber nur bei 0,3 Prozent

Ökonomen von Anthropic haben rund 19.000 Tätigkeiten aus der US-Datenbank O*NET bewertet. Roboter können demnach technisch 74 Prozent der körperlichen Aufgaben ausführen, sind aber nur bei 0,3 Prozent aller Aufgaben günstiger als ein Mensch. Bei dem historischen Preisverfall von etwa 3 Prozent pro Jahr würde es 40 Jahre dauern, bis dieser Anteil 10 Prozent erreicht.

2 QuellenAnthropicFigure AISkild AIFeinmanipulationRobotik-Basismodelle
20. Aug. 2026
ForschungUS

Generalists GEN-1.5 lernt Roboteraufgaben aus einer Vorführung von 3 bis 12 Sekunden und schafft 59 Prozent ohne Feinabstimmung

Generalist AI hat am 19. August 2026 GEN-1.5 vorgestellt, das nach eigenen Angaben eine neue Aufgabe aus einer einzigen Vorführung von 3 bis 12 Sekunden im Kontext lernt und über 10 Aufgaben im Mittel 59 Prozent erreicht, nach 10 Gradientenschritten auf rund 5 Minuten Daten 83 Prozent. Das Unternehmen sieht die Fähigkeit aus mehr als acht Monaten Vortraining entstanden, räumt aber einfache Aufgaben und spröde Fähigkeiten ein und nennt keine Kunden.

1 QuelleGeneralist AISkild AIPhysical IntelligenceRobotik-BasismodelleImitationslernen
17. Juli 2026
ForschungUS

Kraftgefühl ohne Sensor: MIT-Modell NeuralActuator gewinnt Systempreis der RSS 2026

NeuralActuator, entwickelt von der Computational Design and Fabrication Group des MIT gemeinsam mit Amazon, hat auf der RSS 2026 den Outstanding Systems Paper Award erhalten. Das Modell lernt aus Motorstrom, Spannung und Temperatur das tatsächliche Verhalten günstiger Servos und schätzt äußere Kräfte mit einem mittleren Fehler von 0,12 Newton, gegenüber 0,66 bis 1,41 Newton bei klassischen Verfahren.

4 QuellenElektrische AktorenSim-to-Real-Transfer
5. Juni 2026
ForschungUS

Amazon-Forscher gewinnen mit OmniRetarget den Hauptpreis der ICRA 2026, Stuttgart holt den Studentenpreis

OmniRetarget, ein Verfahren des Amazon-Teams Frontier AI & Robotics und mehrerer US-Universitäten, hat auf der IEEE ICRA 2026 in Wien sowohl den Best Conference Paper Award als auch den Preis für Manipulation und Fortbewegung gewonnen. Die Methode bewahrt Kontakte zwischen Körper, Objekten und Gelände und erzeugte mehr als 8 Stunden Trainingsbahnen, mit denen ein Unitree G1 ohne Nachtraining am realen Roboter Parkour lief.

7 QuellenAmazonUnitree RoboticsBoston DynamicsRLSim-to-Real-Transfer
16. Apr. 2026
ForschungUS

Toyota Research Institute belegt in Science Robotics per Blindtest, dass Multitask-Robotermodelle neue Aufgaben mit einem Bruchteil der Daten lernen

Ein Team aus 82 Forschenden des Toyota Research Institute, der Cornell University und des MIT berichtet in Science Robotics vom 15. April 2026, dass multitaskfähige Large Behavior Models auf Basis von Diffusion Policy in verblindeten, randomisierten Versuchen besser und robuster abschneiden als Einzelaufgabenmodelle und deutlich weniger aufgabenspezifische Daten brauchen. Die Vorabfassung nennt rund 1700 Stunden Demonstrationsdaten aus mehr als 500 Aufgaben und 1800 kontrollierte Versuche am realen Roboter.

3 QuellenToyota Research InstituteBoston DynamicsPhysical IntelligenceImitationslernenRobotik-Basismodelle
3. Apr. 2026
ForschungUS

Generalist meldet für GEN-1 eine Erfolgsquote von 99 Prozent nach rund einer Stunde Roboterdaten je Aufgabe, vortrainiert ganz ohne Roboterdaten

Generalist AI hat am 2. April 2026 das Robotermodell GEN-1 vorgestellt, vortrainiert mit mehr als 500.000 Stunden menschlicher Interaktionsdaten aus tragbaren Geräten und ohne Roboterdaten. Das Unternehmen meldet 99 Prozent durchschnittliche Erfolgsquote bei Aufgaben, bei denen das Vorgängermodell 64 Prozent erreichte, rund eine Stunde Roboterdaten pro Aufgabe und etwa dreifache Geschwindigkeit gegenüber dem bisherigen Stand der Technik. Die Ergebnisse sind Eigenangaben und nicht unabhängig überprüft.

4 QuellenGeneralist AIPhysical IntelligenceSkild AIRobotik-BasismodelleImitationslernen
28. Jan. 2026
ForschungUS

Figure übergibt mit Helix 02 den ganzen Körper eines Humanoiden an ein neuronales Netz und streicht 109.504 Zeilen Steuerungscode

Figure AI hat am 27. Januar 2026 Helix 02 vorgestellt, ein Robotik-Basismodell, das einen Humanoiden vom Kamerabild und Fingerspitzen-Tastsinn bis zum Gelenkbefehl mit 1 kHz steuert. Ein gelernter Regler mit 10 Millionen Parametern ersetzt nach Unternehmensangaben 109.504 Zeilen handgeschriebenen C++-Code. Ein Figure 03 räumte in vier Minuten und 61 Handgriffen eine Spülmaschine aus und wieder ein, ohne Neustart und ohne Fernsteuerung, wie Figure mitteilte.

6 QuellenFigure AIPhysical IntelligenceNVIDIARobotik-BasismodelleVLA
5. Nov. 2025
ForschungUS

Generalist AI stellt GEN-0 vor und beansprucht mit 270.000 Stunden Praxisdaten die ersten Skalierungsgesetze der Robotik

Das US-Start-up Generalist AI hat am 4. November 2025 GEN-0 vorgestellt, eine Familie verkörperter Basismodelle, deren Leistung nach Unternehmensangaben vorhersagbar mit mehr physischen Interaktionsdaten steigt. Generalist berichtet von einer Kapazitätsschwelle bei 7 Milliarden Parametern, Modellen mit über 10 Milliarden Parametern und einem Datensatz von mehr als 270.000 Stunden. Die Ergebnisse erschienen als Blogbeitrag, nicht als begutachtete Studie.

3 QuellenGeneralist AIPhysical IntelligenceNVIDIARobotik-BasismodelleFeinmanipulation
21. Aug. 2025
ForschungUS

Boston Dynamics und Toyota-Forscher steuern Hände und Füße von Atlas mit einem einzigen Verhaltensmodell

Boston Dynamics und TRI zeigen den Humanoiden Atlas bei einer langen Werkstattaufgabe, gesteuert von einem einzigen Large Behavior Model für Gehen und Greifen. Das Modell mit 450 Millionen Parametern läuft mit 30 Hertz und lernt neue Abläufe aus VR-Teleoperation statt aus neuem Code. Erfolgsquoten und Datenmengen wurden nicht genannt.

4 QuellenBoston DynamicsToyota Research InstituteToyota Motor CorporationRobotik-BasismodelleImitationslernen
23. Apr. 2025
ForschungUS

Physical Intelligence lässt mit π0.5 Roboter in fremden Wohnungen Küchen und Schlafzimmer aufräumen, 97,6 Prozent der Trainingsdaten stammen aus anderen Quellen

Das kalifornische Start-up Physical Intelligence hat am 22. April 2025 das Vision-Language-Action-Modell π0.5 vorgestellt. Mobile Zweiarmroboter räumten damit in drei Wohnungen, die nicht im Trainingsdatensatz vorkamen, Zimmer in 10 bis 15 Minuten auf. Das Unternehmen führt die Generalisierung auf gemeinsames Training mit Daten anderer Roboter, aus dem Web und aus gesprochenen Anleitungen zurück.

3 QuellenPhysical IntelligenceGoogleFigure AIVLARobotik-Basismodelle