MEKAWIRE
Nachrichten

Wire

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

18 Meldungen
AlleEilmeldungAnalyseFinanzierungM&AForschungProduktPolitikWeltweitUSCNKRSG
vor 5 Tagen
Forschung—Einzelquelle

AWS veröffentlicht quelloffene Physical-AI-Toolchain rund um NVIDIA Isaac, GR00T und Cosmos

Amazon Web Services stellte am 7. Oktober in einem Blogbeitrag die Physical AI Toolchain on AWS vor, eine öffentliche Sammlung von Referenzarchitekturen, Infrastructure-as-Code-Vorlagen und Automatisierung für Industrieroboter, autonome Fahrzeuge und Humanoide. Amazon beschrieb sie am 8. Oktober zusätzlich in einer Unternehmensmeldung. Die Kette reicht von synthetischen Daten über Training, Simulation und Validierung bis zum Edge-Einsatz und verbindet SageMaker, EC2-GPU-Instanzen, S3 und IoT Greengrass mit NVIDIA Isaac Sim, Isaac Lab, Isaac GR00T, Cosmos und OSMO. Der Code liegt unter Apache-2.0-Lizenz im GitHub-Bereich aws-samples und lässt sich ganz oder in Teilen nutzen. Für MEKAWIRE ist es binnen zwei Wochen der zweite offene Physical-AI-Baukasten mit NVIDIA-Bezug, nach NVIDIAs offener Sicherheitsplattform für KI-Agenten vom 28. September.

1 QuelleSynthetische Datengenerierung
vor 5 Tagen
ForschungCH

ETH Zürich macht aus einer handelsüblichen Roboterhand einen Roboter, der auf den Fingerspitzen läuft

Forschende des Soft Robotics Lab der ETH Zürich beschreiben in einem arXiv-Preprint (2609.17172) eine handelsübliche Roboterhand von Wuji Technology mit einem 80 Gramm schweren Rucksack aus Akku, IMU und Raspberry Pi Zero, die ohne Arm auf den Fingerspitzen krabbelt, berichtete IEEE Spectrum am 8. Oktober. Die Steuerung wurde per Reinforcement Learning in der Simulation trainiert, virtuelle Federn halten die Krabbelhaltung. Die Hand lief auf 14 Untergründen mit etwa 9 Zentimetern pro Sekunde, drehte in beide Richtungen, richtete sich in 21 von 25 Versuchen selbst auf und schob einen 41-Gramm-Würfel in 15 Versuchen hintereinander bis zu 40 Zentimeter weit ins Ziel. Erstautor ist der Doktorand Amirhossein Kazemipour. Die Arbeit ist ein Preprint ohne Peer Review.

1 Quelle
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
vor 13 Tagen
Forschung—Einzelquelle

Innodata eröffnet Motion-Capture-Labor für Trainingsdaten humanoider Roboter

Der Datendienstleister Innodata hat in New Jersey ein Motion-Capture-Labor eröffnet, das reale Bewegungsdaten für das Training humanoider Roboter und anderer Physical-AI-Systeme erfassen soll, berichtet The Robot Report. Infrarotkameras von Vicon zeichnen dort die dreidimensionale Bewegung von Menschen und Robotern mit Genauigkeit im Submillimeterbereich und Latenzen im Millisekundenbereich auf. Innodata will fertige Datenpakete und Auftragsaufnahmen anbieten, Daten auf unterschiedliche Roboterplattformen übertragen und Roboter unabhängig auf Leistung und Sicherheit prüfen, teilte das Unternehmen mit.

1 Quelle
20. Aug. 2026
ForschungCN

Fußball-Humanoide aus Tsinghua schafft es auf das Titelblatt von Science Robotics, trainiert nur in der Simulation

Ein Team der Tsinghua-Universität hat mit ByteDance Seed und der China Agricultural University am 19. August 2026 in Science Robotics einen Reinforcement-Learning-Regler veröffentlicht, der die Kamera eines Humanoiden direkt mit seinen Beinen verknüpft. Auf dem T1 von Booster Robotics berichten die Autoren 46 Prozent weniger Fehler bei der Ballposition, bis zu 64 Prozent schnellere Schüsse und rund 90 Prozent Trefferquote aus vorderen Positionen, ohne Nachtraining in der Realität.

4 QuellenBooster RoboticsUnitree RoboticsNVIDIARLSim-to-Real-Transfer
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
17. Juli 2026
ForschungKR

RSS-Spitzenpapier FlashSAC mit TU Darmstadt und DFKI: Humanoiden lernen das Laufen auf einer GPU in 20 Minuten

Das Reinforcement-Learning-Verfahren FlashSAC, entwickelt unter anderem von Holiday Robotics, KAIST, KRAFTON, der TU Darmstadt, hessian.AI, dem DFKI und der KTH, hat auf der Robotics: Science and Systems 2026 in Sydney den Outstanding Paper Award gewonnen. Die Autoren berichten, dass ein Laufregler für den Unitree G1 auf einer einzigen RTX 5090 in etwa 20 Minuten trainiert war, gegenüber etwa drei Stunden mit dem Standardverfahren PPO.

5 QuellenUnitree RoboticsNVIDIARLSim-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
18. Mai 2026
ForschungKR

Korea startet Humanoid-Programm über 50,4 Milliarden Won mit KIST und drei LG-Töchtern, inklusive Festkörperbatterie

Koreas Wissenschaftsministerium hat am 18. Mai ein fünfjähriges Programm über 50,4 Milliarden Won für eine nationale KI-Humanoid-Plattform gestartet. Unter Führung des KIST arbeiten LG Electronics, LG AI Research und LG Energy Solution an einem Modell, das Sehen, Tasten, Sprache und Handlung verbindet, an einer Festkörperbatterie und an einem Feldtest mit mindestens 20 Robotern in der Pflege.

2 QuellenLG ElectronicsVLARobotik-Basismodelle
23. Apr. 2026
ForschungJP

Sonys Tischtennisroboter Ace schlägt Spitzenspieler nach offiziellen Regeln, gegen Profis verliert er noch

Der autonome Tischtennisroboter Ace von Sony AI hat in Partien vom April 2025 drei von fünf Matches gegen Spitzenspieler gewonnen und beide Matches gegen Profis der japanischen T.League verloren. Das geht aus einem am 22. April 2026 in Nature veröffentlichten Paper hervor. Das System kombiniert ereignisbasierte Bildsensoren von Sony, die gemeinsam mit dem französischen Unternehmen Prophesee entwickelt wurden, mit einem Arm mit acht Freiheitsgraden und in der Simulation trainiertem Reinforcement Learning.

2 QuellenSonyFANUCYaskawa ElectricRLSim-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
26. Sept. 2025
ForschungGB

Google DeepMind lässt Roboter mit Gemini Robotics 1.5 vor dem Handeln nachdenken und öffnet das Planungsmodell für Entwickler

Google DeepMind hat am 25. September 2025 Gemini Robotics 1.5 vorgestellt, ein Vision-Language-Action-Modell, das vor jeder Bewegung in natürlicher Sprache plant und Fähigkeiten zwischen unterschiedlichen Roboterkörpern überträgt. Das begleitende Reasoning-Modell Gemini Robotics-ER 1.5 steht Entwicklern als Vorschau über die Gemini API offen. Laut technischem Bericht sank die Gesamtfehlerquote bei langen Aufgaben auf 22 Prozent, gegenüber 44,5 Prozent mit Gemini 2.5 Flash als Planer.

4 QuellenGoogle DeepMindGoogleApptronikVLARobotik-Basismodelle
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