LONDON (IT BOLTWISE) – Am MIT wurde VLASH vorgestellt, ein Verfahren zur extrem schnellen Aktionsauswahl in Robotern. Die Methode plant anstehende Schritte bereits während der aktuellen Bewegung und senkt so die Latenz zwischen Wahrnehmung und Reaktion um den Faktor 30. Zusätzlich beschleunigt Action Quantization Aufgaben wie Pick-and-Place, während Daten-Augmentierung die Trainingszeit laut den Forschern um den Faktor 5 reduziert. Erstmals zeigte das System auch in dynamischen Umgebungen wie Tischtennis- und Whack-a-Mole-ähnlichen Tests stabile Ergebnisse.
Roboter, die zuverlässig und schnell handeln sollen, scheitern in der Praxis oft weniger an Sensoren als an der Verzögerung zwischen dem Erfassen einer Situation und der Umsetzung im Bewegungsablauf. Genau dieses Zeitfenster adressieren Forschende am Massachusetts Institute of Technology (MIT) mit dem Ansatz VLASH (Very Low-latency Action Selection Heuristic). VLASH wurde Ende Juli 2026 im Rahmen der Intelligent Robots and Systems Conference präsentiert und zielt darauf ab, den typischen „Stop-and-Go“-Effekt herkömmlicher Steuerungen zu vermeiden, bei denen Rechenphasen kurzzeitig den Bewegungsfluss unterbrechen.
Im Kern trennt VLASH die Aktionsauswahl nicht strikt von der laufenden Bewegung, sondern koppelt sie eng an den vorhergesagten Zustand des Roboters. Statt den nächsten Schritt erst nach Abschluss einer Wahrnehmungs- und Planungsrunde festzulegen, sollen die erforderlichen Entscheidungen bereits während der Bewegung vorbereitet werden. Laut den beteiligten Forschern konnte dadurch die Reaktionsverzögerung um den Faktor 30 reduziert werden. Besonders relevant für Entwickler ist dabei die Aussage, dass diese Beschleunigung keinen zusätzlichen Rechenaufwand erfordert: Die Berechnungen für den folgenden Arbeitsschritt werden nahtlos in den aktuellen Bewegungszyklus integriert, was in Robotik-Umgebungen häufig genau der Engpass ist, an dem Latenz trotz leistungsfähiger Hardware hängen bleibt.
Dass schnelle Reaktionen in der Robotik nicht nur von der Latenz abhängen, zeigen die weiteren Ergebnisse, die im Zusammenhang mit VLASH präsentiert wurden: Neben der „Very Low-latency“-Komponente geht es auch um Action Quantization. Die Idee dahinter ist, statt kontinuierlicher Aktionsräume eine quantisierte bzw. diskretisierte Handlungsstruktur zu verwenden, damit die Ausführung von Aufgaben schneller in eine passende Bewegungs- bzw. Steuerungsfolge überführt werden kann. In praktischen Szenarien, insbesondere bei Pick-and-Place-Prozessen, berichten die Forschenden von einer Verdopplung der Geschwindigkeit. Gleichzeitig nennen sie eine Leistungskennzahl, nach der die Aufgabenausführung insgesamt um das Zwei- bis Dreifache gesteigert werden konnte, bei lediglich einem geringfügigen Verlust an Genauigkeit.
Für die Bewertung ist zudem die Kombination aus Geschwindigkeit und Genauigkeit in konkreten Testreihen entscheidend. In Versuchsabläufen, die Sortieren, Stapeln und Greifen von Objekten umfassten, erreichten die Roboter dem Bericht zufolge eine Genauigkeit von 90 Prozent. Gleichzeitig agierten sie dabei laut den präsentierten Resultaten doppelt so schnell wie mit herkömmlichen Steuerungsprogrammen. Technisch bedeutet das: Eine KI-gestützte Planung, die auf dem vorhergesagten Zustand aufsetzt, kann nur dann produktionsrelevant sein, wenn sie die typischen Fehlerquellen im Material- und Greifkontext nicht „überkompensiert“. Genau diese Balance versucht VLASH über die Kombination aus schnellem Heuristik-Planning und quantisierter Aktionsauswahl zu treffen.
Ein weiterer Hebel betrifft das Training. In vielen Robotikprojekten ist die Vorbereitungsphase eines Systems der Zeit- und Kostenblocker, weil Daten selten in ausreichender Qualität vorliegen und das Erlernen neuer Bewegungsmuster aufwendig sein kann. Die Forschenden nennen für VLASH eine spezielle Daten-Augmentierung im Trainingsprozess, die die benötigte Trainingszeit um den Faktor 5 senken soll. Das ist mehr als eine reine Effizienzverbesserung, denn kürzere Lernzyklen erleichtern die Anpassung an neue Greifobjekte, Geometrien oder Layouts in Logistik- und Montageumgebungen. Außerdem wurde VLASH nicht nur in klassischen Industrieaufgaben getestet, sondern auch in hochdynamischen Szenarien, in denen unvorhersehbare Reize das System zu schnellen Reaktionswechseln zwingen.
In diesem Kontext fielen laut Präsentation Tests auf, die sowohl Tischtennis-ähnliche Anforderungen als auch Whack-a-Mole-ähnliche Geschicklichkeitsszenarien abbilden. Genau solche Umgebungen sind ein Stresstest für die Verzahnung aus Wahrnehmungsupdate, Zustandsvorhersage und nächster Aktionsentscheidung. Wenn ein System erst nach dem Ende einer Rechenrunde reagiert, wird es in der Praxis schnell zu „träge“ – nicht, weil die Modellgüte schlecht ist, sondern weil der gesamte Kontroll-Loop zu lang wird. VLASH versucht daher, die Rückkopplungsschleife zwischen Sensorik und Motorik enger zu ziehen, während zugleich Action Quantization die Umsetzungsseite beschleunigt. Für die Industrie ist das vor allem dann spannend, wenn Roboter in dicht getakteten Prozessen „auf Linie“ laufen müssen: Dort zählt jede Millisekunde, weil sie sich in Taktzeiten und Durchsatz direkt übersetzt.
Die Entwicklung wurde zudem durch eine Allianz aus Forschung und Industrie unterstützt. Zu den genannten Förder- und Partnerstrukturen zählen neben der National Science Foundation (NSF) auch Unternehmen wie Amazon, NVIDIA sowie das gemeinsame MIT-IBM Watson AI Lab. Entscheidend ist dabei weniger das Markenportfolio als die Richtung: Eine Technologie, die Latenz radikal reduziert, kann nur dann breite Wirkung entfalten, wenn sie sich in reale Software- und Hardware-Setups integrieren lässt. Wenn VLASH zusammen mit beschleunigten Trainingsverfahren tatsächlich die Integration von Robotern in anspruchsvollere Arbeitsumgebungen erleichtert, verschiebt sich der Fokus vieler Teams von „Modellqualität allein“ hin zu ganzheitlichem Loop-Design – also zu der Frage, wie schnell ein System vom Update der Situation bis zur nächsten motorischen Aktion kommt und wie robust es dabei die Genauigkeit hält.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "VLASH am MIT: KI plant Roboterschritte während der Bewegung" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "VLASH am MIT: KI plant Roboterschritte während der Bewegung" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »VLASH am MIT: KI plant Roboterschritte während der Bewegung« bei Google Deutschland suchen, bei Bing oder Google News!