SAN DIEGO / LONDON (IT BOLTWISE) – Die Startup Psyonic will Prothesen mit „bionischen“ Sensoren weltweit ausrollen und dabei auch für Datennutzung bezahlen. Die Hände erfassen pro Greifbewegung Kräfte, Drehmomente und Fingerpositionen und lassen sich mit Videodaten einer Wearable-Kamera synchronisieren. Aus diesen Erfahrungen sollen KI-Modelle für Robotergreifer entstehen, die sowohl sehen als auch „fühlen“, wie ein Gegenstand korrekt gegriffen und gefaltet wird. Zusätzlich soll das Modell die Kosten der Prothesen senken und Betroffenen eine Einkommensquelle eröffnen.
Humanoide Robotik scheitert in der Praxis selten an Vision allein, sondern daran, dass eine Hand mit mechanischen Sinnen ausgestattet sein muss. Genau hier setzt das Startup Psyonic an: Das 2015 gegründete Unternehmen baut bionische Prothesen für Menschen und versucht, diese Erfahrung gezielt als Trainingsmaterial für Robotikhände nutzbar zu machen. Laut dem CEO Aadeel Akhtar klopften Entwickler in den letzten Jahren verstärkt bei ihm an, weil die reale Handhabung bislang schwer genug zu modellieren ist – und erst recht schwer genug, um daraus robuste Handgriffe für wechselnde Aufgaben abzuleiten.
Der neue Ansatz ist dabei ungewöhnlich konkret. Psyonic plant, „tausende“ bionische Hände global einzusetzen; als Zielmärkte nennt das Unternehmen Pakistan und Indien. Nutzerinnen und Nutzer sollen ihre üblichen Alltagsaufgaben erledigen, während die Hände die Bewegungs- und Kraftsignale der Greifbewegungen protokollieren. Danach fließt jedes einzelne Greifen in die KI-Entwicklung ein: Ein Modell soll nicht nur lernen, wie eine Aufgabe aussieht, sondern auch, wie sie sich anfühlt. Technisch bedeutet das, dass pro Griff Kräfte, Drehmomente und Fingerpositionen aufgezeichnet werden und sich auf Video aus einer tragbaren Kamera mappen lassen.
Das „Gefühl“ entsteht dabei nicht durch Magie, sondern durch die Messkette. Psyonic beschreibt, dass die Prothesenlogik die relevanten mechanischen Parameter jeder Bewegung erfasst und anschließend mit Videodaten aus einer Wearable-Kamera synchronisiert werden kann. Für ein Robotiksystem ist diese Kopplung wertvoll, weil sie visuelle Beobachtung (Was wird getan?) mit taktil/kinematischen Informationen (Welche Kräfte wirken dabei? Wie bewegen sich die Finger?) verbindet. So kann die Trainingsphase aus Beispielen bestehen, die eine Robotik-Policy später in Handlungen übersetzt: vom präzisen Greifen bis zum kontrollierten Heben und Falten. Solche Datensätze sind bislang ein Engpass, weshalb Akhtar das Problem ausdrücklich als „Datenproblem“ bei Händen rahmt.
In den breiteren Industrie-Realitäten passt das Vorhaben in eine Welle von Datensammlungsstrategien, die über klassische Laborversuche hinausgehen. Einige Anbieter setzen offenbar auf Anreize im Alltag – etwa indem Tätigkeiten zu Hause gefilmt werden, weil dadurch zusätzliche Trainingsclips entstehen. Andere rüsten Produktionsumgebungen nach dem Muster „Mensch im Werk“ aus, zum Beispiel durch Kameras, die am Kopf von Beschäftigten befestigt werden. Psyonics Dreh ist jedoch, dass die Daten nicht nur die Außenansicht der Bewegung liefern, sondern eine Messspur der Dynamik, also der Kräfte und Fingerstellungen. Gleichzeitig ist der Plan, nicht die Rohdaten selbst, sondern die daraus entstehenden Modelle zu verkaufen: Laut Akhtar sollen Robotikfirmen die Resultate beziehen, statt eine Datenpipeline von außen aufzusetzen.
Bemerkenswert ist auch der wirtschaftliche Unterbau. Akhtar möchte die Kosten der Prothesen durch den datenbasierten Ansatz subventionieren und sieht zudem einen zweiten Nutzen: Menschen, die aufgrund fehlender Gliedmaßen arbeitslos sind, sollen eine Einkommensquelle erhalten. Weltweit gibt es nach seiner Darstellung Millionen von Amputationen im Bereich der oberen Extremitäten, überwiegend in Ländern mit begrenzten medizinischen Ressourcen. Damit verschiebt das Startup die übliche Logik „Wer bezahlt Forschung?“ hin zu einer Art „Human-in-the-Loop“-Modell, bei dem Betroffene als unmittelbare Datengenerierer auftreten – nicht nur als passive Empfänger von Technologie.
Die Umsetzung soll dabei nicht auf einem reinen Prototyp stehen bleiben. Psyonic arbeitet dafür mit Koalaa zusammen, einem London-basierten Unternehmen, das die Ausroll-Strategie unterstützen soll. Im Kern geht es um die Frage, wie die Sensorik ohne medizinisch aufwendige Vorkonfiguration in den Alltag kommt. Anstatt eines individuell angepassten, custom-molded Socket-Systems, das mehrere Klinikertermine erfordert, setzt das Projekt auf einen weichen Textilsleeve als Alternative. Für Skalierung ist das entscheidend: Je weniger Hürden die Erstmontage hat, desto schneller kann eine größere Zahl an Trägern Bewegungsdaten liefern – und desto eher entsteht ein Datensatz, der Variabilität in Greifkräften, Handhaltungen und Alltagsobjekten abbildet.
Für Robotik-Teams in Forschung und Produktentwicklung kann das mehrere Konsequenzen haben. Erstens steigt die Chance, dass Handmanipulationen robuster werden, weil Modelle im Training nicht nur „sehen“, sondern mechanische Rückmeldungen im Zusammenhang mit bestimmten Handformen erlernen. Zweitens kann sich der Fokus der Entwickler weg von teuren Spezialaufbauten hin zu skalierbaren Trainingspipelines verschieben – insbesondere dann, wenn sich die erstellten Modelle später als wiederverwendbare Komponenten in bestehenden Robotik-Stacks integrieren lassen. Drittens erhöht die geplante regionale Streuung (Pakistan und Indien) die Wahrscheinlichkeit, dass das Modell unterschiedliche Alltagsgegenstände und Bewegungsgewohnheiten abdeckt, was die Übertragbarkeit in neue Domänen verbessern kann.
Ob die Vision am Ende aufgeht, hängt an der Datenqualität und am Daten-zu-Modell-Workflow. Entscheidend ist, wie gut die Synchronisation zwischen Griffmessungen und Videodaten funktioniert, wie konsistent die gelabelten Bewegungen kategorisiert werden, und wie stark das Modell über die reale Welt verallgemeinert. Auch die Frage nach dem Datenschutz und der Einwilligungslogik für videobasierte Daten wird in solchen Programmen in der Praxis immer relevanter, sobald aus Forschung ein Service für Dritte wird. Trotzdem zeigt das Konzept von Psyonic, dass „Roboterhände, die wirklich funktionieren“, nicht nur ein Hardwareproblem sind: Es ist ebenso ein Problem der Datensammlung, der Skalierung und der Verbindung von Mechanik mit maschinellem Lernen.
💳 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 "Psyonic zahlt Prothesenträger für Daten: Roboterhände lernen das Greifen" 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 "Psyonic zahlt Prothesenträger für Daten: Roboterhände lernen das Greifen" 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: »Psyonic zahlt Prothesenträger für Daten: Roboterhände lernen das Greifen« bei Google Deutschland suchen, bei Bing oder Google News!