LONDON (IT BOLTWISE) – Alibaba stellt mit „Lambda-0“ ein Foundation-Modell für humanoide Robotik vor, das Bewegungen aus menschlichen Demonstrationen ableitet. Das Training stützt sich auf Ego-Perspektiven-Videos, die zeitgleich zu Körper- und Handbewegungen erfasst werden. Laut Projektangaben erreicht das System in einer Simulation rund 90,0 Prozent Erfolg, ohne bestimmte Trainingsstufen sinkt die Quote jedoch deutlich. In Tests mit einem realen Unitree G1 kommt Lambda-0 auf 62,5 Prozent Erfolgsrate bei sieben Ganzkörper- und Langhorizont-Aufgaben.
Humanoide Roboter rücken in greifbare Reichweite, weil das Lernen von komplexen Bewegungsfolgen zunehmend nicht mehr über manuell definierte Regelwerke, sondern über spezialisierte Foundation-Modelle skaliert wird. Genau in diese Richtung zielt das neue System „Lambda-0“, das Alibaba Amap gemeinsam mit Alibaba Token Hub beschreibt. Der Kernansatz: Ein Roboter soll koordinierte Ganzkörperbewegungen sowie beidhändige Manipulation direkt aus menschlichen Demonstrationen übernehmen, statt jede Aufgabe neu einzustudieren. Damit verschiebt sich der Schwerpunkt in der Praxis von der reinen Steuerung hin zur daten- und modellgetriebenen Verhaltensgenerierung.
Für das Training setzen die Entwickler auf Ego-Perspektiven-Videos, die synchron zu den tatsächlichen Körper- und Handbewegungen menschlicher Akteure aufgenommen werden. Entscheidend ist dabei die Qualität der zeitlichen Kopplung: Nur wenn Bilddaten und Bewegungsdaten sauber ausgerichtet sind, kann das Modell Muster zwischen dem „Sehen“ aus der Perspektive und den darauf folgenden Bewegungsaktionen lernen. Als Datengrundlage dient der eigens erstellte Datensatz „HumanVerse-500“, der nach Angaben von Alibaba Amap 500 Stunden menschlicher Ganzkörperschritte in realen Umgebungen umfasst. Insgesamt nennt das Projekt 32.993 Episoden, 87,0 Millionen Frames und 827 Aufgabentypen. Für die Erfassung werden laut Beschreibung 24 Körpergelenke über ein PICO-System sowie 21 Gelenke pro Hand getrackt.
Beim Blick auf die Produktionslogik solcher Trainingsdaten wird schnell klar, warum die Effizienz des Datenerhebungsprozesses in der Robotik so wichtig ist: Viele Teams kämpfen nicht nur mit Modellqualität, sondern auch mit dem Aufwand pro Demonstration. Alibaba Amap stellt dafür eine deutlich effizientere Vorgehensweise in Aussicht als traditionelle Teleoperation. In den Projektangaben soll der Prozess etwa 3,4-mal effizienter sein: Eine menschliche Demonstration benötigt im Schnitt 29 Sekunden, während für eine Steuerung per Roboter-Teleoperation etwa 100 Sekunden veranschlagt werden müssten. Diese Differenz ist technisch relevant, weil sie unmittelbar beeinflusst, wie schnell man neue Bewegungsvarianten in den Datenbestand integrieren kann – und damit, wie gut ein Modell später in unbekannten Situationen generalisiert.
Technisch beruht Lambda-0 als Basismodell auf „Qwen3.5-2B“. Der Lernprozess wird in drei Stufen organisiert: Zuerst wird die Handinteraktion trainiert, anschließend die Ganzkörperkoordination und schließlich eine finale Anpassung an die konkrete Morphologie humanoider Roboter. Diese Staffelung ist mehr als eine Lernreihenfolge; sie spiegelt eine praktische Modellierung von Teilfähigkeiten wider. Handfertigkeit und Körperkoordination sind zwar eng gekoppelt, lassen sich aber in der Optimierung getrennt strukturieren, um Trainingsstabilität zu erhöhen. In den Projekttests erfolgt die erste Leistungsbewertung in einer virtuellen Umgebung namens „SIMPLE-Simulation“: Bei 180 Versuchen nennt Alibaba Amap eine Erfolgsrate von rund 90,0 Prozent.
Spannend wird es bei der Frage nach dem Beitrag einzelner Trainingsstufen. Wenn die auf HumanVerse-500 basierende Stufe im Training ausgelassen wird, sinkt die Erfolgsquote in den Simulationen auf 22,5 Prozent. Ohne Vortraining liegt die Erfolgsrate sogar bei 15,0 Prozent. Solche Abweichungen liefern einen klaren Hinweis darauf, dass das Modell nicht nur „irgendwie“ Bewegungen imitiert, sondern die Datenrepräsentation aus HumanVerse-500 stark zur Generalisierung nutzt. Für die reale Übertragbarkeit zeigt das Projekt zudem Ergebnisse mit einem Unitree G1: Das System wird auf sieben Ganzkörper- und Langhorizont-Aufgaben getestet. Ohne zusätzliches aufgabenspezifisches Training erreicht Lambda-0 dabei 62,5 Prozent Erfolgsrate, was in der Beschreibung 25 erfolgreichen Durchläufen bei 40 Versuchen entspricht. Laut Alibaba Amap liegt dieser Wert um 22,5 Prozentpunkte über dem des stärksten Vergleichsmodells.
Über die reine Modellbeschreibung hinaus ordnet sich das Projekt auch durch seine Offenlegung in den Forschungs- und Entwicklungsbetrieb ein. Nach Angaben von Alibaba Amap wurde der Programmcode unter der Open-Source-Lizenz Apache 2.0 auf GitHub veröffentlicht. Außerdem nennt das Projekt die Bereitstellung der Hardware-Konfiguration für die Datenerfassung, Beispieldaten sowie eines Zwischenmodells auf der Plattform Hugging Face. Die vollständig veröffentlichten HumanVerse-Videodaten und die komplette Trainingspipeline sind hingegen nicht zugänglich. Die publizierten Kennzahlen und Resultate stammen laut Darstellung aus einer Forschungsarbeit des Entwicklerteams auf dem Preprint-Server arXiv; eine unabhängige wissenschaftliche Prüfung oder externe Reproduktion der Messwerte liegt bislang noch nicht vor. Für Unternehmen und Entwickler heißt das: Die Ergebnisse sind technisch plausibel und zahlenbasiert, aber für produktionsreife Entscheidungen bleibt bis zur Reproduktion noch die Phase des eigenen Proof-of-Concept.
Marktseitig zeigt das Setup vor allem, wie schnell sich Robotik-Stacks in Richtung „Modell zuerst“ bewegen: Wenn ein Modell sowohl Ganzkörperkoordination als auch beidhändige Manipulation aus Demo-Daten abdeckt, reduziert das den Bedarf an task-spezifischen Steuerungslogiken. Gleichzeitig macht die starke Abhängigkeit von Vortraining deutlich, dass der größte Hebel in der Praxis oft bei der Datenstrategie liegt: Wie lassen sich neue Umgebungen, Objektvarianten und Körperhaltungen kostengünstig in den Datensatz integrieren? Genau hier könnte der von Alibaba Amap genannte Effizienzvorteil bei der Datenerhebung ein Wettbewerbsvorteil sein, weil er Trainingszyklen verkürzt. Für die nächsten Monate dürften vor allem zwei Fragen entscheidend werden: Wie stabil ist die Performance über unterschiedliche Roboter-Designs hinweg, und wie gut lassen sich neue Aufgaben hinzufügen, ohne erneut bei Null anzufangen.
🔥 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 "Alibaba Lambda-0: Humanoider Roboter lernt aus Videos und erreicht 62,5%" 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 "Alibaba Lambda-0: Humanoider Roboter lernt aus Videos und erreicht 62,5%" 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: »Alibaba Lambda-0: Humanoider Roboter lernt aus Videos und erreicht 62,5%« bei Google Deutschland suchen, bei Bing oder Google News!