BERLIN / LONDON (IT BOLTWISE) – NVIDIA bringt mit RoboLab-120 eine herstellerunabhängige Simulations- und Benchmarkplattform für Greifaufgaben an den Start, die Bewegungsgüte und Tempo bewertet. Xiaomi zieht nach und zeigt zwei KI-Modelle: ein 38-Milliarden-Parameter-Modell mit Top-Werten auf WorldArena sowie ein Basis-Modell, das auf 100.000 Stunden realer Betriebsdaten trainiert wurde. In der Fertigung melden beide Seiten zuletzt drastische Verbesserungen bis hin zu 98 % Erfolgsquote – ein Wert, der humanoide Systeme näher an menschliche Leistung rückt. Parallel treiben andere Teams Trainingsdaten-Revolutionen voran, während Automobilkonzerne die Logistik-Integration testen.
Die humanoide Robotik schaltet aktuell sichtbar in einen neuen Entwicklungsmodus: Nicht nur einzelne Demonstratoren verbessern sich, sondern auch die Messlatte selbst. NVIDIA hat mit RoboLab eine Simulationsplattform vorgestellt, die Robotik-Entwicklern einen vergleichbaren Testrahmen über unterschiedliche Hardware hinweg geben soll. Xiaomi setzt zeitlich nah nach und veröffentlicht KI-Modelle, die auf öffentlich zugänglichen Benchmarks antreten. Das Ergebnis ist weniger Marketing als Infrastruktur: Wenn Simulation, Daten und Kennzahlen zusammenpassen, lassen sich Trainingsläufe schneller iterieren – und Fertigungsprozesse werden eher replizierbar als „handverlesen“.
Technisch ist RoboLab-120 als Benchmark-Design besonders interessant, weil es nicht bei binären Erfolgskriterien bleibt. Der Ansatz bewertet 120 Greifaufgaben am Tisch nicht nur anhand des Outcomes, sondern auch anhand der Qualität der Bewegungsabläufe und der Ausführungsgeschwindigkeit. Genau diese Zwischenwerte sind für den Transfer in die Industrie entscheidend: In der Praxis zählt nicht nur „greift oder greift nicht“, sondern ob die Bahnplanung ruhig, robust gegen kleine Störungen und prozessstabil genug ist, um Taktzeiten einzuhalten. Außerdem wirkt die herstellerunabhängige Ausrichtung wie eine Abstraktionsschicht zwischen KI-Policy und konkreter Robotik-Hardware.
Auf der Modellseite liefern die Xiaomi-Angaben ein gutes Beispiel dafür, wie stark sich Daten- und Parameter-Strategien inzwischen unterscheiden. Das Modell U0 wird mit 38 Milliarden Parametern beschrieben und erreicht laut den gemeldeten Resultaten die höchste Punktzahl unter 126 getesteten Modellen auf der WorldArena-Plattform. Daneben wird ein Basis-Modell hervorgehoben, das auf 100.000 Stunden realer Betriebsdaten trainiert worden sein soll und auf dem RoboCasa365-Benchmark Erfolgsraten von 57,4 % erzielt. Für Unternehmen heißt das: Skalierung über Parameter ist nicht der einzige Weg; auch die Qualität und der Umfang von Realwelt-Daten bleiben ein zentraler Hebel.
In der Fertigungslogik werden die Benchmarks dann besonders greifbar. Xiaomi berichtet für humanoide Roboter am Schraubmuttern-Arbeitsplatz eine Erfolgsquote von 98 %, nur noch ein Prozentpunkt unter dem menschlichen Niveau; im März lag der Wert noch bei 90,2 %. Parallel werden für weitere Tätigkeiten wie das Sortieren von Mittelkonsolen-Seitenverkleidungen und Klappboxen 90 % genannt, und zwar als erste Langzeittests mit flexiblen Werkstücken in einer Autofabrik. Gleichzeitig zeigt der Blick in die Umsetzung, dass Robotik-Integration nicht bei Greifen endet: Sie hängt an Sequenzierung, Sensorik und Logistikpfaden, die in Beständen und Anlagen variieren.
Ein konkretes Wettbewerbsbild entsteht außerdem über Integrationsbeispiele. BMW setzt den Berichten zufolge auf die Zusammenarbeit mit Figure AI: Der Figure 03 arbeitet im Werk Spartanburg in der Just-in-Sequence-Logistik. Der Vorgänger Figure 02 wird mit über 1.250 Stunden Betrieb und dem Platzieren von 90.000 Teilen bei 99-prozentiger Genauigkeit eingeordnet, während der neuere Figure 03 mit Tastsensoren, kabellosem Laden und rund neun Prozent weniger Gewicht argumentiert wird. Marktbeobachter lesen solche Zahlen häufig als Signal: Humanoide Robotik wird dann wirtschaftlich, wenn sie nicht nur Aufgaben erfüllt, sondern auch in bestehende Taktung und Materialflüsse eingebettet werden kann.
Für die nächsten Schritte wird jedoch vor allem der „Trainingsdaten-Schock“ relevant. ForceMind stellt mit dem DW0.5-Modell einen Ansatz in den Raum, der den Bedarf an echten Roboterdaten um 60 % und die Trainingskosten um 40 % reduzieren soll. Die gemeldeten Effekte reichen bis zu einer Steigerung beim Luftballon-Aufblasen von 10 auf 90 % sowie beim Kleideraufhängen von 50 auf 100 %. Solche Sprünge sind technologisch plausibel, wenn die Kombination aus Simulation, aktiver Datenaufbereitung und besserer Generalisierung gelingt. Der Vergleich liegt nahe: Cloud-basierte Trainingsläufe können heute zwar große Rechenbudgets nutzen, aber die eigentlichen Engpässe sind Datenzugang und Wiederverwendbarkeit zwischen Szenarien.
Weitere Projekte zeigen, dass auch „Bewegungslernen“ und Anpassung an reale Plattformen zunehmend zusammenwachsen. Zhi Zai Wu Jie stellt Being-M0.7 vor, trainiert auf über 10.000 Stunden menschlicher Bewegungsdaten und anschließend an den Unitree G1-Roboter angepasst. In Tests soll das Modell bestehende Benchmarks bei Aufgaben wie dem Greifen von Objekten hinter Spiegeln übertroffen haben. Parallel wird die Kommerzialisierung greifbarer, etwa durch Walden Robotics: Das Toyota-Research-Umfeld berichtet von 300 Millionen US-Dollar Seed-Kapital bei einer Bewertung von 1,1 Milliarden US-Dollar; die Roboter sollen seit Februar in Acht-Stunden-Schichten in einem Toyota-Werk in Nordamerika arbeiten. Diese Mischung aus Kapital, Industrieeinsatz und Benchmarking ist für Skalierung oft der entscheidende Dreiklang.
Langfristig verschiebt sich damit der Wettbewerb von „Wer hat die beeindruckendste Demo?“ hin zu „Wer kann schnell replizieren?“ AgiBot wird mit einem G2-Modell adressiert, das über 64 Stunden bei mehr als 64.000 Aufgaben eine Erfolgsrate von 99,99 % erreicht haben soll. Zusätzlich wird auf den Einsatz tausender humanoider Einheiten in China verwiesen, um Realwelt-Daten für die KI-Verbesserung zu sammeln – und dabei die industrielle Basis als Wettbewerbsvorteil zu nutzen. Für europäische Unternehmen bedeutet das: Wer Humanoide plant, sollte nicht nur in Hardware investieren, sondern auch in KI-Infrastruktur für Monitoring, Datenqualität und sichere Deployment-Pipelines. Gerade in Fertigungsumgebungen wird zudem Datenschutz und IT-Sicherheit wichtiger, weil Kamerabilder, Prozessdaten und Sensorströme häufig hochgradig proprietär sind und Zugriffskontrollen erfordern.
Ausblickend ist absehbar, dass Benchmarks wie RoboLab-120 und Plattformen wie WorldArena nicht nur Forschung beschleunigen, sondern Beschaffungsentscheidungen vorbereiten. Sobald Qualitätsmetriken für Bewegungsabläufe sowie Geschwindigkeit reproduzierbar gemessen werden, sinken die Integrationsrisiken bei unterschiedlichen Robotik-Zulieferern. Gleichzeitig dürfte der nächste Innovationsschub dort liegen, wo Daten knapper werden: Effizienteres Training, bessere Domänenanpassung und robuste Policies gegen Werkstückvariation. Für Entwickler entsteht damit eine klare Chance: Wer Modelle so entwickelt, dass sie sowohl in Simulation als auch im Feld verlässlich performen, kann schneller von Pilotprojekten zu Serienrollouts gelangen. Entscheidend wird sein, ob die Sicherheits- und Governance-Schicht bereits mitliefert, damit KI-Systeme in kritischen Produktionsumgebungen verantwortbar betrieben werden können.
💳 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 "NVIDIA, Xiaomi & Co. beschleunigen humanoide Robotik mit neuen KI- und Simulationsbenchmarks" 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 "NVIDIA, Xiaomi & Co. beschleunigen humanoide Robotik mit neuen KI- und Simulationsbenchmarks" 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: »NVIDIA, Xiaomi & Co. beschleunigen humanoide Robotik mit neuen KI- und Simulationsbenchmarks« bei Google Deutschland suchen, bei Bing oder Google News!