SHANGHAI / LONDON (IT BOLTWISE) – Robot Foundation Models ziehen Investitionen in Milliardenhöhe an und verschieben damit den Fokus von Einzelmodellen hin zu skalierbaren Trainings- und Simulationspipelines. Forscher und Industrieunternehmen kombinieren dabei synthetische 3D-Welten, große Videodatenbestände und Echtzeit-Bewegungsmodelle. Gleichzeitig wächst der Druck, Sicherheitsrisiken im realen Betrieb systematisch zu untersuchen. Der nächste Entwicklungssprung hängt nun stark davon ab, wie gut Daten, Koordinatensysteme und Hardware-Integration zusammenpassen.
Robot Foundation Models (RFM) entwickeln sich gerade von einem Laborversuch zu einer Infrastrukturfrage. Die gemeldeten Investitionen übersteigen dabei inzwischen 18,8 Milliarden Euro, weil sich die Branche nicht mehr mit einzelnen Demonstratoren zufriedengibt, sondern robuste Trainingsverfahren für reale Umgebungen sucht. Im Kern geht es darum, dass Roboter nicht nur im Simulator oder in klar abgegrenzten Testzonen lernen, sondern in der physischen Welt genauso flexibel reagieren wie in der kontrollierten Simulation. Genau hier entsteht der Engpass: Hochwertige Trainingsdaten sind teuer, und “Umgebungen wie im Produkt” lassen sich nur begrenzt wiederholen, sobald ein Modell in der Praxis eingesetzt wird.
Ein Beispiel für die neue Datenstrategie liefert SceneSmith, entwickelt von einem Team aus MIT CSAIL und Toyota Research Institute. Das System erzeugt aus Textbeschreibungen realistische 3D-Szenen, indem mehrere KI-Agenten zusammenarbeiten und dabei nicht nur Geometrie, sondern auch plausible Objektzustände in den Vordergrund stellen. Laut Quelle wurden bereits über 1.300 Szenen generiert, wobei die Plattform zudem deutlich mehr Objekte pro Szene erzeugen soll als frühere Ansätze. Die Relevanz für Unternehmen liegt auf der Hand: Wenn sich Trainings- und Evaluationsumgebungen schneller und kostengünstiger synthetisch skalieren lassen, verkürzt sich die Zeit bis zur Modellvalidierung auf neuen Aufgaben, etwa beim Greifen in variierenden Produktlandschaften.
Daneben zeigen andere Teams, dass “synthetisch” nicht die einzige Ausweichroute ist. Das Startup Rhoda AI setzt auf Robotertraining mit Internet-Videodaten statt Laboraufnahmen, nimmt aber eine harte technische Übersetzungspflicht in Kauf: Aus zweidimensionalen Videoinformationen müssen dreidimensionale Steuerungsbefehle werden. Solche Modelle müssen lernen, aus Blickwinkeln, Bildsequenzen und impliziter Perspektivlogik nutzbare Roboteraktionen abzuleiten, ohne dass die 3D-Geometrie vollständig beobachtet wird. Während das im Forschungskontext bereits große Fortschritte macht, ist es in der Produktion vor allem ein Signal dafür, wie stark sich die Wertschöpfung verlagert: Nicht nur das Modelltraining, sondern die Daten- und Signalaufbereitung wird zum Differenzierungsfaktor.
Auf der Bewegungs- und Simulationsseite kündigte NVIDIA zudem MotionBricks an, ein Echtzeit-Bewegungsmodell, das auf 350.000 Bewegungsclips trainiert wurde. Solche Trainingsdaten sind für Roboter besonders wertvoll, weil sie direkt die Kompetenz für dynamische Bewegungsausführung adressieren: Das System soll sowohl animierte Charaktere als auch physische Hardware steuern, darunter der humanoide Roboter Unitree G1. Gleichzeitig erweitert NVIDIA sein Agent Toolkit um die Integration von Omniverse-Bibliotheken, sodass Entwickler simulationsfertige Welten für KI-Agenten erstellen können. Technisch bedeutet das: Simulation wird nicht mehr als “Abstellfläche” für Grenzfälle betrachtet, sondern als wiederkehrender Bestandteil des Lern- und Testprozesses. Der Rollout auf DGX Station ist für die Plattform bereits vorgesehen, während die Verfügbarkeit auf RTX-Spark-Geräten ab Herbst 2026 mit Partnern wie ASUS, Dell und HP geplant sein soll.
Wichtig ist dabei nicht nur die Datenmenge, sondern auch die Darstellungsschicht zwischen Wahrnehmung und Aktion. Ein neuer Ansatz namens robot-centric pointmaps zielt auf ein Kernproblem vieler Vision-Language-Action-Modelle: unterschiedliche Koordinatensysteme von Kamera und Roboter. Die Methode transformiert visuelle Eingaben in 3D-Koordinatengitter, die sich am Roboter orientieren, statt sie strikt in Kamerakoordinaten zu belassen. Das kann aufwendige Datenerweiterungen reduzieren – allerdings nur, wenn Kamera-Kalibrierung und Tiefenschätzung hinreichend stabil sind. Genau an dieser Stelle zeigt sich, warum RFM-Teams inzwischen häufig interdisziplinär arbeiten müssen: Computer Vision, Kalibrierung, Robotik-Controller und Sicherheitslogik greifen ineinander, weil sonst die Modellleistung in der Realität “wegkalibriert” wird.
Dass RFM auch das Lernprinzip selbst verändern, verdeutlicht das Learn to Teach-Framework, das Forschende des Georgia Institute of Technology auf der IEEE ICRA-Konferenz vorstellten. Hier wird gleichzeitig Lehrer-Schüler-Training genutzt, um die Rechenkosten zu senken, während humanoide Roboter anspruchsvolles Gelände wie Sand, Kies und Treppen bewältigen sollen. Unterstützt wurde die Forschung unter anderem vom Office of Naval Research, dem US-Landwirtschaftsministerium und der National Science Foundation. Parallel dazu wird die Industrialisierung durch Partnerschaften beschleunigt: Auf der WAIC in Shanghai kündigten RoboSense und GenRobot.AI am 19. Juli 2026 eine Zusammenarbeit bei realen Daten für physische KI an. GenRobot.AI nennt dabei eine breite Basis an Umgebungen sowie Millionen Stunden menschlicher Aktivitätsdaten, was den Trend stützt, dass “World Models” in Robotik zunehmend aus vielfältigen Sensor- und Bewegungsaufzeichnungen gespeist werden.
Auch nationale Programme treiben die Skalierung. In Japan entsteht mit FRONTia ein Projekt, das als KI-Fabrik multimodale Fundamentalmodelle für Robotik entwickeln soll. Betrieben über Noetra und basierend auf NVIDIA Vera Rubin NVL72-Infrastruktur, zielt das Vorhaben darauf, KI-Trainingskapazitäten systematisch zu bündeln. Die japanische Regierung peilt bis 2040 einen Anteil von über 30 Prozent am globalen KI-Robotik-Markt an, während ein Konsortium japanischer Industrie-Schwergewichte das NVIDIA Cosmos 3 Edge-Modell mit vier Milliarden Parametern bereits übernommen haben soll – darunter FANUC, Hitachi und Sony. Für die Marktperspektive bleibt dabei aber entscheidend, wie schnell sich Simulation, Edge-Inferenz und Echtzeitsteuerung zu einem durchgängigen Produktionspfad zusammensetzen lassen.
Mit den steigenden Investitionen wächst parallel die Sicherheitsdebatte. Laut Quelle haben die Ausgaben für Robot Foundation Models inzwischen die Marke von 18,8 Milliarden Euro überschritten, während spezialisierte Sicherheitsforschung noch nicht im gleichen Tempo nachkommt. Diese Lücke soll das neu gegründete Physical AI Safety Institute (PAISI) adressieren: Als gemeinnützige Organisation will es Risiken direkter physischer Schäden durch RFMs untersuchen. Ein erster Workshop ist für die CoRL ’26-Konferenz geplant. Genau diese Ergänzung ist für Unternehmen strategisch: Nicht jedes Laborergebnis muss sofort “sicherheitsfähig” sein, aber wer Robotik industrialisieren will, braucht nachvollziehbare Sicherheitsannahmen entlang des gesamten Workflows – von Daten über Koordinatenmodellierung bis zur Bewegungsausgabe auf der echten Hardware.
💳 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.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【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 "Robot Foundation Models: 18,8 Milliarden Euro für KI-gestützte Robotik" 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 "Robot Foundation Models: 18,8 Milliarden Euro für KI-gestützte Robotik" 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: »Robot Foundation Models: 18,8 Milliarden Euro für KI-gestützte Robotik« bei Google Deutschland suchen, bei Bing oder Google News!