Humanoid-Roboter in der Fabrik stoßen auf ein Datenproblem

Am 30. September eröffnete Innodata aus New Jersey ein Labor für 3D-Motion-Capture. Die Einrichtung zeichnet Bewegungen von Menschen und Maschinen auf. Zudem prüft sie unabhängig Leistungsdaten, die Roboter intern generieren. The Robot Report berichtete zuerst darüber.

Es ist ein kleines Gebäude mit einem großen Anspruch: Der Engpass bei physischer KI liegt nicht in Motoren, Händen oder Aktoren, sondern in den Daten.

„Physische KI wächst schneller als jeder andere Bereich, aber jedes Team stößt an dieselbe Wand: Es gibt zu wenig Interaktionsdaten aus der realen Welt, und was existiert, ist teuer und langsam zu produzieren“, sagte Innodata-CEO Rahul Singhal. Das Unternehmen deckt den Weg von der Datenerfassung bis zur Modellbewertung ab. Erfasst werden Bewegungen von Humanoiden, teleoperierter Hardware, tragbaren Systemen, Sensoraufbauten und Greifern der Universal Manipulator Interface. Innodata, gegründet 1988, argumentiert, dass Roboter keinen offenen Datenkorpus für die physische Welt haben, wie ihn große Sprachmodelle im Internet vorfanden. Franklin Tanner, Vice President für Robotik und physische KI, sagte dem The Robot Report, physische KI müsse sich ihre Tokens „eine Interaktion nach der anderen“ verdienen. Tanner wies zudem auf die Grenzen von Inferenz-basiertem Motion-Capture hin. Es gebe „keinen Ersatz für direktes 3D-Motion-Capture“. Computervisionsmodelle, die aus 2D-Pixeln arbeiten, machen zwangsläufig Fehler. Die Sensoren im Labor sollen die kleinste Bewegung jedes Gelenks erfassen.

Das Argument ist nicht neu. Jetzt wird es aber finanziert.

Ebenfalls am 30. September meldete das Pariser Unternehmen Inbolt, 11 Millionen Euro eingesammelt zu haben. Das Geld fließt in internationale Expansion sowie in die Fertigung von Datenzentren und Elektronik, wie Tech.eu berichtete. Shift4Good führte die Runde an, beteiligt waren Bridges Climate Transition Partners sowie die Bestandsinvestoren BNP Paribas Developpement und Ora Global. Die Gesamtfinanzierung beträgt damit 30 Millionen Euro. Inbolt, 2019 von Rudy Cohen, Albane Dersy und Louis Dumas gegründet, verkauft eine hardwareunabhängige KI-Softwareschicht mit 3D-Vision. Sie erlaubt Robotern, ihre Regelkreise in Echtzeit anzupassen, wenn Bauteile versetzt ankommen oder Werkzeuge verschleißen. Laut Tech.eu läuft das System auf mehr als 200 Robotern in über 100 Fabriken auf drei Kontinenten. Zu den Kunden zählen Bosch, Beko, Flex, Ford, Stellantis und Toyota. Das Versprechen: Fabriken rüsten bestehende Linien auf, statt sie zu ersetzen.

Dann ist da noch das Tempo. MindOn veröffentlichte am 30. September einen technischen Beitrag und stellte Mind-1 vor. Das Modell für physische KI soll Robotern Zykluszeiten auf menschlichem Niveau ermöglichen. MindOn berichtet, die Inferenzlatenz von 82ms auf 32ms gesenkt zu haben. Bei einer Endeffektor-Geschwindigkeit von 3 Metern pro Sekunde entsprechen 10ms Latenz rund 3cm Bewegung. Das reicht, um präzises Greifen oder Einführen zu vereiteln. MindOn benannte auch ein weniger offensichtliches Problem: Viele Manipulationsdaten stammen aus der Teleoperation. Diese ist langsamer als natürliche menschliche Bewegung. Die Modelle lernen daher mit der Aufgabe auch das Tempo der Vorführungen.

Drei Ankündigungen, ein Tag, eine gemeinsame Prämisse. Fähigkeitsdemos sind nicht mehr der schwierige Teil.

Ein technischer Bericht von Fig Inc., ebenfalls vom 30. September, macht das Bild komplizierter. Die Forscher Yangyue Wang, Harshvardhan Sikka, Pranav Guruprasad und Sudipta Chowdhury bewerteten Frontier-Modelle wie Astra und Opus 5.5. Sie testeten sie in der Web-Automatisierung und in vier physischen Bereichen: Bench2Drive, VLABench, IndEgo und Assembly101. Ihr Befund: Benchmark-Durchschnitte verbergen enorme Unterschiede auf Aufgabenebene. In jedem getesteten Modellpaar löste das schwächere Modell mindestens eine Aufgabe, die das stärkere verfehlte. Ein Update kann den Durchschnitt fast unverändert lassen und dabei viele einzelne Aufgaben umdrehen. Die Forscher veröffentlichten den Datensatz RIDGE mit Ergebnissen auf Item-Ebene und Modell-Traces.

Liest man das neben den Fabrikzahlen, verschiebt sich das Bild erneut.

Der Kontext ist eine Fertigungsbasis, die bereits automatisiert ist und überwiegend nicht humanoid. Mehr als fünf Millionen Roboter arbeiten heute weltweit in Fabriken. Nur Tausende davon sind Humanoide, so die jüngste Branchenberichterstattung. Dieselbe Quelle vermerkt, dass Chinas UBTECH im September eine Anlage eröffnete. Die angegebene Kapazität: ein Humanoid alle zehn Minuten. Hyundai skaliert die Produktion und den Einsatz des Atlas hoch und eröffnete dazu ein Trainingszentrum in seinem Werk in Georgia. Japan will laut TechRadar vom 30. September bis 2040 10 Millionen KI-Roboter. Koreas SFA unterzeichnete laut Korea JoongAng Daily eine Absichtserklärung mit Rainbow Robotics, um bis 2030 unbemannte Fabriken voranzutreiben.

Nicht jeder Roboter in diesem Ausbau wird ein Humanoid sein. Mark Cuban argumentiert, dass Roboter in Menschenform innerhalb eines Jahrzehnts scheitern werden. Diese Position wiederholte er in den vergangenen Tagen. IEEE Spectrum veröffentlichte Einschätzungen von Robotikexperten zu Teslas Optimus. Teslas eigene Lieferkette steht an anderer Stelle unter Druck. Am 30. September berichtete Electrek, dass Teslas geplante Solarfabrik in Texas in einen US-Patentstreit hineingezogen wurde. Die chinesischen Anlagenbauer Linton Crystal Technologies und Zhejiang Jingsheng streiten über Czochralski-Ziehanlagen. Diese sind für den Schritt des Ingot-Wachstums in Teslas Solarplänen nötig. Tesla ist nicht Partei des Verfahrens.

Diese Geschichte ist hier aus einem strukturellen Grund relevant. Die Humanoid-Lieferkette und die Solar-Lieferkette sind nicht dieselbe. Aber das Fehlermuster ist es: eine einzelne spezialisierte Komponente, bezogen von wenigen Anbietern, ganz am Anfang eines sehr langen Produktionsplans.

Damit kommt das Argument zurück zu den Daten. Innodatas Tanner nannte dem The Robot Report ein konkretes Beispiel dafür, warum Kontext schwer zu kodieren ist. Ein Roboter, der eine Tasse aufnehmen soll, kann den Henkel oder den Boden greifen. Beides ist mechanisch gültig. Hält die Tasse aber heiße Flüssigkeit, verbrennt eine der beiden Varianten die Hand. Solche Unterschiede stehen in bestehenden Datensätzen selten. Inbolts Kunden stehen in der realen Produktion vor einem verwandten Problem. Ein versetztes Bauteil kann einen Roboter zum Stillstand bringen oder Ausschuss erzeugen. Die Kosten zeigen sich als Ausfallzeit, nicht als gescheiterte Demo. MindOns Latenzrechnung ist die dritte Seite davon: Bei Tempo hören kleine Wahrnehmungs- und Steuerfehler auf, klein zu sein.

Das Geld bewegt sich entsprechend. Inbolts 11 Millionen Euro sind bescheiden neben dem Kapital, das in Humanoid-Hardware fließt. Sie zielen aber auf den installierten Bestand, nicht auf neue Humanoide. Innodata verkauft Messung und Bewertung, keine Roboter. Arrowfly, die Muttergesellschaft von The Robot Report, startete am 30. September die Plattform AI for Engineers. Sie zielt auf dieses Publikum von Praktikern. Arrowfly verweist auf mehr als 30.000 Ingenieurfachleute, die sich im Portfolio bereits mit KI-Themen befassen, 2,1 Millionen verifizierte Branchenleser und eine Konferenz vom 20. bis 22. September 2027 in Henderson, Nevada. Es ist ein Medienunternehmen, kein Robotikunternehmen. Aber es ist ein brauchbarer Indikator dafür, wohin Aufmerksamkeit und Budget fließen.

Eine Einschränkung gehört klar gesagt. Ein Großteil der angekündigten Humanoid-Fabrikkapazität ist Kapazität, nicht Produktion. Namen, Daten und Stückzahlen zirkulieren schneller als ausgelieferte Einheiten. Die Lücke zwischen der Eröffnung einer Fabrik und einer Fabrik, die im Takt läuft, misst man meist in Quartalen, manchmal in Jahren. Das Dossier liefert keine verifizierten Produktionszahlen für irgendeine Humanoid-Linie. Aus angekündigter Kapazität darf keine abgeleitet werden.

Was das Dossier zeigt, über acht Quellen aus den vergangenen drei Tagen hinweg, ist ein Markt, der aus verschiedenen Richtungen auf dieselbe Diagnose zuläuft. Innodata will die Trainingsdaten verkaufen. Inbolt will die Wahrnehmungsschicht verkaufen, die bestehenden Armen hilft, mit Abweichungen umzugehen. MindOn will Tempo verkaufen. Figs Forscher wollen einen ehrlicheren Benchmark verkaufen. Keiner von ihnen verkauft den Roboter.