Robotik-Konferenz ICRA 2026: Feinmotorik bleibt größte Hürde

Während humanoide Roboter immer besser laufen lernen, hinken sie bei der Feinmotorik noch weit hinterher. Das wurde auf der diesjährigen Robotik-Konferenz ICRA 2026 in Wien deutlich.

Forscher und Branchenvertreter sind sich einig: Die Fähigkeit von Maschinen, Materialien zu verstehen, komplexe Berührungsaufgaben zu bewältigen und sich in unstrukturierten Umgebungen zurechtzufinden, hinkt der mechanischen Mobilität deutlich hinterher. Das zweibeinige Laufen gilt technisch als weitgehend ausgereift – die Robustheit der Manipulation bleibt die eigentliche Herausforderung.

Der technologische Fortschritt in der Robotik und KI schafft enorme Marktpotenziale für Anleger, die frühzeitig die richtigen Trends erkennen. In diesem kostenlosen Report erfahren Sie, welche Unternehmen die nächste industrielle Revolution maßgeblich anführen. Jetzt gratis herausfinden, wer die Gewinner der neuen Industrierevolution sind

Die Lücke schließen: Experten diskutieren Lösungswege

Auf einem Workshop zur Manipulations-Robustheit am 5. Juni 2026 in Wien diskutierten Experten, wie menschenähnliche physische Interaktion erreicht werden kann. Im Kern geht es um die Integration von Bewegungserfassung, Steuerungstheorie und verkörperter Intelligenz – weit mehr als bloße Demonstrationsvideos.

Yunzhu Li, Forscher an der Columbia University und Mitgründer von SceniX, erklärte in einem Interview, dass Manipulation grundsätzlich schwieriger sei als Fortbewegung. Der Grund: Sie erfordert ein tiefes Verständnis von Objekteigenschaften und Umweltphysik. Während in halbstrukturierten Umgebungen wie Lagern und Fabriken Fortschritte zu erwarten seien, werde es in völlig unstrukturierten Haushalten deutlich länger dauern, als viele Prognosen derzeit suggerieren.

Das Problem wird durch fehlende einheitliche Messgrößen verschärft. Das NSF-geförderte COMPARE-Ökosystem arbeitet derzeit an Benchmarks für Manipulation, um reproduzierbare Ergebnisse über verschiedene Forschungsplattformen hinweg zu ermöglichen.

Datenkonsistenz schlägt Datenkomplexität

Eine überraschende Erkenntnis lieferte eine Studie der NYU Tandon School of Engineering und des Robotics and AI Institute. Die mit dem IEEE RA-L Best Paper Award ausgezeichnete Arbeit zeigt: Roboter lernen Geschicklichkeit effektiver aus konsistenten synthetischen Trainingsdaten als aus stark variierenden menschlichen Demonstrationen.

Die Forscher fanden heraus, dass traditionelle Bewegungsplanungsalgorithmen oft Daten mit hoher Entropie produzieren, die das Imitationslernen behindern. Mit einem alternativen Planungsansatz, der auf Konsistenz über 100 Demonstrationen setzte, erzielte das Team nahezu perfekte Ergebnisse bei Zwei-Arm-Aufgaben. In physischen Sim-to-Real-Transfer-Tests führte die Methode zu einer Erfolgsquote von 90 Prozent bei Zwei-Arm-Operationen und 62 Prozent bei Aufgaben mit einer geschickten Hand.

Um die Wahrnehmung der physischen Welt weiter zu verbessern, kündigte 1X Technologies am 4. Juni 2026 die Gründung seines World Model Lab an. Unter der Leitung des ehemaligen Luma-AI-Managers Sam Sinha sollen autonome Humanoide mit einem „Schritt-Null"-Ansatz trainiert werden, bei dem roboterspezifische Daten – visuelle Ströme, Propriozeption und Druckrückmeldung – im Zentrum stehen.

Während die Entwicklung intelligenter Systeme rasant voranschreitet, stehen Unternehmen auch vor neuen regulatorischen Anforderungen durch den EU AI Act. Dieser kostenlose Umsetzungsleitfaden bietet Ihnen einen kompakten Überblick über alle neuen Pflichten und Risikoklassen für KI-Systeme. Kostenlosen Umsetzungsleitfaden zum EU AI Act jetzt sichern

Neue Benchmarks und Wettbewerb aus China

Die Branche bewegt sich weg von „demonstrationsgetriebener" hin zu „standardgetriebener" Entwicklung. Am 5. Juni 2026 stellten Daimon Robotics und Galbot auf der ICRA 2026 den RobOmni-Benchmark vor. Dieses omni-modale Bewertungstool integriert taktile Sensorik für physische Interaktion und basiert auf der NVIDIA Isaac Sim-Plattform.

Gleichzeitig verschärft sich der Wettbewerb bei KI-Modellen für Robotik. Das chinesische Startup Spirit AI gab bekannt, dass sein Modell Spirit v1.6 auf dem RoboArena-Benchmark 1.924 Punkte erreicht habe – und damit das prominente NVIDIA-Modell mit 1.881 Punkten übertraf. Spirit AI bestätigte zudem eine Finanzierungsrunde über 1,5 Milliarden Yuan (umgerechnet rund 222 Millionen Euro) zur Entwicklung physischer KI.

Hardware-Entwicklung: Mehr Gelenke, offene Technologien

Während Software und Training die Hauptengpässe bleiben, schreitet die Hardware-Entwicklung voran. VinRobotics, eine Tochtergesellschaft des Vingroup-Konzerns, enthüllte auf der ICRA 2026 und der COMPUTEX Taipei 2026 seine dritte Generation des Humanoiden VR-H3. Der Roboter verfügt über mehr als 31 Aktuatoren und zwei integrierte Edge-Computer. Die Nutzlast liegt bei sechs bis acht Kilogramm. Das Unternehmen plant, ausgewählte Basistechnologien als Open Source zu veröffentlichen.

In Nordamerika wird die Produktionskapazität ebenfalls ausgebaut:
- 1X Technologies hat die Serienproduktion des NEO-Humanoiden in Hayward, Kalifornien, aufgenommen – nach 10.000 Vorbestellungen.
- Tesla verlegte die Optimus-Produktion in sein Fremont-Werk mit dem langfristigen Ziel, jährlich eine Million Einheiten zu produzieren.
- Figure AI zeigte Humanoide, die in Paketsortierumgebungen mehr als 24 Stunden durchgehend arbeiten können.

Trotz dieser Meilensteine bleibt der Fokus vieler Branchenführer auf dem Nutzen, nicht auf der Form. Keenon Robotics-CEO Li Tong betonte, dass Kunden vor allem kosteneffiziente Lösungen für konkrete Probleme suchten – nicht zwingend die menschliche Form. Diese Perspektive spiegelt sich im Markt wider: Spezialisierte Roboter für Hotels und Krankenhäuser werden weiterhin in hohem Maße eingesetzt, während der globale Markt für Humanoide laut Goldman Sachs bis 2035 auf 38 Milliarden Dollar (rund 35 Milliarden Euro) wachsen soll.

de | wissenschaft | 69490505 |