World Action Models: Roboter lernen echtes Verständnis für Physik
Veröffentlicht: 04.07.2026 um 08:03 Uhr, Redaktion boerse-global.de
Die Forschung verabschiedet sich von reinen Textmaschinen.
Neue „World Action Models" (WAMs) sollen Robotern echtes Verständnis für die physische Welt ermöglichen – und den entscheidenden Schritt vom Beobachten zum Handeln gehen.
Ein am 3. Juli auf arXiv veröffentlichter Tutorial-Artikel kategorisiert diese Systeme als „aktions-konditionierte Vorhersagemodelle". Der Paradigmenwechsel ist klar: Statt nur Wörter aneinanderzureihen, lernen Maschinen, physikalische Abläufe zu antizipieren und darauf zu reagieren.
Vier Wege aus der Simulations-Falle
Die Forscher unterscheiden zwischen Beobachtungsraum- und Zustandsraum-Modellen. Die WAMs selbst gliedern sich in vier Ansätze: die „Stell-vor-dann-handle"-Methode, videobasierte Aktionsvorhersage, gemeinsames Video-Aktions-Modellieren und ergänzende Videoprädiktion. Ihr gemeinsames Ziel: die Überwindung des „Reality Gap" – jener Kluft zwischen simulierter Perfektion und realem Chaos, die bislang den Praxiseinsatz blockiert.
Am selben Tag stellte das Bridge-WA-Framework einen neuen Ansatz vor. Es nutzt einen „Future-Change Teacher", der drei kompakte Datenpunkte destilliert: Zukunfts-Tokens, Veränderungskarten und Bewegungsfluss-Diagramme. Das Ergebnis: In Simulation und Realität übertraf das System reaktive Vision-Language-Action-Modelle (VLA) deutlich.
Lernen im laufenden Betrieb
Roboter müssen sich während des Einsatzes anpassen können – das ist die Kernforderung der aktuellen Forschung. AdaJEPA, ein adaptives latentes Weltmodell von Forschern in Zusammenarbeit mit Meta und AMI Labs, macht genau das möglich. Es korrigiert sich in Echtzeit durch einen geschlossenen MPC-Regelkreis (Model Predictive Control). Die Besonderheit: Nur bestimmte Schlüsselschichten werden aktualisiert, ein minimaler Puffer von fünf Zustandsübergängen reicht aus. Das Ergebnis: Die Erfolgsrate bei unbekannten Objektformen verdoppelte sich nahezu.
Hinter AMI Labs steckt übrigens KI-Pionier Yann LeCun. Das Unternehmen sicherte sich Anfang der Woche über eine Milliarde Dollar Seed-Finanzierung – von Investoren wie Nvidia und Jeff Bezos' Investmentfonds. Die ersten industriellen Anwendungen sind für 2027 geplant.
Während die Forschung an autonomen Robotern Milliarden-Investitionen anzieht, fragen sich viele Anleger, welche Firmen die technologische Spitze besetzen. Dieser kostenlose Report zeigt, welche Unternehmen die nächste industrielle Revolution anführen und am meisten von den Entwicklungen in Robotik und KI profitieren. Jetzt gratis herausfinden, wer die Gewinner der neuen Industrierevolution sind
FingerspitzengefĂĽhl fĂĽr Roboter
Neben den Generalisten entstehen spezialisierte WAMs für besonders knifflige Aufgaben. Das VT-WAM (Visual-Tactile World Action Model) kombiniert Sehen und Fühlen. Bei Manipulationsaufgaben erreichte es eine durchschnittliche Erfolgsrate von 71,67 Prozent – und ließ bestehende Modelle wie Fast-WAM (26,67 Prozentpunkte mehr) und OmniVTLA (35,84 Prozentpunkte mehr) deutlich hinter sich.
Damit solche Rechenleistungen auch auf begrenzter Hardware laufen, wurde Embodied.cpp entwickelt. Diese C++-Bibliothek reduziert den Speicherbedarf von WAM-Blöcken drastisch – von 312,2 auf 88,1 Megabyte.
Bereits im Juni 2026 zeigte das Enhanced World Action Model (EWAM) , was möglich ist. Es nutzte Nvidias Cosmos 3 Nano-Policy-DROID als Rückgrat und ergänzte neuronale Erfahrungsspeicher, Anomalieerkennung und Aktionskorrektur. Bei spezifischen Schüssel-Platzierungs-Aufgaben hielt es eine 100-Prozent-Erfolgsquote – und verkürzte die Ausführungszeit von 25,60 auf 9,27 Sekunden.
Die rasante Entwicklung von Robotik und Künstlicher Intelligenz wird die globale Wirtschaft grundlegend verändern. Finanzexperten haben im aktuellen Gratis-Report analysiert, wo das große Geld gerade hinfließt und welche Technologietreiber Sie jetzt kennen sollten. Kostenlosen Report über die größte Industrierevolution seit Jahrzehnten sichern
Nvidia liefert das Fundament
Die technische Basis für diese Fortschritte liefern große Foundation-Modelle. Nvidia stellte kürzlich seine Cosmos 3-Architektur vor – ein physikalisches KI-Modell mit Mixture-of-Transformers-Design. In 8-Milliarden- und 32-Milliarden-Parameter-Versionen verfügbar, wird Cosmos 3 als Open-Source-Werkzeug mit Trainingsrezepten angeboten. Ziel: die Robotik-Entwicklung beschleunigen.
Doch Technik allein reicht nicht. Seit dem 2. Juli gibt es ein neues Diagnose-Tool für die „World Model Readiness" . Es prüft, ob Organisationen über die nötige Datenqualität, Aufsichtsprozesse und Risikokompetenz verfügen, um autonom handelnde KI-Systeme einzusetzen.
Der „rationale Roboter" als Ziel
Beim Global AI Frontier Symposium am 3. Juli zog MIT-Professorin Leslie Pack Kaelbling eine klare Linie: Die Zukunft gehört dem „rationalen Roboter". Ihre Botschaft: Die Kombination von Deep Learning mit kausalem Denken ist wichtiger als schiere Datenmengen. Sie demonstrierte Roboter, die selbstständig Hindernisse beseitigen oder stundenlang eigenständig üben – bis sie eine Aufgabe beherrschen.
