Während sich die Aufmerksamkeit der Tech-Branche häufig auf große Sprachmodelle richtet, zeigen Forschungsgruppen und Unternehmen auch neue Robotiksysteme. Physikalische KI (Physical AI) verbindet lernende Steuerungssoftware mit Sensoren und Mechanik. Die veröffentlichten Beispiele reichen von Roboterhänden über visuelle Steuerungssysteme bis zu Rad-Bein-Hybriden, Origami-Robotern und dehnbarer Elektronik.
Wir haben 33 Demonstrationen zusammengestellt. Die Clips dokumentieren jeweils ein ausgewähltes Ergebnis oder die Aussage ihres veröffentlichenden Accounts. Sie sind keine gemeinsamen, unabhängigen Tests. Aus ihnen lassen sich weder allgemeine Zuverlässigkeit noch Serienreife oder Leistungswerte außerhalb des gezeigten Aufbaus ableiten.
1. Feinmotorik: Entwicklung an den Fingerspitzen
In der klassischen Automatisierung wurden fragile Roboterhände gemieden. Der Trend zu universal einsetzbaren Humanoiden hat diese Logik auf den Kopf gestellt. Bernt Børnich von 1X Robotics betont, dass das Schicksal der Humanoid-Entwicklung letztlich an den Fingerspitzen entschieden wird:
Das Schweizer Startup mimic robotics setzt mit der M1-Hand und dem U1-Wearable ebenfalls auf sehnengetriebene Dynamik für schwere Lasten und feine Manipulationen:
Mit der ProHand 1.0 und dem ProGlove 1.0 präsentiert Proception ein System mit 22 Freiheitsgraden (18 aktuiert), 10 ms Latenz und integrierter Handgelenkskamera:
Wie praxisnah künstliche Hände bereits arbeiten, demonstrierte Chris Paxton mit den Wuji-Händen bei der Verlegung flexibler Kabelbäume im Simulator Genesis:
Ein weiterer Clip zeigt ein Robotersystem beim Bettenmachen. Wie autonom und zuverlässig der Ablauf über mehrere Versuche funktioniert, ist dort nicht dokumentiert:
2. Physikalische KI: Steuerung durch Video-Action-Modelle
Für das Training von Robotersteuerungen werden auch Video-Action-Modelle (VAM) erprobt. mimic robotics beschreibt eine Verbindung eigener Roboterdaten mit dem FLUX-3-Modell von Black Forest Labs als FLUX-mimic:
Tony Zhao berichtet für ACT-2 Preview, dass in seinem Test ein Fine-Tuning-Beispiel für neues Verhalten ausgereicht und das System in den beschriebenen fremden Umgebungen 99 Prozent Erfolg erreicht habe. Der Wert stammt aus diesem veröffentlichten Versuchsaufbau und ist kein allgemeiner Leistungsnachweis:
3. Hybride Lokomotion: Echtzeit-Wechsel zwischen Rad und Bein
Ein veröffentlichter Beitrag zeigt einen Laufhund beim Wechsel zwischen Rädern auf flachem Boden und Beinen an Hindernissen. Der Account beschreibt den Wechsel als automatisch; ein unabhängiger Test liegt nicht vor:
Ein ähnliches Konzept verfolgt der PrimeBot T1, der zwischen einer zweirädrigen humanoiden Haltung für Innenräume und einem Vierbeiner-Modus fürs Gelände wechselt:
Der Ringbot Quad demonstriert einen weiteren Ansatz: Jedes seiner vier Beine besitzt ein eigenes Antriebsmodul, das Gehen und Rollen kombiniert:
Ein Clip von Light Origin zeigt, wie ein Single-Policy-System einen Roboter bei blockierten Beinen durch Hüpfen oder Krabbeln mobil hält. Das ist ein Belastungstest, aber kein Nachweis allgemeiner Ausfallsicherheit:
Ein Clip zur MobED-Plattform von Hyundai zeigt Bewegungen in unebenem Gelände:
Ein weiterer Clip zeigt einen Hexapod mit mehreren Fortbewegungsmodi auf unterschiedlichen Untergründen:
Ein weiterer Clip zeigt einen kompakten Taschen-Vierbeiner in Bewegung:
4. Dehnbare Elektronik, Textil-Muskeln & Roboter-Kleidung
Gedruckte dehnbare Leiterbahnen (Stretchable Printed Circuits) nutzen serpentinenförmige Spuren, die Biegen und Dehnen ermöglichen sollen:
Parallel dazu entstehen maßgeschneiderte Außenhäute: KNITREAL RoboSkin zeigt nahtlose Strickverfahren für flexible Roboterbekleidung an beweglichen Gelenken:
Ein Forschungsclip zeigt direkt in Textilien gewebte künstliche Muskeln als möglichen Baustein leichter Exoskelette:
Ein Beitrag zeigt taktile elektronische Haut (e-Skin) als Sensoransatz für Roboter. Ein „menschenähnliches Tastgefühl“ ist aus dem Clip nicht unabhängig belegt:
Einen faszinierenden Kontrast bieten aufblasbare Soft-Humanoide, die sich nach dem Einsatz platzsparend zusammenfalten lassen:
5. Akrobatik, Kampfsport und Parkour
Ein veröffentlichter Clip zeigt einen humanoiden Roboter bei einer Parkour-Sequenz. Welche Trainingsmethode verwendet wurde und wie zuverlässig das Verhalten außerhalb dieses Versuchs ist, geht aus dem Clip allein nicht hervor:
Ein Clip zeigt Tesla Optimus bei Bewegungen aus dem Kampfsportbereich. Trainingsziel und Übertragbarkeit auf andere Aufgaben sind nicht dokumentiert:
Ein Beitrag beschreibt menschliche Motion-Capture-Daten als Grundlage für einen gezeigten Tennis-Bewegungsablauf eines Humanoiden:
Ein veröffentlichter Zweikampf-Clip aus Japan zeigt schnelle Bewegungsreaktionen. Ob und in welchem Umfang der Ablauf autonom war, ist in der dokumentierten Quelle nicht ausreichend belegt:
6. Bionische Spezial-Drohnen, Origami & Schlangen-Roboter
Auch außerhalb klassischer Formen entstehen faszinierende Morphologien:
Ein als MIT-Forschungsarbeit geteilter Clip zeigt einen Origami-Roboter, der sich aus einer flachen Struktur faltet und anschließend kriecht, klettert und schwimmt:
Für engste Rohre und Trümmerstrukturen wurde dieser modular aufgebaute Rad-Schlangenroboter entwickelt:
Das JSK Lab der Universität Tokio präsentiert einen Flugroboter, der sich im Flug wie eine Schlange krümmt und Objekte greift:
Forscher der Northwestern University zeigen eine rotierende Drohne, die durch Hochgeschwindigkeitsdrehung für das Auge im Hintergrund verschwimmt:
Ein Beitrag zeigt einen aquatischen Roboter beim Einsammeln von Müll. Umfang, Autonomie und Einsatzreife gehen aus dem Clip allein nicht hervor:
Einen Blick auf Nativ-AR-Interfaces liefert dieses Setup: 3D-LiDAR-Daten eines Unitree Go2 werden direkt über eine AR-Brille im Raum visualisiert:
7. Industrie 4.0 & Praxiseinsatz
Ein Messeclip von der WAIC 2026 in Shanghai zeigt humanoide Systeme von AheadForm mit animierter Gesichtsmimik. Welche Konversationsfunktionen live aktiv waren, ist aus dem Clip allein nicht vollständig prüfbar:
Ein Social-Media-Beitrag berichtet von humanoiden Paketsortierern mit 18 Kilogramm Traglast im Dauerbetrieb in chinesischen Logistikzentren. Ohne Betreiber- oder Herstellerquelle bleibt diese Einsatzangabe unbestätigt:
Für extreme Umgebungsbedingungen wurde der gehärtete Humanoide DeepRobotics DR02 entwickelt:
Dass auch gelegentliche Stolperer noch zum Lernprozess gehören, zeigt dieser virale Reaktions-Clip aus der Community:
🎯 Was das für die Praxis bedeutet
1. Montageaufgaben einzeln testen: Hände mit vielen Freiheitsgraden erweitern die möglichen Bewegungen. Ob sie eine konkrete manuelle Aufgabe zuverlässig übernehmen, muss im realen Prozess geprüft werden.
2. Video-KI als Forschungsansatz beobachten: FLUX-mimic und ACT-2 zeigen mögliche Wege zu schnellerem Verhaltenstraining. Eine allgemeine Reduktion des Trainingsaufwands ist noch nicht belegt.
3. Hybride Systeme nach Gelände bewerten: Rad-Bein-Kombinationen können Rollen auf glattem Boden und Gehen an Hindernissen verbinden. Geschwindigkeit, Reichweite und Robustheit hängen vom jeweiligen System ab.
4. Sensorik und Schutz getrennt prüfen: Dehnbare Leiterbahnen, Roboterkleidung und taktile Sensorik verfolgen unterschiedliche Ziele. Hohe Standzeiten im Dauerbetrieb sind durch die Clips nicht belegt.
