Ein neuer Ansatz in der Robotik verspricht, dass Humanoide nicht mehr nur Bewegungen nachahmen, sondern Situationen wirklich antizipieren – und damit deutlich selbstständiger handeln können.
1X Technologies hat mit seinem neuen „World Model“ eine Software vorgestellt, die den humanoiden Roboter Neo Handlungen zunächst visuell durchspielen lässt, bevor er sie in der realen Welt ausführt. Das klingt nach einem Detail, ist aber in der Praxis ein massiver Sprung: Statt dass ein Mensch jede Bewegung tausendfach vormacht, kann Neo künftig aus großen Mengen Videomaterial lernen, wie Objekte sich verhalten und welche Konsequenzen bestimmte Aktionen haben.
Im Kern arbeitet das System wie ein interner Simulator. Erhält Neo eine Aufgabe – etwa eine Tasse wegzuräumen – erzeugt das Modell zuerst eine Art Zielsequenz: ein Video, das zeigt, wie die erfolgreiche Handlung aussehen sollte. Anschließend übersetzt ein zweites System, das sogenannte Inverse-Dynamics-Modell, diese visuelle „Vorstellung“ in konkrete Motorbefehle. Der Roboter plant damit nicht mehr primär in abstrakten Befehlsstrukturen, sondern in Bildern. Besonders relevant: In diesem virtuellen Ablauf kann Neo millionenfach scheitern, ohne dass in der echten Umgebung etwas kaputtgeht.
Für 1X ist das nicht nur ein Forschungsprojekt, sondern die Grundlage für den geplanten Schritt Richtung Konsumentenmarkt. Neo ist für häusliche Umgebungen gedacht, weshalb 1X auf „Soft Robotics“ setzt – also eine Konstruktion, die eher an Muskeln und Sehnen erinnert als an harte Hydraulik. In Kombination mit dem World Model soll das die Sicherheit erhöhen: Wenn das System keine zuverlässige Vorhersage treffen kann, greift es auf vorsichtige Strategien zurück oder fordert Unterstützung an.
Was daran besonders spannend ist: Der Fokus verschiebt sich weg vom reinen Ausführen hin zum Verstehen. Genau dieser Übergang entscheidet in der Robotik darüber, ob humanoide Systeme langfristig als flexible Helfer im Alltag funktionieren – oder ob sie Spezialmaschinen bleiben, die nur in streng kontrollierten Szenarien zuverlässig laufen.