Ein vierbeiniger Roboter, der einen riesigen Rubik’s Cube löst, ein humanoider Roboter, der Lasten von 35 Kilogramm bewegen kann, und künstliche Muskeln, die kleinen Robotern das Springen oder Schwimmen ermöglichen. Die wöchentliche Videoauswahl von IEEE Spectrum zeigt mehrere Fortschritte in der Robotik, von der Objektmanipulation über das Erlernen von Bewegungen bis hin zur Kombination von lebendem Gewebe mit künstlichen Materialien.
Reaktionsfähigere humanoide Roboter, die schwere Objekte handhaben können
Im Robotics Systems Lab der ETH Zürich löst ein vierbeiniger Roboter autonom einen riesigen Rubik’s Cube, indem er nur seine Füße benutzt. Die Demonstration zeigt die Manipulationsmöglichkeiten einer Plattform, die ursprünglich für die Fortbewegung konzipiert wurde.
Das Projekt Reflex widmet sich einer anderen Herausforderung: der Fähigkeit humanoider Roboter, visuell auf sich bewegende Objekte zu reagieren. Das Auffangen einer fallenden Tasse, das Zurückschlagen eines Tennisballs oder das Empfangen eines Kartons erfordert es, eine Flugbahn vorherzusehen und den Körper in etwa einer Sekunde zu bewegen. Die Forscher schlagen ein dreistufiges Lernverfahren vor, das durch eine kompakte Darstellung der Objektdynamik verbunden ist.
Im KAIST DRCD Lab, in Zusammenarbeit mit RAILAB, demonstriert der Roboter KAIST Humanoid v0.9 seine Fähigkeiten zur gleichzeitigen Fortbewegung und Manipulation. Dank der visuellen Informationen seiner eingebauten Sensoren schiebt er Objekte mit einem Gewicht von bis zu 35 Kilogramm und hebt Lasten von bis zu 20 kg, um die Buchstaben « KAIST » zu platzieren.
Schnelle Roboterhände und im Labor gezüchtete Muskeln
Das Robotics and AI Institute stellt die Hände seines Roboters AthenaZero vor. Jede Hand verfügt über drei Finger, die durch Sehnen angetrieben werden, wobei die Motoren im Torso platziert sind, um das Gewicht der Hände zu reduzieren. Diese Architektur ermöglicht es, Objekte unterschiedlicher Größe zu greifen, wie ein Ei oder einen Hammer.
Die Finger können sich in etwa 80 Millisekunden schließen. Hochpräzise barometrische Drucksensoren ermöglichen es zudem, die Zartheit des Griffs anzupassen.
An der ETH Zürich erforscht das Soft Robotics Lab einen anderen Ansatz mit biohybriden Robotern, die im Labor gezüchtete Skelettmuskeln mit einer weichen, 3D-gedruckten Struktur kombinieren. Durch gemeinsame Optimierung der Muskeln und ihres Trägers kündigen die Forscher biohybride Aktuatoren im Zentimeterbereich an, die bis zu 11-mal mehr Bewegungsamplitude bieten als frühere Systeme mit einem vergleichbaren Gewebevolumen. Diese Geräte können springen, schwimmen, laufen und Objekte greifen.
Beschleunigtes Roboter-Training und neue Industrieprojekte
Im Bereich des maschinellen Lernens gibt SuperMimic an, die Ergebnisse eines Bewegungserfassungssystems, das sieben Tage lang auf 128 GPUs trainiert wurde, in drei Stunden auf einer einzigen GPU zu übertreffen. Die Anzahl der benötigten GPU-Stunden würde um mehr als das 1.000-fache reduziert. Bei 129.514 Bewegungen des Benchmarks verzeichnet SuperMimic 25 Fehler, verglichen mit 179 beim Referenzsystem, und danach keine mehr nach 9,8 Stunden Training auf zwei GPUs.
Am 21. Oktober 2026 kündigte Generative Bionics auf dem CES Unveiled Milan sein Projekt an, die größte Physical AI Data Factory Europas zu bauen, mit AMD als Partner für die KI-Infrastruktur.
Schließlich stellt die NASA mehrere Mondfahrzeuge und robotische Rover vor, die für die ersten Entwicklungsphasen ihrer Mondbasis bestimmt sind. Sie sollen zur Erforschung des lunaren Südpols, zu wissenschaftlichen Untersuchungen und zu Technologietests beitragen, die zukünftige Missionen vorbereiten.
