LinkDyna RoboticsAnkündigung
Bisherige Roboter-KI scheiterte oft daran, dass Bewegungsdaten mühsam per Teleoperation an physischen Maschinen gesammelt werden mussten. Wenn sich räumliche Intuition und Interaktionsphysik tatsächlich über gewöhnliche Videoaufnahmen von Menschen skalieren lassen, sinken Trainingsaufwand und Kosten für industrielle und gewerbliche Robotikeinsätze dramatisch.
Dyna Robotics beansprucht den Nachweis, dass Robotik foundation models nicht an knappen Teleoperationsdaten verharren müssen, sondern von großen Videodatensätzen profitieren können. Der Sprung in der Zero-Shot-Qualitätsrate von 46 % (DYNA-1) auf 87 % (DYNA-2) bei Kundeneinsätzen zeigt das Potenzial der WAM-Architektur. Zudem erholt sich das Modell eigenständig nach Störungen, was für den Produktiveinsatz in unstrukturierten Umgebungen entscheidend ist.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Link:Moo Jin Kim, Karl Pertsch, Siddharth Karamcheti et al.
OpenVLA ist ein quelloffenes Vision-Language-Action-Modell (VLA) mit 7 Milliarden Parametern zur Steuerung von Robotern. Es basiert auf Prismatic-7B, nutzt Llama 2 und wurde auf 970.000 Roboter-Episoden trainiert. Das Modell übertrifft bisherige Generalisten wie Octo und RT-1-X sowie teilweise das proprietäre 55B-Modell RT-2-X.
Artikel:Saeed Babamohamadi
NVIDIA präsentiert mit Cosmos 3 eine offene Modellfamilie, die als World Action Model (WAM) physikalische Dynamiken erlernt und Steuerungsaktionen gemeinsam mit zukünftigen Kamerabildern generiert.
Artikel:Moo Jin Kim et al.
Forschende von Stanford, UC Berkeley, Google DeepMind und weiteren Institutionen stellen OpenVLA vor, ein quelloffenes Vision-Language-Action-Modell mit 7 Milliarden Parametern. Das auf 970.000 realen Roboterdemonstrationen trainierte Modell übertrifft geschlossene Vorgänger wie RT-2-X deutlich und lässt sich per LoRA auf handelsüblichen GPUs feinjustieren.
Artikel:Peiyan Li, Yuze Zhu, Yixiang Chen, Qisen Ma, Yuan Xu, Jiabing Yang, He Guan, Yan Huang, Hongtao Wu, Xiao Ma, Tao Kong, Liang Wang, Tieniu Tan
Forschende stellen BridgeVLA++ vor, ein Vision-Language-Action-Framework für 3D-Roboter-Manipulationen. Aufbauend auf BridgeVLA erweitert das Modell vortrainierte Vision-Language-Modelle (VLMs) um eine Architektur für räumlich-zeitliches Gedächtnis, um vergangene Beobachtungen und Interaktionshistorien effizient einzubeziehen.
Link:Zhe Liu, Jinghua Hou, Yuxiang Lu, et al.
Forschende der University of Hong Kong und von ACE Robotics stellen StreamPI vor. Das Framework erweitert Vision-Language-Action-Modelle (VLAs) wie π0.5 um zeitliche Kontextverarbeitung, ohne neue Modellparameter hinzuzufügen. Durch die paarweise Bindung von Bild- und Textbefehlen sowie ein Trainingsverfahren mit zufälligen Zeitintervallen verbessert StreamPI die Präzision und Robustheit bei der realen Robotersteuerung.
Link:Celeris
Celeris hat mit Celeris-1 Magnus ein Modell vorgestellt, das speziell für agentische Aufgaben, Tool-Aufrufe und schnelle Abarbeitung optimiert ist.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
