Will Knight möchte, dass ein Roboter seine Katze füttert. Der leitende Autor bei WIRED, der über künstliche Intelligenz berichtet, hat eine Bengalkatze namens Leona und einen Plan: Ein kleiner Laufroboter soll sie finden, den Kopf senken und ein Leckerli aus einem Fach fallen lassen, das auf seiner Oberseite angebracht ist. Das Leckerli ist nicht die Nachricht. Die Nachricht ist, dass der Roboter bereits in der Software funktioniert – und dass ein KI-Modell den größten Teil des Trainings übernommen hat, den ein Robotikingenieur normalerweise von Hand erledigen müsste.

Der Roboter ist ein virtueller Microduck, der entenförmige Zweibeiner von Pollen Robotics, der Robotiksparte von Hugging Face. Knight brachte ihm bei, sich in einem Raum zu bewegen, ohne umzufallen, und jede Bengal-Katze in der Nähe zu erkennen. Seinen Angaben zufolge dauerte das ein paar Stunden – früher hätte ihn die Aufgabe womöglich Wochen gekostet. In seiner Kolumne bezeichnet er das als die Zukunft der Robotik. Das stimmt zur Hälfte. Die Trainingsschleife ist drastisch verkürzt worden. Was sich auf beiden Seiten dieser Schleife befindet, hat sich dagegen kaum verändert.

Was das Modell tatsächlich geleistet hat

Knight kombinierte OpenAIs GPT-6 Sol mit Hermes, einem agentischen Framework von Nous Research, und ließ das Ganze auf einem Nvidia DGX Spark laufen – einem Desktop-Rechner mit einem leistungsstarken KI-Chip. Das Modell schrieb nicht bloß Code. Über Nvidia Isaac Sim gab es Anweisungen an das Modell, das die simulierte Ente steuerte, sah sich Videos von deren Bewegungen an, bewertete den Fortschritt und schlug Änderungen am Trainingsverfahren vor. Ausführen, beobachten, nachjustieren, wiederholen: Das ist der langwierige, wenig glamouröse Teil des Roboterlernens – und genau dieser Teil wurde automatisiert.

Auch Forschungslabore berichten von einem ähnlichen Wandel. An der UC Berkeley gab die Gruppe von Professor Ken Goldberg OpenAIs Modell Astra Zugriff auf ein Nvidia-Werkzeug namens Newton, zeigte ihm einen Clip mit einem echten Roboter und bat es, die Szene als Simulation nachzubauen. „Was uns alle umgehauen hat: Innerhalb einer Stunde hatte es eine vollständige 3D-Simulation mit sämtlichen Parametern erstellt – Kameraposition, Beleuchtung, Hintergrund und alle Materialien“, sagte Goldberg gegenüber WIRED. Astra könne außerdem die Experimente durchführen und die Ergebnisse untersuchen, sagte er. Damit übernehme es einen großen Teil der mühsamen Arbeit, einen Roboter in einer Simulation zu trainieren.

Für dieses Verfahren gibt es inzwischen einen Namen. ASPIRE ist ein Framework, an dessen Entwicklung unter anderem Goldberg und Jim Fan von Nvidia beteiligt waren. Ein großes Sprachmodell schreibt darin den Steuerungscode für einen Roboter, wertet bei Fehlschlägen die Ausführungsprotokolle aus, repariert das Programm und legt die funktionierende Lösung in einer Fähigkeitsbibliothek ab, auf die spätere Aufgaben zurückgreifen können. Fans Labor bei Nvidia stellte den Code für Version 1.0 laut ToolNavs und RuntimeWire Mitte Oktober unter der Apache-2.0-Lizenz auf GitHub. In einer Demo lernen Roboterarme, einen Rubik’s Cube zu lösen. „Der Roboter nimmt ihn hoch und versucht, ihn zu drehen, aber der Winkel stimmt nicht“, sagte Fan gegenüber WIRED. „Dann denkt er sehr, sehr lange nach, aber irgendwann schafft er es, weil er mit der Zeit die nötigen Fähigkeiten erlernt.“

Die Fähigkeit, die jetzt billig zu haben ist, bleibt gemietet

Was die Rede von „Vibe Robotics“ ausspart, ist Folgendes: In der ASPIRE-Arbeit steht ausdrücklich, dass die Leistung mit dem zugrunde liegenden Frontier-Modell steigt. Für den Einsatz von Anthropics Claude Opus 5.5 gibt das Team eine durchschnittliche Erfolgsquote von 99 Prozent bei allen 80 Manipulationsaufgaben des LIBERO-Pro an. Diese vom Projekt selbst gemeldete Zahl wurde bislang nicht unabhängig reproduziert. In der eigenen Liste der Einschränkungen heißt es, das System sei von einem feststehenden Frontier-Modell abhängig; außerdem sei nicht überprüft worden, ob kleinere Modelle dieselbe Debugging-Schleife aufrechterhalten können.

Denkt man das weiter, zeigt sich: Die Ente eines Hobbybastlers und der Roboterarm eines Berkeley-Labors lernen inzwischen ungefähr so gut, wie es das große Modell zulässt, auf das sie zugreifen können. Das technische Know-how, das der Robotik früher den Weg versperrte, ist nicht verschwunden. Ein großer Teil davon steckt jetzt in dem Frontier-Modell, dessen Nutzung sich der Entwickler leisten kann.

Die Ente wartet noch immer in der Lieferwarteschlange

Die andere Seite der Trainingsschleife ist die Hardware – und Knight wartet noch auf seine. Pollen nahm Ende August Vorbestellungen für den Microduck zum Preis von 399 Dollar entgegen und stellte eine Lieferung vor Weihnachten in Aussicht. Business Insider berichtete unter Berufung auf Hugging-Face-Mitgründer Thomas Wolf, dass der Bestellwert in den ersten 24 Stunden 2,6 Millionen Dollar überschritten habe. Kurz darauf verschob die Bestellseite neue Lieferungen auf einen Zeitraum von vier bis sechs Monaten. Gadget Flow zufolge weist der Shop inzwischen darauf hin, dass aktuelle Vorbestellungen erst nach April 2027 versandt werden. Das Training in der Simulation ist der vorgesehene Weg: Laut dem eigenen Arbeitsablauf von Pollen trainieren Besitzer Verhaltensweisen an einer virtuellen Ente und übertragen sie anschließend auf den physischen Roboter. Doch eine Steuerung, die auf einen Körper wartet, ist noch keinem Teppich, Sofabein oder einer Katze begegnet, die nicht mitspielen will.

Knight verschweigt auch die übrigen Probleme nicht. Das Sehsystem seiner Ente funktioniere nicht gut genug, um in einem echten Produkt eingesetzt zu werden, schreibt er. Als er dem Modell ein GIF von Michael Jackson gab, damit es den Moonwalk lernt, brachten Stunden voller Mühe lediglich das hervor, was er einen ausgesprochen beschwingten Rückwärtslauf nennt. Auch die Autoren von ASPIRE führen eine ähnliche Reihe von Lücken auf, die einem Einsatz in der realen Welt im Weg stehen: zuverlässige Erkennung erfolgreicher Aktionen, sichere Rücksetzungen, Sicherheitsüberwachung und Kalibrierung. Bei all dem geht es darum, zu wissen, was in einem physischen Raum tatsächlich passiert ist – und genau das kann ein Simulator nicht sagen.

Wohin das Geld fließt

Nichts davon bremst das Interesse. Goldberg sagt, eine Reihe von Unternehmen aus den Bereichen Industrierobotik und Automatisierung habe Interesse an dem Ansatz gezeigt. Knight argumentiert, dass die höhere Geschwindigkeit Fertigung und E-Commerce schon bald stark beeinflussen könnte. Bei der Conference on Robot Learning, die diese Woche in Austin stattfindet, zeigte Fan in seiner Keynote, wie Astra die Kontrolle über einen Roboterarm übernimmt und mit herumliegenden Farben und Pinseln die Golden Gate Bridge malt.

Die Folge ist, dass Fehler künftig an anderer Stelle auftreten. Wenn das Training eines Roboterverhaltens Stunden statt Wochen kostet, werden Teams viel mehr Verhaltensweisen trainieren. Der knappe Schritt wird dann darin bestehen, nachzuweisen, welche davon außerhalb der Simulation sicher sind. Ein Leckerli, das neben Leona statt in ihrem Napf landet, ist eine günstige Art, das zu lernen. Ein Lagerroboterarm, der eine von einem Modell geschriebene und auf der realen Lagerfläche nie überprüfte Fähigkeit ausführt, ist eine teure.

Schlagwörter: nvidia, Hugging Face, Microduck, Pollen Robotics, Roboter