Humanoide Roboter: Ronnie Vuine über Räder statt Beine
Humanoide Roboter sind menschenähnliche Maschinen mit Kopf, Beinen und zwei Armen, die in Fabriken arbeiten sollen. Ronnie Vuine, Co-Founder von Micropsi Industries, hält dieses Design für teure Puppenspielerei. Im YouTube-Interview erklärt der Robotik-Unternehmer, warum Räder in der Industrie fast immer die bessere Wahl sind.
Vuine baut seit 2014 in Berlin Software für Industrieroboter. Sein Produkt MIRAI bringt Robotern Fähigkeiten durch Vormachen bei. Dutzende Systeme laufen weltweit in der Produktion. Nach seiner Aussage verdienen die Kunden damit Geld, anders als bei vielen humanoiden Prototypen.
Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Warum humanoide Roboter in der Fabrik scheitern
Vuines Kritik zielt auf zwei Bauteile: Kopf und Beine. Ein Industrieroboter braucht keinen Kopf. Kameras lassen sich dort platzieren, wo der Blick hin soll. Gigabit-Ethernet macht kurze Signalwege zum Rechner überflüssig.
Noch teurer sind Beine. Ein zweibeiniges Design trägt bis zu 15 Gelenke. Diese Gelenke arbeiten nur gegen die Schwerkraft. In der Montage erfüllen sie keine Funktion. Auf Rädern verbraucht ein Roboter 5 Prozent der Energie statt 50 Prozent.
Das Energieproblem verschärft die Batterie. Schwere Chemie auf beweglichen Beinen erhöht das Gewicht weiter. Für flache Fabrikböden gilt das Rad als logische Lösung. Auch Autos stehen aus demselben Grund nicht auf Beinen.
Der 70-Prozent-Irrtum bei Foundation Models
Generalistische Robotik-Modelle erreichen heute Task-Success-Rates von gut 70 Prozent. Für eine Fabrik reicht das nicht. Eine Autolinie fordert 99 Prozent und mehr. Selbst in der Küche bedeutet eine 70-Prozent-Quote einen kaputten Teller pro Woche.
Vuine hält das Versprechen der Foundation Models für Roboter deshalb für verfrüht. Sprache kann komplexe Montageschritte nicht beschreiben. Ein Roboter redet dann über die Aufgabe, statt sie zuverlässig auszuführen. Reinforcement Learning wiederum ist zu langsam für die physische Welt.
Ein Google-Versuch zeigte das Problem deutlich. Neun Monate lang griffen 30 Roboter im Keller nach Objekten. Das Ergebnis blieb mittelmäßig. Simulation hilft nur bei Schwerkraft, nicht bei Reibung oder verformbaren Materialien.
So trainiert Micropsi Roboter durch Vormachen
MIRAI startet ohne vortrainiertes Foundation Model. Das neuronale Netz kann anfangs nichts. Ingenieure bauen die Anwendung auf und montieren Kameras ins Handgelenk. Danach zeigt ein Bediener dem Roboter die richtige Position zum Werkstück.
Der Roboter scannt das Werkstück und schickt die Videodaten in die Cloud. Daraus entsteht ein Modell für die richtige Bewegung. Das System reagiert in Echtzeit auf den visuellen Reiz. Es findet die Stelle sogar dann, wenn sich das Werkstück bewegt oder verformt.
Vuine vergleicht das mit Basketball. Die Hand trifft den Ball ohne Messung, allein über das Auge. So montiert MIRAI baumelnde Kabel oder trägt präzise Kleberaupen auf. Einen ähnlich spezialisierten Weg zeigt die goodBytz-Roboterküche, die statt eines Humanoiden auf eine dedizierte Anlage setzt.
Räder statt Beine: Wohin der Markt steuert
Vuine skizziert drei Pfade für die Hersteller humanoider Roboter. Der erste Pfad bleibt reine Unterhaltung. Ein Roboter steht herum, öffnet Türen und begrüßt Gäste. Für dieses Segment gibt es einen kleinen, stabilen Markt.
Der zweite Pfad ist Elon Musks Wette. Er will Optimus über Skaleneffekte so billig machen, dass sich der Formfaktor Mensch überall lohnt. Vuine hält das für unwahrscheinlich. In der Tesla-Fabrik stehen heute keine humanoiden Roboter.
Der dritte Pfad gilt Beobachtern als der realistische. Das Wort humanoid driftet zu einem Design mit zwei Armen, drei Kameras und Rädern. Diese Deutung stammt vom Robotik-Pionier Rodney Brooks. Für Logistik und Produktion setzen sich humanoide Roboter mit Rädern durch, nicht mit Beinen.
Der echte Engpass: Hände und Daten
Die größte Lücke sieht Vuine bei den Händen. Aktuelle Roboterhände kosten so viel wie ein Kleinwagen. Er wünscht sich eine robuste Dreifinger-Hand für rund 6.000 Euro. Sie soll fühlen und drei Jahre halten. Chinesische Ingenieure könnten dieses Bauteil neu erfinden.
Auch Daten bleiben ein Engpass. Micropsi prüfte vor zwei Jahren die nötige Datenmenge für industrietaugliche Modelle. Das Ergebnis fiel ernüchternd aus. Für hochspezialisierte Fabrikaufgaben gibt es zu wenige relevante Trainingsdaten. Ein Datengeschäft trägt sich damit heute nicht.
Fazit
Humanoide Roboter faszinieren, weil sie aussehen wie Menschen aus alten Science-Fiction-Filmen. Für die Industrie bringt diese Form jedoch mehr Kosten als Nutzen. Zuverlässigkeit schlägt Optik, sobald ein System nachts allein durchlaufen muss.
Die Branche zieht daraus eine klare Lehre. Spezialisierte Roboter verdienen heute Geld, humanoide Prototypen noch nicht. Beobachter erwarten humanoide Roboter mit Rädern und besseren Händen. Als ernsten Faktor in der Produktion sehen sie diese erst in einigen Jahren.
Häufige Fragen
Warum sind humanoide Roboter für die Industrie ungeeignet?
Ronnie Vuine nennt zwei Schwachpunkte: Kopf und Beine. Ein Kopf ist überflüssig, weil sich Kameras frei platzieren lassen. Beine tragen viele Gelenke, die nur gegen die Schwerkraft arbeiten. Sie verbrauchen bis zu 50 Prozent der Energie. Auf Rädern reichen 5 Prozent. Für flache Fabrikböden gilt das Rad als günstiger, robuster und wartungsärmer als ein zweibeiniges Design.
Was bedeutet eine Task-Success-Rate von 70 Prozent?
Die Task-Success-Rate beschreibt, wie zuverlässig ein Roboter eine Aufgabe schafft. Gute generalistische Modelle liegen bei gut 70 Prozent. Für die Industrie reicht das nicht. Eine Autolinie braucht 99 Prozent und mehr. Selbst in einer Küche bedeutet eine 70-Prozent-Quote rechnerisch einen kaputten Teller pro Woche. Erst nahe 100 Prozent läuft ein System nachts ohne Ingenieur durch.
Wie trainiert Micropsi Industries Roboter ohne Foundation Model?
Das Produkt MIRAI startet von null. Das neuronale Netz kann anfangs nichts. Ein Bediener zeigt dem Roboter die Position zum Werkstück. Kameras im Handgelenk nehmen das Werkstück auf. Aus den Videodaten rechnet Micropsi ein Bewegungsmodell in der Cloud. Danach reagiert der Roboter in Echtzeit auf das visuelle Signal, sogar bei beweglichen oder verformten Teilen.
Werden humanoide Roboter Räder statt Beine bekommen?
Ronnie Vuine erwartet genau das für Produktion und Logistik. Das Wort humanoid driftet zu einem Design mit zwei Armen, Kameras und Rädern. Diese Deutung stammt auch von Robotik-Pionier Rodney Brooks. Beine ergeben nur Sinn, wenn ein Roboter unebenes Gelände oder Treppen bewältigt. In flachen Fabriken und Lagern gewinnt das Rad wegen Kosten, Energie und Zuverlässigkeit.
Warum funktionieren Foundation Models für Roboter noch nicht?
Foundation Models versprechen, dass ein Roboter sofort alles kann. In der physischen Welt fehlt dafür die Datenmenge. Sprache beschreibt feine Montageschritte nur ungenau. Reinforcement Learning ist zu langsam und Simulation scheitert an Reibung und Materialien. Micropsi prüfte die nötige Datenmenge und kam zu einem ernüchternden Ergebnis. Für spezialisierte Fabrikaufgaben tragen die Modelle heute nicht.
