36Kr Exklusiv | Doktoranden der Hong Kong University of Science and Technology gründen Unternehmen für robotische Ganzkörper-Tastsysteme, HSG, Lingzhi und Zhiyuan beteiligen sich gemeinsam an der Finanzierung

Autor | Yao Yujie

Redakteur | Yuan Silai

Hard-Krypton erfuhr, dass MoSense, ein Unternehmen für multimodale Ganzkörper-Taktilitätslösungen, kürzlich eine Angel-Finanzierung in Höhe von mehreren zehn Millionen Yuan abgeschlossen hat. Zu den Investoren gehörten Sequoia China, Hillhouse Ventures und Zhiyuan Robotik. Die Mittel aus dieser Finanzierungsrunde werden hauptsächlich für die Beschleunigung der Forschung und Entwicklung, die Erweiterung des Teams, den Einsatz von Rechenleistung und den Aufbau eines Massenproduktionstestsystems verwendet.

MoSense wurde im Mai 2026 gegründet, hat seinen Hauptsitz in Shanghai und ein Forschungs- und Entwicklungszentrum in Qianhai, Shenzhen. Das Unternehmen konzentriert sich auf die Forschung und Entwicklung multimodaler taktiler Wahrnehmungssysteme für den gesamten Körper von Robotern. Nur einen Monat nach der offiziellen Gründung erhielt das Unternehmen gemeinsame Investitionen von führenden US-Dollar-Fonds und Herstellern humanoider Roboter.

Da humanoide Roboter schrittweise von Demonstrationsszenarien zu echten komplexen Szenarien wie industrieller Fertigung, Logistiktransport und Haushaltsdienstleistungen übergehen, wird die umfassende generalisierte Wahrnehmungsfähigkeit von Robotern für ihre Umgebung zu einem wichtigen Engpass für die praktische Umsetzung. Im Gegensatz zum Sehen, das Umgebungsinformationen erfassen kann, ist das Tasten für die Wahrnehmung physikalischer Interaktionszustände wie Kontakt, Kraftaufwendung und Reibung verantwortlich und bildet eine wichtige Grundlage für Roboter, um stabile Operationen und autonome Entscheidungen zu treffen.

Allerdings sind die derzeitigen taktilen Lösungen in der Branche meist nur an lokalen Stellen wie geschickten Händen oder den Fingerspitzen von Greifern eingesetzt und können nur lokalen feinen Operationsanforderungen gerecht werden. In komplexen Szenarien fehlt anderen Körperteilen des Roboters immer noch taktiles Feedback, sodass keine vollständige Fähigkeit zur physischen Interaktion entsteht. Gleichzeitig sind viele traditionelle technische Ansätze durch Faktoren wie Kosten, Flächenabdeckung und Wahrnehmungsmodalitäten eingeschränkt, sodass eine großflächige, kontinuierlich gekrümmte Oberfläche nicht in großem Maßstab eingesetzt werden kann.

Um die umfassende Wahrnehmungsfähigkeit von Robotern zu verbessern, hat MoSense das flexible multimodale Ganzkörper-Taktilitätssystem MoSkin auf Basis elektromagnetischer Metamechanik-Technologie eingeführt. Es deckt mehrere Körperteile des Roboters wie Hände, Gliedmaßen, Rumpf und Fußsohlen ab und kann die starren physischen Grenzen des Roboters in eine kontinuierliche sechsdimensionale Kraftfeldwahrnehmung umwandeln. Dadurch wird eine multimodale taktile Erfassung über den gesamten Körper erreicht, die umfassendere physische Informationen für die Bewegungssteuerung und Umgebungsinteraktion des Roboters liefert.

Elektromagnetische Metawahrnehmungshaut (Fußsohle)

Um das Problem der einheitlichen Modalität traditioneller taktiler Systeme zu lösen, kann die MoSkin-Lösung des Unternehmens verschiedene komplexe modale physikalische Informationen wie Kraftwahrnehmung, Temperatur, Gleiten, Vibration und Material integrieren und eine der echten Haut nahekommende Wahrnehmungsfähigkeit erreichen. Neben der Hardware entwickelt MoSense auch gleichzeitig Algorithmen für die multimodale Fusion.

Dr. Yan Chaoxu erklärte, dass aktuelle Weltmodelle bereits Strategietrainings in Simulationsumgebungen durchführen können, aber bei der Bereitstellung der Modelle auf echten Robotern noch die Sim-to-Real-Lücke besteht. Ein wichtiger Grund dafür ist, dass echte Roboter kein vollständiges taktiles Feedback für den gesamten Körper haben, sodass physische Interaktionszustände nicht real abgebildet werden können.

Auf Basis der taktilen Ganzkörper-Hardware hat das Unternehmen ein Welt-Aktion-Taktilität-Vorhersagemodell entwickelt, das auf einem gating-Mechanismus für die multimodale latente Raumfusion basiert. Es korrigiert den langsamen Entscheidungsprozess durch hochfrequentes, mehrdimensionales taktiles Feedback kontinuierlich und nutzt die Ganzkörper-Taktilität, um physikalische Priorinformationen zu ergänzen, wodurch die Lücke zwischen Simulation und realer Umgebung weiter verkleinert wird.

Am Beispiel von Transportszenarien: Wenn der Roboter erkennt, dass sich die Reibung an der Hand oder einem lokalen Körperteil ändert, kann er vorhersehen, dass das Objekt abzurutschen droht, und die Greifstrategie aktiv anpassen, anstatt erst zu korrigieren, wenn das Objekt herunterfällt. Das Unternehmen hofft, dass Roboter durch die multimodale Fusionswahrnehmung des gesamten Körpers während der Ausführung kontinuierlich lernen und korrigieren, um ihre Generalisierungsfähigkeit in realen Umgebungen weiter zu verbessern.

Im Teambereich ist Mitbegründer und CEO Dr. Yan Chaoxu Absolvent der Abteilung für Mikroelektronik an der Hong Kong University of Science and Technology. Er hat lange Zeit Forschung zu Hochfrequenzsystemen, elektromagnetischen Algorithmen und verkörperten multimodalen Sensoren betrieben und verfügt über Erfahrung in der Industrialisierung und Massenproduktion von Mikroelektronikbauelementen.

Mitbegründer und CTO Dr. Zhou Hang ist Absolvent der Abteilung für Robotik an der Hong Kong University of Science and Technology. Er war früher leitender Algorithmusforscher bei einem inländischen Unternehmen für fahrzeugsicheres autonomes Fahren und hat lange Zeit Forschung zu End-to-End-Modellen für autonomes Fahren, Weltmodellen und Algorithmen für verkörperte Intelligenz betrieben. Mitbegründer und CFO Yang Mujun hat einen Master-Abschluss in Wirtschaftswissenschaften der University of Hong Kong. Er arbeitete bei mehreren führenden Finanz- und Technologieunternehmen und verfügt über reiche Erfahrung in der Finanzplanung und Unternehmensführung.

Chefwissenschaftler Wen Weijia ist derzeit Lehrprofessor an der Hong Kong University of Science and Technology und Dekan des Funktionszentrums an der Hong Kong University of Science and Technology (Guangzhou). Er erhielt den zweiten Preis des Nationalen Naturwissenschaftspreises und wurde in die Liste der "Top 2% weltweit führenden Wissenschaftler" von Elsevier aufgenommen. Er verfügt über Erfahrung in kontinuierlicher Unternehmensgründung und der Umsetzung wissenschaftlicher und technischer Ergebnisse.

Das Mitbegründerteam des Unternehmens und der Chefwissenschaftler (Quelle/Unternehmen)

Im kommerziellen Bereich wird die multimodale Fusions-Taktilitätslösung des Unternehmens derzeit kommerziell umgesetzt. Neben dem Geschäft rund um humanoide Roboter wird auch die Zusammenarbeit bei der Einführung intelligenter Sensoren in mehreren Branchen ausgebaut.

Im Folgenden ein Auszug aus dem Gespräch zwischen Hard-Krypton und Yan Chaoxu, dem Gründer von MoSense:

Hard-Krypton: Welche Pläne hat das Unternehmen für die zukünftige Anwendung der Ganzkörper-Taktilität?

Yan Chaoxu: Es gibt ungefähr drei Phasen: Erstens müssen Roboter lernen, die physischen Grenzen wahrzunehmen und grundlegende Funktionen wie Kollisionsschutz, Schutz vor Klemmverletzungen und feine Operationen zu erfüllen. Als Produktionswerkzeug ist Sicherheit wichtiger als Funktionalität bei Robotern.

Zweitens können Roboter mit Unterstützung der Ganzkörper-Taktilität verschiedene komplexe Aufgaben erledigen, beispielsweise wie ein Roboter mit einer großen Kiste läuft, wobei sichergestellt werden muss, dass die Kiste in komplexen Umgebungen nicht herunterfällt und der Roboter nicht stürzt. Auf fortgeschrittener Ebene kann der Roboter, wenn er merkt, dass die Kiste abzurutschen droht, die Kiste mit dem Oberschenkel abstützen, oder wenn er keine freie Hand hat, um die Tür zu öffnen, während er die Kiste trägt, kann er die Tür mit dem Fuß oder der Hüfte aufschieben. Die Roboter von FigureAI haben bereits ähnliche menschenähnliche Verhaltensfähigkeiten bei Hausarbeiten gezeigt.

Drittens, der wirklich schwierigste Schritt: Direkt auf hochpräzise Szenarien der Mensch-Roboter-Interaktion ausgerichtet. Nehmen wir das Szenario der Altenpflege und Medizin als Beispiel: Selbst eine scheinbar einfache Aktion, wie eine bewegungsunfähige Person aus dem Bett zu heben und zur Toilette zu bringen, ist ohne multimodale Ganzkörper-Kraftwahrnehmung fast unmöglich. Mit anderen Worten: Selbst wenn der Roboter bei zehntausend Wiederholungen einmal versagt und die Person auf den Boden stürzt, sind die Folgen inakzeptabel. Quantitativ ausgedrückt muss die Erfolgsrate über 99,999 % liegen.

Hard-Krypton: Warum treibt das Unternehmen neben der Forschung an taktiler Ganzkörper-Hardware auch die Forschung im Zusammenhang mit Weltmodellen voran?

Yan Chaoxu: Wir bestehen darauf, schwierige, aber richtige Dinge zu tun. Als Neuling in der Taktilitätsbranche ist der Ausgangspunkt von MoSense, einen wertvollen Beitrag zur Umsetzung von Robotern in echten komplexen Szenarien zu leisten.

Derzeit können Weltmodelle bereits umfangreiches Training in Simulationsumgebungen absolvieren. In einem Simulator kann der Roboter seine eigenen Körpergrenzen und die Umgebungsgrenzen genau kennen, sodass er komplexe Strategien für die Interaktion erlernen kann. Aber wenn diese Algorithmen auf echte Roboter angewendet werden, treten Probleme auf – da Roboter kein vollständiges taktiles Feedback für den gesamten Körper haben, können sie nicht feststellen, ob Arm, Schulter oder ein anderer Körperteil in Kontakt gekommen ist. Dadurch lassen sich die physischen Interaktionen in der Simulation kaum auf die reale Welt übertragen, was einer der wichtigen Engpässe für die praktische Umsetzung von Sim-to-Real ist.

Einerseits ergänzen wir die physische Wahrnehmung von Robotern für die reale Welt durch taktile Ganzkörper-Hardware, andererseits entwickeln wir gleichzeitig passende Weltmodelle. Wir hoffen, die Vorteile der Hardware voll auszunutzen, damit die Algorithmen wirklich auf echten Robotern eingesetzt werden können. Aber das reicht offensichtlich noch nicht. Um die Sim-to-Real-Lücke zu schließen, muss der Entscheidungsprozess durch multimodale Ganzkörper-Wahrnehmungsrückmeldung korrigiert und physische Priorwissen ergänzt werden. Daher hat MoSense auch selbst ein Welt-Aktion-Taktilität-Vorhersagemodell entwickelt, das auf einem gating-Mechanismus für die multimodale latente Raumfusion basiert. Wir hoffen, die Vorteile der Hardware voll auszunutzen, damit die Algorithmen wirklich auf echten Robotern eingesetzt werden können.

In Zukunft benötigen Roboterhersteller nicht nur eine Hardware, sondern eine vollständige Lösung, die den Wert direkt nachweisen kann. Wenn Kunden ein taktiles Ganzkörpersystem bewerten, wollen sie die praktischen Anwendungseffekte sehen, nicht nur eine elektronische Haut. Die direkte Nutzung unserer integrierten Lösung aus Haut und Algorithmus kann die Kosten für die Algorithmenentwicklung und die Erfassung von Ganzkörperdaten einsparen. Wir werden die meisten Funktionsmodule zunächst optimieren. Das endgültige Modell ähnelt ungefähr dem, wenn Automobilhersteller von Unternehmen für autonomes Fahren eine Gesamtlösung kaufen. Daher werden wir einen Teil der Algorithmen und Anwendungsentwicklung im Voraus abschließen, um Kunden zu helfen, die Produktvalidierung und -umsetzung schneller abzuschließen.

Unser Team ist nicht nur ein reines Hardware-Team, sondern besteht aus Fachkräften für Hardware, Sensorik und Algorithmen. Wir hoffen, durch die Zusammenarbeit von Software und Hardware die Ganzkörper-Taktilität zu einem wichtigen Bestandteil der Fähigkeiten von Robotern zu machen, nicht nur zu einem Sensorprodukt.