RoboSense stellt die zweite Generation seiner vollständig solid-state Wahrnehmungsplattform vor und positioniert sich als Einstiegspunkt für physische KI-Daten | Frontline

 Autor｜Nan Huang

Redaktion｜Silvia Yuan

Derzeit durchläuft der Bereich der verkörperten Intelligenz eine entscheidende Transformation. Zuvor konzentrierte sich ein großer Teil der Forschung und Entwicklung sowie der Demonstrationen der Branche auf Bühnenauftritte von humanoiden und vierbeinigen Robotern. Heute richten sich die industriellen Bewertungsmaßstäbe auf die langfristige und stabile Betriebsfähigkeit in realen Szenarien wie Fabriken, Industrieparks und Haushalten.

Doch ein reales Problem besteht darin: Die meisten Basismodelle werden nur auf der Grundlage von zweidimensionalen Bildern und simulierten virtuellen Daten trainiert. Ihnen fehlen native hochpräzise Informationen über Objektabstände, Materialien, Krafteinwirkungen und dynamische Interaktionen im echten dreidimensionalen Raum. Dadurch können Roboter zwar Bilder erkennen, aber nur schwer die tatsächlichen Funktionsweisen der physischen Welt verstehen.

Reine visuelle Sensoren sind anfällig für Störungen durch starkes Licht, Verdeckungen, Regen und Schnee, und es gibt natürliche Fehler bei der Entfernungsmessung und Berechnung der Raumstruktur. Die in simulierten Umgebungen konstruierten physischen Regeln unterscheiden sich stark von den realen Betriebsbedingungen, was direkt dazu führt, dass die Erfolgsrate von Aufgaben wie komplexem Greifen und lang andauernder Inspektion sinkt, sobald Roboter die Ausstellungsräume verlassen – eine skalierbare Umsetzung bleibt schwer erreichbar. Bislang wurde LiDAR nur als unterstützendes Navigationszubehör für Roboter angesehen, das ausschließlich die Funktion der Hindernisvermeidung erfüllt.

Erst jetzt beginnt die Branche zu erkennen, dass hochpräzise dreidimensionale Wahrnehmung die zentrale Datenquelle für die kontinuierliche Iteration von Physical AI ist.

RoboSense hat eine andere Einschätzung vorgelegt. Das Team von RoboSense weist darauf hin, dass hochpräzise Hardware für die 3D-Wahrnehmung nicht nur die „Augen“ sind, mit denen Roboter die Welt „sehen“, sondern auch eine unverzichtbare Datenquelle für das Funktionieren von Physical AI. Um den vollständigen geschlossenen Kreislauf von „Wahrnehmung – Verstehen – Entscheidung – Iteration“ zu schließen, muss die Generierungslogik von Raumdaten auf der Ebene der zugrunde liegenden Chips neu gestaltet werden, um kontinuierlich echte physische Informationen zu liefern, die für die fortlaufende Evolution des Modells verwendet werden können.

Vom 17. bis 20. Juli 2026 fand die Welt-KI-Konferenz 2026 (WAIC 2026) in Shanghai statt. RoboSense hat offiziell die zweite Generation der vollfestkörperlichen Wahrnehmungsplattform E2 vorgestellt, die auf dem selbst entwickelten „Peacock“-SPAD-SoC-Chip basiert. Damit wird das technische Layout von untergeordneten Chips bis hin zu räumlichen Wahrnehmungsprodukten systematisch präsentiert.

Vollfestkörperliche Wahrnehmungsplattform der zweiten Generation E2 (Quelle/Unternehmen)

Die E2-Plattform basiert auf dem selbst entwickelten großflächigen SPAD-SoC-Chip „Peacock“ und dem 2D-VCSEL-Chip. Sie verfügt über eine vollfestkörperliche Architektur, bei der sowohl die Signalübertragung und -empfang als auch die Datenverarbeitung auf Chipebene ablaufen. Im Vergleich zum Vorgängermodell bietet die E2-Serie einen größeren Sichtfeldwinkel und eine maximal dreimal höhere Genauigkeit. Die daraus resultierenden hochpräzisen räumlichen Wahrnehmungsdaten unterstützen die präzisen Operationen von Robotern in komplexen Umgebungen.

Ausgerichtet auf komplexe Szenarien wie Haushalt, Industrie und Inspektion wird E2 bereits in Produkten wie Mährobotern, humanoiden Robotern, vierbeinigen Robotern und Drohnen eingesetzt. Darüber hinaus wurden Kooperationsaufträge von Unternehmen für Gartenroboter, intelligente Hardware und Unterhaltungselektronik gewonnen.

E2 ist in die Phase der skalierbaren Anwendung eingetreten (Quelle/Unternehmen)

Die für Physical AI benötigten Daten unterscheiden sich grundlegend von Text- und Bilddaten aus dem Internetzeitalter. Xie Tiandi, Marketingdirektor von RoboSense, betonte in einem öffentlichen Interview: „Herkömmliche Videodaten sind für große Modelle der verkörperten Intelligenz tatsächlich relativ grob. Sie erfordern eine vollständigere räumliche Datenstruktur und genauere Tiefeninformationen – das stellt extrem hohe Anforderungen an die Sensoren. Herkömmliche Einzelkameras oder gewöhnliches Videomaterial reichen dafür möglicherweise nicht aus.“

Im Prozess der praktischen Anwendung von verkörperter Intelligenz hängt die Produktivität von Robotern nicht nur von intelligenten Modellen und ihrer physischen Struktur ab, sondern vor allem von hochwertigen räumlichen Daten, die kontinuierlich in der realen Welt erzeugt werden – und die in Trainingsmaterialien umgewandelt werden, die Roboter lernen und wiederverwenden können.

„Alle Unternehmen, die an Physical AI arbeiten, erkennen letztendlich, dass genaue Tiefeninformationen erforderlich sind, damit Roboter die reale Welt und die räumlichen Beziehungen von vorne, hinten, links und rechts verstehen“, so Xie Tiandi. Hochwertige räumliche Daten sind daher zu einem entscheidenden Produktionsfaktor im Zeitalter von Physical AI geworden.

Auf der Grundlage selbst entwickelter dreidimensionaler Raumsensorchips und einer digitalen Wahrnehmungsproduktmatrix will RoboSense nicht nur die „Augen der Roboter“ liefern, sondern auch ein Datenportal, das die reale Welt mit intelligenten Modellen verbindet.

Während der WAIC 2026 kündigte RoboSense Kooperationen mit Unternehmen wie Zhizai Wujie, Jianzhi Robot, Origen und Guanglun Intelligence an. Die Zusammenarbeit konzentriert sich auf Bereiche wie räumliche Wahrnehmung von Robotern, Erfassung von Daten aus der realen Welt, Datenverarbeitung, Modelltraining und Anwendungsvalidierung, um eine Infrastruktur für die Physical-AI-Wahrnehmung aufzubauen.

RoboSense-Stand auf der WAIC 2026 (Quelle/Unternehmen)

In der entscheidenden Phase, in der verkörperte Intelligenz zu skalierbaren Anwendungen voranschreitet, baut RoboSense eine Robotertechnologieplattform für das Physical-AI-Zeitalter auf – gestützt auf drei Kernkompetenzen: selbst entwickelte Chips, geschlossene KI-Datenkreisläufe und Serienproduktion nach Automobilstandard.

Chips sind die Grundlage für die fortlaufende Iteration von Wahrnehmungstechnologien. Im Gegensatz zu dem in der Branche üblichen Ansatz, Sensoren aus zugekauften diskreten Komponenten zusammenzustellen, verfolgt RoboSense den vollständigen selbst entwickelten SPAD-SoC-Weg. Der selbst entwickelte „Peacock“-Chip dient als standardisierte digitale Wahrnehmungsbasis. Bereits bei dem Chipdesign können Erfassungsgenauigkeit und Ausgabespezifikationen von Punktwolken einheitlich definiert werden, wodurch Leistungsverluste vermieden werden, die durch die Kombination diskreter Komponenten auf unterster Ebene entstehen.

Auf der Ebene der KI-Integration hat RoboSense bereits bei der anfänglichen Gestaltung von Produkten und Chips die Anforderungen großer physischer Modelle an die Erfassung hochpräziser räumlicher Daten berücksichtigt. Wenn verschiedene Roboter mit ihren Wahrnehmungsgeräten ausgestattet sind, generieren sie während von Bewegungs- und Greifvorgängen gleichzeitig Datenbestände, die für die Modelliteration verwendet werden – und liefern so hochwertiges Trainingsmaterial für die Weiterentwicklung von Physical AI.

Von der Bereitstellung der „Augen“ für Roboter hin zu einem Datenportal für Physical AI: RoboSense wandelt sich von einem Hardwareanbieter zu einem Dienstleister für Infrastruktur. Im Prozess der Skalierung von Physical AI wird diejenige Partei, die das Problem der Bereitstellung hochwertiger räumlicher Daten zuerst löst, wahrscheinlich eine grundlegendere Position in der Industriekette einnehmen.