Keine Follower des Silicon Valley: Einige junge Doktoranden setzen auf das integrierte Gehirn von zweibeinigen humanoiden Robotern.

Am Wochenende habe ich zu Hause soziale Plattformen durchstöbert, als mich ein Video total begeistert hat.

Ein Roboter fährt mit einem Kart rasant über die Rennstrecke, nimmt Kurven, beschleunigt und lenkt – alles in einer einzigen durchgehenden Einstellung ohne Schnitt.

Ich hätte nie gedacht, dass unsere Roboter mittlerweile schon ihre Fähigkeiten auf der Kart-Rennstrecke zur Schau stellen können!

Moment mal?

Das sieht ganz anders aus als das, was ich bei der WRC gesehen habe!

Roboter auf Messen laufen herum, es gibt Funken und Blitze – ich hätte nie gedacht, dass die Roboter in dem Video heimlich ohne Wissen der Menschen einen Rennfahrerkurs besucht haben!

Er ist ein erfahrener Fahrer durch und durch: er nimmt Kurven mit hoher Geschwindigkeit, weicht Hindernissen geschickt aus und absolviert eine ganze Runde ohne Unterbrechung.

Im Vergleich zu früheren Demos, bei denen Roboter langsam vorbeigehen und sich bücken, um Dinge aufzuheben, hat der Roboter in diesem Video tatsächlich selbst im Fahrzeug Platz genommen, Hand, Augen und Füße arbeiten synchron zusammen und er erreicht im Zustand voller Geschwindigkeit das Gleichgewicht an mehreren Kontaktpunkten und eine präzise Kraftsteuerung.

Solche zweibeinigen humanoiden Roboter, deren gesamter Körper mit Augen, Händen und Füßen zusammenwirkt und die bei schnellen Bewegungen und komplexen Haltungsänderungen durch körperliche Koordination feine Operationen ausführen, sind in früheren Demonstrationen humanoider Roboter kaum vorgekommen.

Das Unternehmen, das dieses Video veröffentlicht hat, heißt SymbiosisCognition.

SymbiosisCognition entwickelt das End-to-end integrierte "Gehirn" für Wahrnehmung und Steuerung von zweibeinigen humanoiden Robotern, also das Grundmodell.

Der Gründer Ding Pengxiang wurde 1996 geboren, alle übrigen Kernteammitglieder sind nach dem Jahr 2000 geboren, das gesamte Team studiert im Doktoratsstudium und das Unternehmen wurde vor genau zwei Monaten gegründet.

Zu dieser Demo, die etwas "unseriös" wirkt, erklärt Ding Pengxiang Folgendes:

Ich hoffe, dass Roboter menschenähnlicher werden, statt nur mechanische Dienstleistungsfunktionen auszuüben. Genau wie Menschen Karts fahren können, sollten Roboter das auch können.

Daraus ergibt sich eine Frage: Warum wagt eine Gruppe junger Menschen, die noch nicht einmal ihr Diplom erhalten haben, sich an den schwierigsten und modernsten Bereich der Embodied Intelligence heranzuwagen?

Auf den schwierigsten Weg setzen: Die hierarchische Forschung wurde abgeschlossen, jetzt wird End-to-End herausgefordert

Wie neu ist der Bereich des "End-to-End"-Modells für zweibeinige humanoide Roboter?

So neu, dass es keine fertigen Fachkräfte auf dem Markt gibt.

Nach den Worten von Ding Pengxiang hat diese Richtung erst in den letzten zwei Jahren an Bedeutung gewonnen. Die Menschen, die die Technik verstehen, absolvieren noch ihr Doktoratsstudium, sodass sie kaum passende Fachkräfte aus Personalpools finden können.

Personen, die vor vielen Jahren ihren Abschluss gemacht haben, können nicht mit dem Fortschritt Schritt halten, und diejenigen, die kein Doktoratsstudium absolviert haben, fehlt es an Verständnis für die grundlegende Ebene. Die modernsten Durchbrüche liegen in den Händen dieser Gruppe von Spitzen-Doktoranden.

Das Team von SymbiosisCognition ist genau diese Gruppe junger und hochmoderner Fachleute.

Sie haben die angesehenste akademische Auszeichnung im Bereich der Embodied Intelligence in China erhalten – zwei Best Paper-Preise und eine Nominierung als Best Paper Candidate; außerdem haben sie das erste Embodied-Grundmodell in China entwickelt, das mehr als 2000 GitHub Stars erreicht hat.

Noch wichtiger ist, dass sie keine Anhänger sind, die erst nach dem Eintreffen des Hypes gekommen sind, sondern zu den ersten Pionieren in China gehören, die die Embodied-Grundmodelle erforschen, und zu den konsequentesten Langzeitakteuren in diesem Bereich. Das Team hat insgesamt mehr als 40 Arbeiten auf Top-Konferenzen veröffentlicht, sein technisches Portfolio deckt den gesamten Stack aus Wahrnehmung, Entscheidungsfindung, Steuerung, Daten und Systemen ab; eine Reihe von branchenweiten Erstentwicklungen – von dualen Systemen über Leichtbau bis hin zu multipler Konfiguration – stammen von diesem jungen Team.

Ihre Einschätzung ist eindeutig: Die Form, in der Roboter am weitesten in das menschliche Leben eindringen, ist das zweibeinige Modell;

Nach dem Evolutionspfad von autonomem Fahren und großen Modellen ist End-to-End das technische Modell mit der höchsten Effizienz.

Diese Einschätzung stammt aus ihren praktischen Forschungserfahrungen.

Bereits im Dezember 2023 begann Ding Pengxiang, "Gehirne" in vierbeinige Roboter einzubauen.

Als Erstautor veröffentlichte er QUAR-VLA, das erste VLA-Aufgabenparadigma für vierbeinige Roboter, bei dem das übergeordnete Modell (Gehirn) für das Verständnis von Sehen, Sprache und Aufgabenintention zuständig ist, bevor die Entscheidungen an das untergeordnete Bewegungssystem (Kleinhirn) zur Ausführung übergeben werden.

Dieses hierarchische Konzept "Das Gehirn verwaltet die Entscheidungen, das Kleinhirn die Bewegungsausführung" ist das, was die Branche als Hierarchisierung bezeichnet, ein Konzept, das heute Unternehmen wie Figure weiterhin anwenden.

In der anschließenden Forschung stellte er nach und nach Probleme fest.

Er beschrieb die Hierarchisierung als "ein theoretisch machbares, aber nicht sehr elegantes Konzept":

Gehirn und Kleinhirn arbeiten jeweils für sich. Bei jeder neuen Aufgabe muss die Ausgabe der oberen Ebene individuell feinabgestimmt werden, um das Ergebnis zu optimieren.

Noch tiefer liegt ein angeborener Mangel in der Struktur.

Gehirn und Kleinhirn werden getrennt trainiert und erst beim Einsatz zusammengefügt. Selbst wenn jeder Teil optimiert ist, lässt sich nicht sicherstellen, dass das Gesamtsystem optimal funktioniert;

Jedes Mal, wenn zwischen den beiden Ebenen übersetzt wird, entsteht ein zusätzlicher Kaskadenfehler und Informationsverlust.

Ding Pengxiang stellt fest: "Solange das System hierarchisch aufgebaut ist, gibt es einen Informationsengpass. Diese Schnittstellengestaltung führt dazu, dass das hierarchische Architekturmodell kein echtes Scaling im eigentlichen Sinne erreichen kann."

Diese Einschätzung ergibt sich auch aus seiner langfristigen Beobachtung der Entwicklung von autonomem Fahren und großen Modellen.

Frühes autonomes Fahren stützte sich auf die Zusammenarbeit mehrerer Module für Wahrnehmung, Vorhersage, Planung und Steuerung. Später wurde erforscht, dass Modelle die Fahrfähigkeit direkt aus Daten lernen können.

Nachdem Tesla FSD auf End-to-End umgestellt wurde, hat sich die Leistung stark verbessert.

Nach Ansicht von Ding Pengxiang werden Roboter wahrscheinlich ähnliche Veränderungen durchlaufen, sodass das Modell den vollständigen Prozess "Wahrnehmung – Verstehen – Handeln" aus Daten lernen kann.

Seine Logik lautet: Seit 2023 wurde das hierarchische Konzept wiederholt umgesetzt. Wenn man davon ausgeht, dass die zukünftige Skalierung von Daten das System schließlich zu End-to-End führen wird, ist es nicht nötig, noch einmal den Umweg zu gehen.

Dieser Schritt findet im Jahr 2026 statt.

Googles Gemini Robotics 2 nutzt bereits eine einzelne Strategie, um alle Körperbewegungen von den Füßen bis zu den Fingerspitzen in einem einzigen Modell zu vereinen;

Der Konsens der Top-Konferenz RSS 2026 stellt jedoch fest, dass ein End-to-End-Einzelmodell keine komplexen dynamischen Vorgänge des gesamten Körpers abdecken kann, und das hierarchische modulare Konzept ist die derzeit optimale Lösung für die praktische Umsetzung.

Das rein End-to-End-Konzept, auf das SymbiosisCognition setzt, ist ein radikerer Weg, den nur wenige gehen.

Warum ausgerechnet zweibeinig? Ding Pengxiangs Antwort ist das Prinzip des ersten Grundes: Die Gebäude, Werkzeuge und Umgebungen der menschlichen Gesellschaft sind alle nach der Körperkonfiguration des Menschen gebaut.

Radmodelle können nur in Produktionslinien und Einkaufszentren arbeiten, zweibeinige Roboter können nach draußen gehen, Treppen steigen, Autos fahren und verschiedene Aufgaben über unterschiedliche Szenarien hinweg erledigen.

Allgemeine Einsetzbarkeit führt zu einer Verteilung der Kosten, und zweibeinige Roboter haben zudem eine menschenähnliche sympathische Ausstrahlung.

Der richtige Zeitpunkt ist ebenfalls entscheidend. Vor April 2026 gab es noch kein allgemeines Teleoperationsmodell für zweibeinige humanoide Roboter. Ohne Datenquellen ließ sich kein Grundmodell trainieren.

Erst mit der Open-Source-Veröffentlichung von Nvidias Sonic erhielt die Branche die Grundlage für die großangelegte Erzeugung von Daten.

Dieser Bereich befindet sich nicht mehr in der frühen Phase, in der man "keine Daten zum Trainieren hat", ist aber auch noch nicht so weit entwickelt, dass sich die Routen vollständig stabilisiert haben. SymbiosisCognition nutzt genau dieses Zeitfenster.

Technische Wasserscheide: Andere erforschen die Kinematik, sie arbeiten an der Dynamik

Zuerst muss eine Wasserscheide klar gemacht werden: Die überwiegende Mehrheit der heutigen Grundmodelle für Roboter lernt eigentlich Kinematik.

Die Kinematik befasst sich mit dem Weg von Punkt A nach Punkt B, wo die Hand sich hinbewegt und ob sie etwas erfasst. Für fest installierte Roboterarme funktioniert das problemlos, da sie nicht umfallen können.

Wenn ein zweibeiniger Roboter sich nach etwas ausstreckt, ändert sich gleichzeitig der Schwerpunkt seines Körpers;

Wenn er sich hockt, um ein Objekt aufzuheben, muss die Taille nach vorne geneigt werden, und Knöchel sowie Beine müssen die Kraft neu verteilen, um das Gleichgewicht zu halten;

Zusätzlich kommen Reibung, Kollisionen, Trägheit und Kontakt hinzu – das Modell steht vor einem System der gesamten Körperdynamik.

Nach Angaben von Ding Pengxiang hat ein g1-zweibeiniger humanoider Roboter 29 Freiheitsgrade, was viel komplexer ist als die 7 Freiheitsgrade von Roboterarmen.

Früher lernten Roboter "Bewegungsbahnen", humanoide Roboter müssen lernen, "wie sich der Körper in der physischen Welt bewegt".

Von der Kinematik zur Dynamik, von der Aufgabenerfüllung zur Stabilität – das ist die echte technische Wasserscheide für Modelle zweibeiniger Roboter.

Das erklärt, warum SymbiosisCognition das Modell bis zur Joint Target-Ebene entwickelt hat, also zur Gelenkziel-Ebene.

Im hierarchischen Konzept gibt das Gehirn zuerst kinematische Ziele aus, das untergeordnete Kleinhirn berechnet daraus Gelenkbewegungen;

SymbiosisCognition entfernt diesen Zwischenschritt und lässt das Modell direkt auf den Körperzustand von Dutzenden Gelenken zugreifen.

Daraus ergibt sich die Frage: Wenn man das Kleinhirn entfernt, kann der Roboter dann noch stabil stehen?

Allein durch Nachahmungslernen lernt das Modell nur Standardbewegungen, es kennt keine wackeligen Körperzustände während der Ausführung und kann bei unbekannten Zuständen direkt umfallen.

Ihm fehlt die Fähigkeit, nach einem Fehler wieder stabil zu stehen.

Der Kern von SymbiosisCognition ist ein duales kooperatives Optimierungsverfahren namens "Aufgabenverhaltensmodellierung – Bewegungsprior-Destillation".

Ein Optimierungspfad übernimmt das Behavior Cloning, um die Aufgabengenauigkeit und die Fähigkeit zur Anpassung von Bewegungen zu gewährleisten; der andere Pfad nutzt DriftDistill, um die Stabilität, Störfestigkeit und Fehlerwiederherstellungsfähigkeit des untergeordneten Steuerers in ein einheitliches intrinsisches Bewegungsprior des Modells umzuwandeln.

Es handelt sich nicht um eine einfache Überlagerung zweier Loss-Funktionen, sondern um die Integration der Fähigkeiten "Aufgaben genau erledigen" und "Körper stabil steuern" in ein einziges Modell, sodass das große Modell gleichzeitig Aufgabenintelligenz und Körperintelligenz erhält.

Wenn DriftDist