Octopus Power «Sturm»

Auf dem Gebiet der verkörperten Intelligenz ist Octopus Dynamics zweifellos eine außergewöhnliche Erscheinung.

Das Team verfügt über beeindruckende Lebensläufe, Investoren setzen schnell auf das Unternehmen, und die Produktentwicklung schreitet mit hohem Tempo voran. Das Unternehmen wurde erst im Januar dieses Jahres gegründet und nahm im März den offiziellen Betrieb auf. Innerhalb von nur einem halben Jahr sicherte es sich mehrere Finanzierungsrunden von renommierten Investoren: Horizon Robotics, Xiaomi und GL Ventures beteiligten sich nacheinander mit einem Gesamtbetrag von fast 1 Milliarde Yuan, und die neueste Finanzierungsrunde über 500 Millionen Yuan steht kurz vor dem Abschluss.

„Jeden Monat gibt es Kapital, das einsteigen möchte“, teilte ein Investor dem 36Kr mit.

Bei den Produkten setzt Octopus Dynamics gleichzeitig auf drei derzeit besonders boomende Bereiche der verkörperten Intelligenz: Weltmodelle, geschickte Hände und Datenerfassung. Im Unternehmen wurde schon früh ein Transparent mit der Aufschrift „Entscheidender Kampf auf der WRC“ aufgehängt, das diese Konferenz als klaren Entwicklungszeitpunkt festlegt.

Das Team erfüllte die Erwartungen: Während der 2026 World Robot Conference veröffentlichte Octopus Dynamics auf einmal drei Kernprodukte: das verkörperte native universelle Weltgrundmodell SYNWorld V0.5, die hochgradig freiheitsgradige bionische seilgetriebene geschickte Hand OctoH-Hand und das nächstgenerationale multimodale Datenerfassungssystem OctoSense.

Noch erstaunlicher ist, dass Octopus Dynamics unter einer Vielzahl von Startups für verkörperte Intelligenz, die auf externe Kapitalzufuhr angewiesen sind, als erstes die Fähigkeit zur Eigenversorgung erreicht hat: Die kommerzielle Umsetzung verläuft erfolgreich, und bis Ende 2026 wird ein Jahresumsatz in Höhe von mehreren hundert Millionen Yuan erwartet.

Wer ist Octopus Dynamics eigentlich? Oder anders gefragt: Warum hat sich das Unternehmen in dem zunehmend umkämpften Bereich der verkörperten Intelligenz durchgesetzt?

„Gehirn und Hand als Einheit“ – Rückkehr zum ersten Prinzip der Intelligenz

In den letzten zwei Jahren hat sich die Branche der verkörperten Intelligenz zunehmend segmentiert. Einige entwickeln VLA, andere Weltmodelle, wieder andere geschickte Hände, und immer mehr Unternehmen steigen in die Datenerfassung ein.

Für ein Startup bedeutet „Fokussierung“ in der Regel, dass es leichter ist, punktuelle Erfolge zu erzielen und schnell Ergebnisse vorzuweisen.

Dennoch greift Octopus Dynamics fast gleichzeitig in die drei derzeit äußerst wettbewerbsintensiven Bereiche der verkörperten Intelligenz ein: Grundmodelle, geschickte Hände und Datenerfassung – das Vorgehen ist sehr „umfangreich“.

Warum sollte ein neu gegründetes Unternehmen die Frontlinie freiwillig so weit ausdehnen?

Die Erklärung von Du Dalong, Gründer und CEO von Octopus Dynamics, stammt aus seinem Verständnis der „Intelligenz“ an sich.

„Die menschliche Intelligenz hat sich nie getrennt vom Körper entwickelt. Je geschickter die Hände wurden, desto komplexere Bedienfähigkeiten erwarben die Menschen; je komplexer die Werkzeuge wurden, desto mehr forderte dies die kontinuierliche Entwicklung des Gehirns heraus“, sagte Du Dalong.

„Ein kluger Kopf“ und „eine geschickte Hand“ ergänzen sich von Natur aus und fördern sich gegenseitig.

An dieser Stelle taucht das erste Schlüsselwort zum Verständnis von Octopus Dynamics auf – „Gehirn und Hand als Einheit“.

Betrachten wir zuerst das „Gehirn“.

Das Grundmodell der SYNWorld-Serie ist die unterste Ebene. Das neu veröffentlichte SYNWorld V0.5 ist ein verkörpertes natives universelles Weltgrundmodell mit über 10 Milliarden Parametern, dessen Trainingsdaten mehr als 300.000 Stunden umfassen. Seine MoT-Architektur führt gleichzeitig durch gemeinsame Aufmerksamkeit eine crossmodale Modellierung durch, sodass Text, Sehen, Bewegung, Kraftwahrnehmung, Tastsinn und Körperzustand in ein einheitliches Rahmenwerk gelangen – das ist auch der Kerngedanke des Technologiepfades „Sehen, Kraft und Tastsinn“ von Octopus Dynamics.

Auf Basis von SYNWorld gabelt sich das Modell in zwei Richtungen auf: ACWM (Action-Conditioned World Model) und WAM (World Action Model).

ACWM befasst sich mit der Frage „Was passiert als Nächstes, wenn der Roboter diese Aktion ausführt?“; WAM generiert anhand von Umgebung und Ziel die Aktionen, die der Roboter durchführen soll. Ersteres ist auf die Vorhersage der Welt ausgerichtet, Letzteres auf Handlungsentscheidungen – beide teilen das Verständnis der physischen Welt.

Durch dieses einheitliche Training sind das „Verstehen der Welt“ und das „Einwirken auf die Welt“ der verkörperten Intelligenz keine zwei getrennten Systeme mehr, wodurch echte Universalität erreicht wird.

Dieser Technologiepfad ist nicht einzigartig für Octopus Dynamics: Derzeit verfolgen Google DeepMind, NVIDIA und mehrere Branchenriesen ähnliche Richtungen weiter.

Die besonders beeindruckende Errungenschaft von Octopus Dynamics ist jedoch die kontinuierliche Skalierbarkeit des SYNWorld-Modells.

Kontinuierliche Skalierbarkeit bedeutet, dass mit der zunehmenden Abdeckung von Daten, Modellen, Rechenleistung und Aufgaben die Fähigkeiten des Modells ständig weiterentwickelt werden können.

Derzeit positioniert Octopus Dynamics SYNWorld V0.5 explizit als Ausgangspunkt dieser Skalierungskurve. Mit den derzeit über 10 Milliarden Parametern plant das Unternehmen, diese auf über 20 Milliarden zu erweitern und anschließend auf ein MoE-Modell mit mehreren hundert Milliarden Parametern umzustellen, während der Bewertungsbereich schrittweise auf mehr Aufgaben, Szenarien und Roboterplattformen ausgedehnt wird.

Besonders bemerkenswert ist, dass Octopus Dynamics rund um die SYNWorld-Grundmodellserie eine Reihe von Infrastrukturen für Daten, Training, Inferenz und Bewertung aufgebaut hat. Die tägliche Datenkapazität der Data Infra übersteigt 10.000 Stunden, und die gemessene Trainingseffizienz der Training Infra ist mehr als zehnmal so hoch wie die entsprechende Open-Source-Lösung.

Das führt direkt zum zweiten Produkt – dem multimodalen Datenerfassungslösung OctoSense.

In der heutigen Branche der verkörperten Intelligenz ist eines der allgemeinen Konsensprobleme der Datenmangel. Insbesondere im Bereich „Tastsinn“ des Technologiepfades „Sehen, Kraft und Tastsinn“, auf den Octopus Dynamics setzt, sind Daten extrem knapp.

Fan Qingyuan, Mitbegründer von Octopus Dynamics, teilte 36Kr mit, dass die OctoSense-Datenerfassungslösung ursprünglich nur für den internen Gebrauch im Team von Octopus Dynamics entwickelt wurde. Da es in der Branche jedoch keine ausgereiften Lösungen gibt, haben sich nach der Produktivsetzung zahlreiche Kunden und Partner aktiv um Kooperationen bemüht.

Konkret umfasst die multimodale Datenerfassungslösung OctoSense von Octopus Dynamics drei Kernprodukte: Ego-Kopfband mit vier Fischaugenkameras, EMG-Armband und bionisches Exoskelett-Datenhandschuh.

Die drei Produkte schließen jeweils eine Lücke: Das Ego-Kopfband löst die Probleme der Skalierbarkeit und der visuellen Erfassung aus der ersten Person; das Exoskelett-Handschuh ergänzt hochpräzise Informationen zur Handpose, zu Berührungen und Kräften; das EMG-Armband löst weiterhin die Probleme der visuellen Verdeckung und der schwer zu beobachtenden aktiven Krafteinwirkung.

Besonders große Aufmerksamkeit in der Branche gilt dem EMG-Armband.

Im Vergleich zu visuellen oder Kraftsensorlösungen ist die Erfassung von EMG-Signalen direkter und in Echtzeit, unempfindlich gegen Sichtverdeckungen und zudem sehr leicht. Sie senkt die Hürde für die Erfassung hochwertiger menschlicher Demonstrationsdaten erheblich – schließlich ist es ein großer Unterschied, ob ein Fließbandarbeiter einen Tag lang einen schweren Datenhandschuh trägt oder ein leichtes EMG-Armband.

Das größte Hindernis für die Skalierbarkeit herkömmlicher EMG-Lösungen liegt jedoch darin, dass EMG-Signale naturgemäß Unterschiede zwischen verschiedenen Personen aufweisen: Die Position des Sensors, Schweiß und Müdigkeit verändern die Signalverteilung, sodass bei einem Wechsel der Person eine erneute Kalibrierung erforderlich ist.

Die herausragende Errungenschaft von Octopus Dynamics liegt in der Entwicklung des großen EMG-Modells SynEMG, das erstmals die Null-Shot-Generalisierung von EMG-Signalen zwischen verschiedenen Personen realisiert. Wenn das Modell auf neue Personen trifft, die nicht im Trainingssatz enthalten sind, sind weder zusätzliche individuelle Daten noch inkrementelles Training erforderlich – es vollzieht den Wandel von „ein Modell für eine Person“ zu „ein Modell für tausend Personen“.

Die Überwindung der Generalisierbarkeit bedeutet, dass die Obergrenze durchbrochen wird, die herkömmliche EMG-Erfassungslösungen einschränkt, und die Skalierbarkeit der Datenerfassung für verkörperte Intelligenz ermöglicht wird.

Das dritte Produkt, die geschickte Hand OctoH-Hand, ist das andere Ende des Konzepts „Gehirn und Hand als Einheit“ von Octopus Dynamics: Sie lässt die verkörperte Intelligenz wirklich in die physische Welt eintreten.

Die OctoH-Hand verfügt über eine seilgetriebene Struktur mit 23 aktiven Freiheitsgraden und 28 unabhängig steuerbaren Aktoren. In Handfläche und Fingern sind mehr als 1900 taktile Sensoren integriert. Durch Gelenkstromrückkopplung und taktile Rückkopplung wird eine vollständige geschlossene Kraftsteuerung aufgebaut, deren mittlere Betriebsdauer zwischen Ausfällen (MTBF) 1000 Stunden erreicht.

Dafür gibt es drei zentrale Konstruktionsmerkmale:

Erstens, ein besonders bahnbrechender Punkt, ist das Konzept des „digitalen Zwillings“ der OctoH-Hand.

Die geschickte Hand OctoH-Hand und das Exoskelett-Datenhandschuh aus der OctoSense-Datenerfassungslösung weisen eine identische Bewegungskonfiguration, Freiheitsgraddefinition und Wahrnehmungskonfiguration auf.

Bei herkömmlichen Lösungen müssen die von Menschen erfassten Daten normalerweise einer Bewegungsumleitung, Parameterzuordnung und Abstimmung unterzogen werden, bevor sie zu Aktionen werden können, die die Roboterhand ausführen kann.

Die Lösung von Octopus Dynamics sorgt dafür, dass die erfassten Daten möglichst direkt in die geschickte Hand gelangen, um „sofort nach der Erfassung einsatzbereit“ zu sein. Sie schließt die Schleife zwischen „Gehirn, Hand und Daten“ und macht die geschickte Hand von einem unabhängigen Hardwareteil zu einem Bestandteil des gesamten physischen KI-Systems.

Zweitens ist sie stark bionisch gestaltet. Die Aktoren der OctoH-Hand sind im Unterarm platziert und treiben die Finger über Seile an. Das ähnelt der Muskel-Sehnen-Struktur des Menschen und ermöglicht es, mehr Freiheitsgrade im begrenzten Raum der Handfläche unterzubringen. Ihre Geschicklichkeit, Bewegungsfähigkeit und Bedienfähigkeit nähern sich direkt der menschlichen Hand an.

Drittens ist sie mit einer vollständigen geschlossenen Kraftsteuerung ausgestattet. Wenn Roboter wirklich in Haushalte, Industrie und Dienstleistungsszenarien eintreten, wird die Schwierigkeit der Bedienung schnell von „Dinge greifen“ zu „Dinge mit der passenden Kraft bedienen“ übergehen. Basierend auf den antreibbaren elektromechanischen Eigenschaften der Gelenke kombiniert die OctoH-Hand die Rückkopplung des Gelenkstromkreises und die duale Kraftwahrnehmung durch Tastsinn, um ein echtes System zur vollständigen geschlossenen Kraftsteuerung von der internen Antriebskraft bis zur externen Kontaktkraft aufzubauen. Dadurch können sehr feine Bedienvorgänge der geschickten Hand wie Schrauben drehen, Einstecken, Drücken, Drehen und Ziehen ausgeführt werden.

Grundmodell, geschickte Hand und Datenerfassung bilden einen vollständigen geschlossenen Kreislauf: Menschen erzeugen Daten, das Modell lernt physikalische Gesetze; das Modell generiert Aktionen, die geschickte Hand führt sie in der realen Umgebung aus; während der Ausführung entstehen neue taktile, kraftbezogene und aufgabenbezogene Ergebnisse, die in die nächste Trainingsrunde zurückfließen.

Octopus Dynamics nennt dieses gesamte Konzept Bio2Robot. Es zielt darauf ab, biologische Bedieninformationen des Menschen wie Sehen, Bewegung, Berührung und Krafteinwirkung in Daten umzuwandeln, die Roboter lernen und wiederverwenden können. Anschließend lernt das Weltmodell die Gesetze und kehrt über die geschickte Hand in die reale Welt zurück.

Extreme Skalierbarkeit, extreme Universalität

Während des Austauschs zwischen 36Kr und dem Gründungsteam von Octopus Dynamics tauchte ein Wort wiederholt auf – „kohlenstoffbasierte Daten“.

Wie lassen sich die ständig im Rahmen der menschlichen tatsächlichen Arbeit stattfindenden Bewegungserfahrungen in Trainingsdaten umwandeln, die von Maschinen genutzt werden können, um klügere und universellere Robotergehirne zu entwickeln und die Umsetzung der „siliziumbasierten Intelligenz“ voranzutreiben?

Ja, der wahre Ehrgeiz von Octopus Dynamics besteht nicht nur darin, einen klügeren Roboter zu bauen, der in Fabriken „Schrauben dreht“.

Was Octopus Dynamics wirklich anstrebt, ist eine „universelle physische Intelligenz“ mit extremer Skalierbarkeit und extremer Universalität.

Oder anders ausgedrückt: Eine verkörperte Intelligenz auf dem Niveau von AGI.

An dieser Stelle taucht das zweite Schlüsselwort zum Verständnis von Octopus Dynamics auf – „Extreme Skalierbarkeit, extreme Universalität“.

In den letzten sechs Monaten wird in der Branche der verkörperten Intelligenz immer häufiger über das Skaling Law gesprochen. VLA hat bereits bewiesen, dass Roboter immer mehr Aufgaben lernen können. Aber in der Sprachwelt sind die Token von Natur aus einheitlich: Die grundlegende Bedeutung eines Wortes ändert sich nicht drast