Beobachtungen zur WRC2026: Die „offensichtliche Linie“ ist die praktische Umsetzung, die „verborgene Linie“ sind die Daten

Auf der diesjährigen WRC gehören menschenähnliche Roboter, die Pakete auf Förderbändern sortieren und Schrauben an Arbeitsplätzen anziehen, mit solchen „praxisnahen“ Szenarien ebenso wie die nach wie vor beliebten vorführungsorientierten Ausstellungen zum Alltag – dies ist ein für viele erfreulicher Fortschritt der Branche.

Rückblickend betrachtet ist dies jedoch nicht das Ganze der WRC 2026, sondern zumindest nur der Teil der „offenen Linie“.

„Wie viele Daten, insbesondere wie viele hochwertige Daten vorhanden sind, bestimmt, wie groß die KI-Fähigkeit ist.“ Dieser Satz, den Wang Xingxing, Gründer von Unitree Robotics, auf der WRC äußerte, ist das fast unausgesprochene Konsens aller Aussteller der diesjährigen Konferenz. Die Gliedmaßen menschenähnlicher Roboter sind bereits weitgehend trainiert: Sie können laufen, springen, Salti schlagen und Treppen auf und ab gehen, während ihr „Gehirn“ noch unzureichend versorgt ist.

Die Frage lautet: Woher kommen die Daten, mit denen das Gehirn versorgt wird?

Ein auf der WRC wiederholt zitierter Datensatz zeigt, dass die aktuellen konformen Daten für reale physikalische Interaktionsszenarien in China nur 500.000 Stunden betragen, während die kommerzielle Implementierung von Robotern mehrere zehn Millionen Stunden erfordert – die Lücke beträgt über 99 %.

Von Hunderttausend zu Zehn Millionen fehlen hier zwei Größenordnungen.

So wurde „Daten“ zur verborgenen Linie der gesamten WRC.

Verschiedene Akteure zeigen ihre eigenen Fähigkeiten: Einige geben menschliche Verhaltensdaten als Open Source heraus, andere verkaufen Datenerfassungshandschuhe, einige setzen auf Simulationen, wieder andere halten an echten Daten von realen Geräten fest.

In diesem Trubel gibt es einige Unternehmen für verkörperte Intelligenz, die keine Ausstellungsstände haben und kaum beachtet werden, aber über die am meisten knappen Daten der gesamten Branche verfügen.

Open-Source-Menschdaten – Vertrauen auf die Massenlinie

Guanglun Intelligence ist einer der Akteure mit den größten Maßnahmen im Datenbereich auf der diesjährigen WRC.

Am 20. August veröffentlichten sie das weltweit erste offene multimodale Datensatz für menschliches Verhalten im Umfang von Hunderttausenden Stunden: EgoSuite-Open100K.

Dieser Datensatz umfasst 100.000 Stunden menschliche Daten aus der ersten Perspektive, deckt 7 große Umgebungen, 128 Szenentypen, mehr als 15.000 Erfassungsszenarien und über 15.000 Aufgaben ab.

Die Daten stammen hauptsächlich aus der ersten Perspektive mit Kopfmontage, teilweise ergänzt durch Handgelenkkameras, und bieten Handhaltungshinweise, Ganzkörperhaltungshinweise und semantische Annotationen auf Ereignisebene. Die ersten Daten sind bereits über Hugging Face zum Download freigegeben.

Yang Haibo, CEO von Guanglun Intelligence, erläuterte die Gründe für diese Datenstrategie: Seiner Meinung nach ist es mit der reinen Fernsteuerung von realen Geräten kaum möglich, die Versorgung mit Trainingsmaterialien im Umfang von mehreren zehn Millionen Stunden zu gewährleisten. Die Branche braucht dringend zwei parallele Wege: menschliche Videodaten und simulierter Synthesedaten.

Daher besteht die Strategie von Guanglun in der „Massenlinie“ – menschliche Verhaltensdaten als Open Source freigeben, einen geschlossenen Kreislauf für kontinuierliches Lernen von Real2Sim2Real aufbauen und sogar einen Plan zum gemeinsamen Aufbau von 10 Milliarden Stunden an Daten für verkörperte Intelligenz innerhalb von 5 Jahren vorschlagen: Einfach ausgedrückt: Wenn ich die Daten nicht allein erfassen kann, soll die gesamte Branche gemeinsam daran arbeiten.

Parallele Nutzung von echten Daten und Simulation – Fortschritt auf zwei Beinen

Derzeit ist die Kombination aus einem kleinen Anteil echter Daten und einem großen Anteil simulierter Daten eine Notlösung unter Datenmangel und zugleich der Hauptarbeitsbereich vieler Unternehmen der Industriekette.

Xinghaitu ist ein Vertreter dieser Richtung. CEO Gao Jiyang äußerte sich auf der WRC klar dazu: Er hält an der vorrangigen Nutzung echter Daten fest. Nach seiner Berechnung unter Berücksichtigung von Datenkosten, Rechenkosten und Personalkosten für F&E-Ingenieure sind „die Datenkosten tatsächlich relativ beherrschbar und nicht so hoch wie angenommen – das Teuerste ist vielmehr die Zeit der F&E-Ingenieure.“

Die echten Datenbestände von Xinghaitu umfassen den im September 2025 als Open Source veröffentlichten GOD-Datensatz für echte Szenarien mit der weltweit höchsten Downloadzahl; durch Investitionen in Unternehmen wie Jianzhi und Yuanliu werden die Datenquellen erweitert. Es ist geplant, den Umfang echter Daten bis 2026 auf 1 Million Stunden zu bringen.

Gleichzeitig gibt Xinghaitu die Simulation nicht auf – die Anzahl der Zitationen seiner Veröffentlichungen liegt weltweit auf dem ersten Gebiet der Weltmodelle.

In gewissem Sinne ist die Äußerung von Gao Jiyang eher ein Ideal. Derzeit machen simulierte Daten immer noch den Großteil des Trainings für verkörperte Intelligenz aus. Zukünftig möchten alle so viele echte Daten wie möglich nutzen, doch fehlen dazu derzeit noch die Voraussetzungen.

Selbst das beliebte Unternehmen Unitree Robotics kann neben der Nutzung von Betriebsdaten realer Roboter zur besseren Anpassung an die physische Welt nicht auf massenhafte Internetdaten für das Vortraining verzichten.

Fortschritt auf zwei Beinen: Ein Bein ist für die Vorstellung der Welt und „umfangreiche Kenntnisse“ zuständig, das andere für die „bodenständige Arbeit“ – dies wird für lange Zeit der Normalzustand der Entwicklung von verkörperter Intelligenz sein.

Echte Daten für extreme Betriebsbedingungen, die im Bergwerk gesammelt werden

Bei der Durchsicht der bisherigen Inhalte stellt man möglicherweise fest: Die Daten aller oben genannten Akteure – ob menschliche Verhaltensvideos, simulierter Synthesedaten oder ferngesteuerte Daten von realen Geräten – stammen fast alle aus relativ standardisierten, strukturierten, sicheren und kontrollierbaren Szenarien wie Laboren, Fabrikhallen oder häuslichen Umgebungen.

Doch es gibt eine Art von Daten, die mit allen oben genannten Methoden nicht erfasst werden können.

Das sind die echten physikalischen Interaktionsdaten unter extremen Betriebsbedingungen: in Bergwerken in 1000 Metern Tiefe, neben Schmelzöfen mit Temperaturen von mehreren tausend Grad, an den Rändern von Sprenggebieten in Tagebaugruben, an Einsatzorten mit stark gemischtem Betrieb unter Störungen durch Staub und Licht.

In diese Szenarien wollen Menschen nicht gehen (63 % der Bergbauunfälle werden durch menschliches Versagen verursacht), Simulationen können sie nicht nachbilden (die physikalische Komplexität unstrukturierter extremer Betriebsbedingungen übersteigt die Modellierungsfähigkeit von Simulations-Engines), und die Fernsteuerung kann die Erfassung nicht durchführen (Kommunikationsverzögerungen, Abschwächung durch Verdeckungen, Überlastung mehrerer Fahrzeugkanäle).

Genau diese Daten hält CSD (Corechips Robotics) in Händen.

In seiner Grundsatzrede auf der WRC legte Hu Sibo, CEO von CSD, eine Reihe von Zahlen vor: Bis zur ersten Hälfte des Jahres 2026 umfasst die autonome Fahrzeugflotte von CSD mehr als 3400 Einheiten, davon wurden insgesamt über 1900 unbemannte Bergbaufahrzeuge ausgeliefert, die fast 40 Bergwerke weltweit abdecken. Die maximale Anzahl an Fahrzeugen im regulären Betrieb in einem einzelnen Bergwerk beträgt bis zu 220 Einheiten.

Was bedeutet das? Das bedeutet, dass 1900 schwere Maschinen täglich in mehr als 40 Bergwerken mit extremen Betriebsbedingungen real betrieben werden und fortlaufend erstklassige Daten der gesamten Kette aus Wahrnehmung, Entscheidung und Ausführung erzeugen. Das sind keine sauberen Daten aus dem Labor, keine synthetischen Daten aus dem Simulator und keine Verhaltensvideos, die von Menschen mit Kopfmontagegeräten aufgenommen wurden – das sind Daten, die Maschinen in einer echten „Höllenumgebung“ durch praktische Arbeit erzeugt haben.

Hu Sibo äußerte in seiner Rede einen entscheidenden Satz: „Das autonome Fahren hinterlässt nicht nur Algorithmen und Fahrstrecke, sondern auch das Verständnis, das 1900 Fahrzeuge täglich in mehr als 40 Bergwerken erworben haben, und vor allem das Verständnis der Maschine für die physische Welt.“

Die versteckte Bedeutung dieses Satzes lautet: Der Wettbewerbsvorteil der schweren verkörperten Intelligenz liegt nicht in den Modellparametern, sondern in der Anhäufung echter Daten unter extremen Betriebsbedingungen.

Auf der Grundlage dieser Daten hat CSD eine dreischichtige technische Plattform für schwere verkörperte Intelligenz aufgebaut:

Auf der unteren Ebene befindet sich eine einheitliche Daten-Engine, die mehrdimensionale Daten aus Produktion, Umgebung und Fahrzeugen sammelt;

Auf der mittleren Ebene steht ein Weltmodell für schwere Lasten: Das Endgerät-Aktionsmodell ist für die Echtzeitentscheidung im Millisekundenbereich zuständig, und das Cloud-Trainingsmodell wird kontinuierlich weiterentwickelt;

Auf der oberen Ebene befindet sich ein System für Clusterentscheidung und -planung, das in einem einzelnen Szenario mehr als 1000 intelligente Einheiten koordinieren kann.

Noch wichtiger ist, dass CSD nicht auf den „Transport“-Abschnitt beschränkt bleibt: 70 % der Bergbauarbeiten sind nicht transportbezogen – Bohren, Sprengen, Graben, Beladen. CSD erweitert gerade das aus Transportdaten trainierte „Gehirn“ auf alle Arbeitsabläufe: 34 Grabroboter wurden bereits ausgeliefert, der Tagebau-Sprengmittelroboter realisiert den vollständigen unbemannten Ablauf von Lochsuche, Sprengmitteleinfüllung und Fahrzeugumstellung, der Schmelzpfannen-Transportroboter transportiert 75-Tonnen-Schlackenpfannen bei Temperaturen von mehreren tausend Grad, und der untertägige Bergbau-Vortriebsroboter hat die gesamte Herstellung abgeschlossen.

Und die geschäftliche Grundlage, die all dies stützt, ist eine Zahl, die im Bereich der verkörperten Intelligenz besonders auffällt: Im ersten Halbjahr 2026 betrug der Gesamtumsatz 804 Millionen Yuan, ein Anstieg von 97 % gegenüber dem Vorjahr; der Bruttogewinn belief sich auf 212 Millionen Yuan, was einem Anstieg von 204 % entspricht; der Umsatz mit autonomen Fahrdiensten wuchs um 107,3 % gegenüber dem Vorjahr.

Vor dem Hintergrund, dass die gesamte Branche generell hohe Investitionen und Geldverbrauch verzeichnet, ist CSD einer der wenigen Akteure, die den geschlossenen Wirtschaftskreislauf bereits erfolgreich umgesetzt haben und einen klaren Weg zur Rentabilität haben.

Die Positionierung von CSD ist ebenfalls klar: Es stellt keine Endgeräte her, sondern liefert nur das „Gehirn“ und fungiert als technischer Partner für die Intelligente Umgestaltung von schweren Maschinen.

Dieses Modell als „Gehirnanbieter“ ermöglicht es dem Unternehmen, agil zu arbeiten, Algorithmen, Daten und Clusterplanung auf das Maximum zu optimieren und gleichzeitig entlang der drei Linien „Träger, Szenarien und internationale Expansion“ zu wachsen. In Zusammenarbeit mit Proton Automotive und Yunshenshu Technology wird das Einsatzgebiet von Bergwerken auf Schmelzbetriebe und Logistikparks erweitert, und chinesische Lösungen werden in ressourcenreiche Länder wie Australien, Brasilien und Indonesien gebracht.

Datenerfassungs-Hardware: Der Verkauf von Werkzeugen für die Datenerfassung ist ebenfalls ein gutes Geschäft

Wenn Daten als Gold betrachtet werden, verkauft diese Gruppe von Akteuren die Werkzeuge für den „Datenabbau“.

Auf der WRC stellten Hersteller von Datenerfassungs-Hardware ihre Produkte in großer Zahl vor.

Octopus Dynamics zeigte drei Produkte: Fischaugen-Kopfbänder, Elektromyographie-Armbänder und exoskelettale isomorphe Datenerfassungshandschuhe, die zusammen als OctoSense bezeichnet werden. Das Kernmerkmal ist die weltweit erstmalige Realisierung der domänenübergreifenden Null-Shot-Generalisierung von Elektromyographie-Daten zwischen verschiedenen Personen. Der Hintergrund ist das langjährige Problem der traditionellen Elektromyographie-Erfassung: Die Elektromyographie-Signale jeder Person unterscheiden sich stark voneinander. Octopus Dynamics versucht, menschliche Betriebsdaten nahezu verlustfrei mit realen Geräten abzugleichen.

Zili Bianliang hat ebenfalls einen Demonstrationsbereich für die Datenerfassung ohne eigenes Gerät vor Ort eingerichtet. Drei Datenerfassungs-Hardwarekomponenten nutzen einen einheitlichen Datenausgabestandard, sodass die erfassten Materialien na