Kevin Kelly × Wang He: Humanoide Roboter treten in die Ära der Koordination von Großhirn und Kleinhirn

„Wenn man die Modelle betrachtet, kann man sagen, dass China und die USA jeweils ihre eigenen Stärken haben und sich aufeinander zu bewegen. Chinas industrielles Ökosystem ist vollständiger, und die iterative Schleife einschließlich Modellen und Daten ist schneller; die USA hingegen sind bei der reinen Technologie großer Modelle weiter vorne, sie können sogar einem Textmodell die Fähigkeit zur Verkörperung beibringen.“

Am 21. September äußerte Wang He, Gründer und CTO von Galaxy Universal, diese Ansicht bei dem Salon „Treffen auf dem Gipfel – Kevin Kelly im Gespräch mit neuen chinesischen Technologiekräften“, der gemeinsam von 36Kr und Chen Yuan 139 von Zhongjian Zhidi veranstaltet wurde.

Veranstaltungsort

Als er auf konkrete technische Durchbrüche und Ideen zu sprechen kam, bestätigte Kevin Kelly dies auch: „Das ist eure Mission.“ KK fügte hinzu, er könne sich vorstellen, dass China in KI-bezogenen Bereichen einschließlich verkörperter Roboter eine führende Position einnimmt.

Der „AstraTennis-Moment“ der verkörperten Intelligenz

Das erste Mal, dass KI die Welt erschütterte, war 2016. In diesem Jahr besiegte AlphaGo die besten menschlichen Spieler im Go-Spiel und ließ die Welt die Stärke der künstlichen Intelligenz zum ersten Mal wirklich spüren. Das hat auch Wang He, der damals noch Student an der Tsinghua-Universität war, stark beeindruckt. Aber er gab auch zu, dass er sich damals noch nicht vorstellen konnte, dass das GPT-Paradigma nur drei Jahre später auftauchen würde; und bis 2022 konnte ChatGPT die auf Go spezialisierte Intelligenz schnell zu einer allgemeinen Intelligenz weiterentwickeln, die jede Sprache beherrscht.

Bei der Eröffnungsfeier der Weltmeisterschaft der humanoiden Roboter am 22. August stellte Galaxy Universal das weltweit erste End-to-End-Modell für humanoide Roboter für vollständig autonomes Tennisspiel vor – AstraTennis. Mit einem spannenden Mensch-Maschine-Tennisduo bewies es, dass verkörperte Intelligenz in der physischen Realität voller Unsicherheiten Wahrnehmung, Spieltheorie und Ausführung von Ganzkörperbewegungen durchführen kann.

Dazu kommentierte der US-Investor Andrew Kang einst: „AlphaGo für jeden Sport kommt.“

Wang He gab zu, dass er selbst skeptisch war, als das Team im Juni 2025 vorschlug, dass humanoide Roboter vollständig autonom Tennis spielen – Tennis stellt extrem hohe Anforderungen an die Präzision des Schlags, den Aufschlagpunkt, das Laufen und das Gleichgewicht. Bis kurz vor dem Frühlingsfest war das Team in der Simulationswelt ausgereift, und er beschloss, eine Woche lang eine echte Anlage zu mieten, um dies zu überprüfen. „Schließlich hat der Forschungsfortschritt mein Verständnis erneut übertroffen: Es kann spielen.“

Wang He

Er fügte hinzu, dass Galaxy Universal neben Ganzkörperbewegungen auch die geschickte Handbedienung humanoider Roboter durchbrochen hat, was weltweit das erste Mal ist. „Hinter der ständigen Herausforderung unterstützt uns der Optimismus, von dem Herr KK spricht.“

Als er über die Entwicklung humanoider Roboter und verkörperter Intelligenz sprach, sagte Kevin Kelly außerdem: „Die Herstellung humanoider Roboter wird die komplexeste Veränderung sein, die wir je vorgenommen haben. Es ist weitaus komplexer als die Luftfahrt und als Fabriken, hinzu kommen die Komplexität der Chips, die Komplexität und Empfindlichkeit der Hände sowie die Kraft- und Rechenleistungsscheduling, die für ihren Betrieb erforderlich sind. Es ist das Komplexeste, das wir je gebaut haben. Deshalb ist es auch die am schwierigsten gut zu fertigende Maschine.“

Und weltweit gehen die „Durchbrüche“ der verkörperten Intelligenz weiter.

Im September dieses Jahres veröffentlichte OpenAI sein Flaggschiff-Modell GPT-6 Astra, das von der Behörde als „das intelligenteste und am besten ausgerichtete Modell bisher“ bezeichnet wird.

Das Team von Galaxy Universal stellte durch Bewertungen fest, dass GPT-6 Astra bei verkörperten Aufgaben starke Schlussfolgerungsfähigkeiten zeigt. In dem durchgeführten RoboDojo-Experiment erreichte GPT-6 Astra+π0,5 einen durchschnittlichen Wert von 62,6 Punkten bei zehn Aufgaben, fast das Doppelte des zweiten Platzes. In einem weiteren RoboLab-Experiment lag die Erfolgsrate von GPT-6 Astra Direct bei 50 Versuchen bei 98 %; die Erfolgsrate von Astra+π0,5 bei 92 %. Während π0,5, DreamZero und andere in derselben Statistik weniger als 40 % erreichten.

„Astra ist das erste Modell in der GPT-Serie, das Fähigkeiten zur Verkörperung zeigt. Seine verkörperten Fähigkeiten sind sehr stark und sehr „geschickt“ – ohne spezielles Training kann man es direkt mit Sprachbefehlen anweisen, Aufgaben auszuführen. Zum Beispiel kann man es zufällig anweisen, einen Turm aus Holzblöcken und Holzplatten zu bauen. Man kann sehen, dass GPT-6 Astra ständig darüber nachdenkt, was bei jedem Schritt zu tun ist, und entscheidet, ob es das verkörperte Modell π0,5 aufruft oder es selbst erledigt. Eine solch völlig untrainierte Aufgabe kann es beim ersten Mal erledigen. Bei allen derartigen Aufgaben liegt die Erfolgsrate über 60 %, während die besten früheren Modelle nur bei etwa 10 % lagen – das ist genau die Bedeutung dieses Durchbruchs“, bewertete Wang He.

Das, was GPT-6 Astra wirklich stark macht, ist nicht nur, dass es „versteht“, sondern auch, dass es entdecken kann, „was falsch ist“. Zum Beispiel entdeckt es im Experiment, dass die Greifhaltung nicht ideal ist, und ändert dann die Annäherungsweise; beim Einpacken in Kisten kann es feststellen, dass sich hinter der Kiste noch ein übersehenes Objekt befindet ... Das zeigt, dass GPT-6 Astra nicht mechanisch eine zuvor generierte Trajektorie ausführt, sondern eine geschlossene Schleife von „Beobachten – Entscheiden – Ausführen – Erneut Beobachten“ bildet.

Die Kooperation von Großhirn und Kleinhirn bei Robotern realisieren

„Digitale Intelligenz ist eine Wissensintelligenz, während Roboterintelligenz eine intuitive Intelligenz ist. Die meisten Schlussfolgerungen und Denkvorgänge des Menschen gehören zum langsamen System im Gehirn, dem Slow System. Die menschliche Bedienung hingegen gehört zum schnellen System in unserem Gehirn, dem System eins. Solch ein schnelles System erfordert viel Übung, um diese Fähigkeit zu einer angeborenen, unbewussten Reaktion zu machen. Große Modelle hingegen können eine sehr komplexe, sogenannte Chain of Thought nutzen, eine ganz andere Art von Intelligenz.

Für die nächste Richtung sagte Wang He: „Auf diesem Weg hoffen wir, Schritt für Schritt ein System aufzubauen, das wie ein Mensch Großhirn, Kleinhirn und Brücke des Gehirns vollständig verbindet, sowohl über hochrangige Urteilsfähigkeit als auch über niedriggradige menschen- und tierähnliche Gehirnsysteme verfügt, damit unsere humanoiden Roboter wirklich Intelligenz besitzen.“

Bei der technischen Route stellte Wang He zwei Wege für große verkörperte Modelle vor: Googles VLA (Vision Language Action) betont, dass jede Datenausgabe eine Roboteraktion enthalten muss; OpenAIs World Model ist allgemeiner, aber die Daten müssen nicht unbedingt Roboter enthalten. Galaxy Universal hat als erstes beide kombiniert und das World Action Model (WAM) vorgeschlagen – das sowohl die Zukunft vorhersagen als auch Aktionen vorhersagen kann. Diese technische Route wird heute von der akademischen Welt weithin anerkannt.

Unter der Unterstützung des allgemeinen Gehirns WAM absolvierte der Roboter von Galaxy Universal auch eine 30-minütige vollständige Herausforderung für Haushaltsarbeiten bei der Weltmeisterschaft humanoider Roboter, die den gesamten Prozess von Gegenständen zurücklegen, Müll entsorgen, Wäsche waschen, trocknen und falten abdeckt. Unterwegs kann es auch auf plötzliche Anweisungen wie das Abholen von Paketen reagieren und gewann am Ende fast mit voller Punktzahl die Goldmedaille des Wettbewerbs.

Wang He

Neben dem Großhirnmodell verdient auch das Kleinhirnmodell von Galaxy Universal Aufmerksamkeit. Wang He sagte: „Früher mussten Roboter tanzen, indem man zuerst die menschlichen Trajektorien auf den Roboter übertrug und sie nach der Einrichtung bereitstellte. Jetzt kann unser allgemeines Kleinhirnmodell erreichen, dass, wenn ein Mensch einen Tanz einmal tanzt, der Roboter ihn sofort nachtanzt. Diese hinterlegten Intelligenzen übertreffen sogar die Fähigkeit des Menschen, Körperbewegungen zu beherrschen – es ist wirklich ein allgemeines Kleinhirnmodell, das mit 2 Milliarden Frames menschlicher Bewegungsdaten trainiert wurde.“

Zu diesen Durchbrüchen sagte Kevin Kelly: „Der nächste große Durchbruch wird sein, Roboter wirklich arbeiten zu lassen. Was wir die ganze Zeit tun, wird enorme Auswirkungen haben. Das ist genau das, was aufregend ist.“

Mit Blick auf die Zukunft sagte Wang He: „Wir werden unseren Roboter-Körper, Groß- und Kleinhirn, Datenplattform sowie die gesamte Werkzeugkette für Training und Bereitstellung zu einer Infrastruktur aus vier Einheiten machen und sie der gesamten Branche zugänglich machen. Jeder kann dann mit einem sehr einfachen Prozess zur Datenerfassung und Nachbearbeitung Roboter unterrichten. Zu diesem Zeitpunkt werden humanoide Roboter als Produktiv- und Dienstleistungskraft in alle Branchen und Bereiche einziehen.“

Wesen und Sicherheitsgrenzen von Robotern – Partner, keine Ersetzer

Mit der Entwicklung von intelligenten Agenten werden in Zukunft in der physischen Welt immer mehr Roboter in die Gesellschaft, in Haushalte und andere menschliche Lebensbereiche einziehen. Wie können die Menschen dann die Sicherheitsgrenzen zwischen Mensch und Roboter einhalten? Wird der viel diskutierte „KI-Killer“ Realität werden?

Zu dem Verhältnis zwischen beiden ist Kevin Kelly der Ansicht: „Wenn wir KI einen Körper verleihen – also Roboter –, müssen wir verstehen: Sie sind nicht wie wir, sie sind keine Menschen. Und die Tatsache, dass sie nicht wie Menschen sind, ist kein Mangel, sondern genau ihr größter Vorteil. Meiner Meinung nach sind diese intelligenten Träger mit physischem Körper eine wertvolle Ressource mit niedrigen Kosten. Denn es gibt viele intellektuelle Probleme, die der Mensch allein nicht lösen kann und die auch KI allein nicht lösen kann – aber wenn KI und Mensch zusammenarbeiten, geht es. Mensch und Roboter sind genau solch eine Partnerschaft.“

Veranstaltungsort

Wang He stimmte der Ansicht von Kevin Kelly zu: Roboter sind im Wesentlichen KI, keine Menschen. Deshalb bin ich für die Zukunft der Roboter ziemlich optimistisch: Sie werden Partner der Menschen sein, keine Ersetzer oder Gegner der Menschen.“

Wie steht es dann um die Sicherheitsprobleme, wenn Roboter in Zukunft in den alltäglichen menschlichen Lebensbereich einziehen? Wang He führte als Beispiel die bereits im Einsatz befindlichen Apothekenroboter an: In deterministischen abgeschlossenen Szenarien wie Fabriken und Apotheken sind die Verantwortlichkeiten relativ klar. Galaxy Universal hat im Inland fast hundert Apothekenstandorte mit Robotern in Betrieb, die die Arbeit der Medikamentenabholung in der Nacht übernehmen. Um das Risiko falsch ausgegebener Medikamente zu vermeiden, verlässt sich das Team nicht vollständig auf die allgemeine Schlussfolgerungsfähigkeit großer Modelle, sondern fügt zusätzlich deterministische Prüfprogramme hinzu: Medikamente dürfen nur dann verpackt und ausgegeben werden, wenn sie gleichzeitig die dreifache Prüfung von Text, Bild und Barcode bestehen. In den letzten eineinhalb Jahren wurden fast eine Million Medikamentenschachteln verarbeitet, ohne dass ein einziges falsch ausgegeben wurde. In solchen Szenarien liegt die Verantwortung für Schäden durch Roboterausfälle beim Hersteller.

Kevin Kelly ist der Ansicht, dass KI-Unternehmen kurzfristig die entsprechende Verantwortung übernehmen müssen und auch Mechanismen wie Versicherungen einrichten können. Umgekehrt werden die KI-Unternehmen, die überleben können, sicherlich diejenigen sein, die das Verantwortungsproblem gut bewältigen können.

Gleichzeitig wies Wang He darauf hin, dass in völlig offenen komplexen Szenarien wie Haushalten unvorhersehbare Störfaktoren vorhanden sind und die Komplexität der Risiken sich vervielfacht. „Zum Beispiel, wenn niemand zu Hause ist und der Roboter Wasser umkippt, die Wassertropfen in die Steckdose gelangen und einen Kurzschluss mit Brand verursachen, und er das nicht selbst aufräumen kann. Er ist gefährlicher als Katzen oder Hunde, weil er Stecker einstecken und alle Gegenstände im Haus bewegen kann. Wenn das in Zukunft eintritt, stimme ich Herrn KK voll und ganz zu: Ich glaube, dass wir dann vielleicht ein System nutzen werden, um die Sicherheit zu gewährleisten.“