Das Peinlichste an humanoiden Robotern ist, dass sie zwar mit zwei Beinen ausgestattet sind, aber nur an einer festen Position arbeiten können.

Sie sehen aus wie Menschen, können aber nur Tanzaufführungen zeigen und keine echte Arbeit verrichten.

Das ist wahrscheinlich die peinlichste Situation humanoider Roboter in den letzten Jahren.

Die enorme Aufmerksamkeit, die humanoide Roboter zu Beginn erhielten, folgt einer sehr direkten grundlegenden Logik: Die reale Welt ist von vornherein auf den menschlichen Körper ausgelegt. Treppen, Schränke, Regale, Arbeitsplätze und sogar Türgriffe haben alle fertige Abmessungen. Theoretisch können Roboter mit ihren unteren Gliedmaßen Hindernisse überwinden und direkt mit ihren oberen Gliedmaßen Werkzeuge ergreifen, um zu arbeiten.

Die Logik klingt unanfechtbar, aber nach einigen Jahren der Branchenentwicklung sehen wir oft ein ganz anderes Bild.

Die humanoiden Roboter in den Videos laufen und springen hauptsächlich oder machen Saltos; selbst bei einigen Demonstrationen von Arbeitsvorgängen bleiben die meisten brav auf ebenem Boden – sie gehen an einen Ort, stehen still und strecken dann vorsichtig die Hand aus.

Wenn die Beine nur dazu dienen, den Roboter vor die Aufgabe zu bringen, und er erst stabil stehen und seinen Körper fixieren muss, wenn er wirklich etwas tun soll, sind sie nichts anderes als ein Paar extrem kostspielige und sehr zerbrechliche mechanische Räder. Wo liegt dann der Vorteil humanoider Roboter?

Man kann die hohen Anforderungen der Menschen kaum tadeln. Ohne diese Hürde zu überwinden, werden humanoide Roboter nie das Etikett „Aufführungsrequisit“ loswerden.

In letzter Zeit zeichnen sich jedoch allmählich Lösungen für dieses Problem ab.

Kürzlich hat Yuance Future neue Modelle und Demonstrationen vorgestellt, die auf der Kerntechnikroute „Whole-Body Intelligence“ (WBI) basieren. Das Unternehmen erfasst selbst interaktive Ganzkörperdaten von Menschen und entwickelt ein humanoides Basismodellsystem, das sich an unterschiedliche Roboterplattformen anpassen lässt.

In der von Yuance veröffentlichten Demonstration kann der Roboter bei einem auf dem Boden liegenden Fahrrad sich bücken, den ganzen Körper anspannen und es aufheben; bei der Starttaste eines Reiskochers führt er eine präzise Betätigung durch.

Am deutlichsten zeigt sich der Vorteil der Humanoiden in einer Szene, in der er eine Trittleiter trägt, um hoch zu steigen: Wenn er ein Objekt in der Höhe nicht erreichen kann, holt er selbst eine Trittleiter, stellt sie ab, steigt dann auf die Plattform und greift das Ziel. Diese ganze Bewegungssequenz verbindet Transport, Stützungswechsel und Hochoperation miteinander.

Wenn die Beine an der Bedienung teilnehmen und die Hände mit dem Gleichgewicht des Körpers zusammenwirken, zeigt sich erst der Wert des menschlichen Körpers: Roboter haben die Möglichkeit, den für Menschen gestalteten Raum zu nutzen und Arbeiten zu erledigen, die ursprünglich von Menschen ausgeführt wurden.

Sie können laufen und springen – warum können sie ausgerechnet nicht arbeiten?

Nach der Intuition vieler Menschen sollte es einfacher sein, den Müll rauszubringen oder einen Tisch abzuwischen, wenn der Roboter bereits schwierige Aktionen wie Laufen, Springen oder sogar Rückwärtssalto ausführen kann.

Der direkteste Kern des Problems liegt darin, dass das untere Steuersystem zweibeiniger Roboter seit jeher vor einem Dilemma steht: Um stabil zu bleiben, müssen die Hände mitwackeln; um die Hände präzise zu führen, stürzt der ganze Roboter leicht ab.

Im letzten Jahr hat sich die gängigste Vorgehensweise in der Branche weitgehend auf der von Nvidia quelloffenen Ganzkörpersteuerungsgrundlage „SONIC“ aufgebaut. Sie hat bereits Fähigkeiten zur Ganzkörperbewegungsverfolgung, Teleoperation und eigenständigen Bedienung mit VLA-Schnittstelle demonstriert. Dieses System repräsentierte zuvor das Spitzenniveau von Wissenschaft und Industrie, aber für den weiteren Schritt in die praktische Bedienung muss gleichzeitig die Verfolgungsgenauigkeit der kritischen Endglieder, die Körperstabilität und der Bereich der stabil erreichbaren Positionen berücksichtigt werden.

Eines der Schlüsselprobleme ist die Genauigkeit der Endgliederverfolgung.

In den Vergleichstests von Yuance betrug der Verfolgungsfehler der Handendglieder bei quelloffenen Basisversionen etwa 10 Zentimeter, wenn der Roboter durch koordinierte Ganzkörperbewegungen wie Bücken und Vorstrecken nach Objekten in niedriger oder ferner Position greift. Diese Genauigkeit reicht für feine Bedienvorgänge nicht aus.

Die Mängel bei der Ganzkörpersteuerung wirken sich zudem nach vorne aus und beschränken die Datenerfassung, die für nachfolgende Modelle erforderlich ist.

Um ein betriebsfähiges Ganzkörpermodell zu trainieren, muss das Kleinhirn nicht nur für die endgültige Bereitstellung und Ausführung zuständig sein, sondern im Vorfeld auch als Antriebsbasis für die Teleoperation dienen: Die menschlichen Datenerfasser führen Bewegungen aus, die das Kleinhirn in Echtzeit in Roboterbewegungen umwandeln muss. Wie viele Bewegungen das Kleinhirn nachvollziehen kann, bestimmt, wie viele dieser Demonstrationen zu gültigen echten Roboterdaten werden.

Ein Hindernis tritt bei der Abbildung großräumiger Bewegungen auf.

Um eine Wasserflasche vom Boden aufzuheben oder ein Objekt in niedriger Position zu erreichen, muss der Roboter die Knie beugen, sich bücken und den Arbeitsbereich der Hände nach unten erweitern. Das Steuersystem muss sowohl den Körper stabilisieren als auch die Hände an die Zielposition bringen. Wenn die Haltung nachkommt, aber die Hände das Ziel nicht erreichen, kann die Demonstration trotzdem nicht abgeschlossen werden.

Da der Körper des Roboters nicht isomorph zum menschlichen Körper ist, schwebt die Hand des Roboters noch in der Luft, wenn der Datenerfasser den Boden berührt, und der Roboter ist noch nicht ganz gebeugt, wenn der Mensch sich vollständig nach vorne lehnt. Er macht die Bewegung des Bückens, erreicht aber nicht die Absicht, den Boden zu berühren. Dadurch kann der Roboter nicht nur keine Gegenstände aufheben, sondern das Team kann auch kaum gültige Demonstrationsdaten für solche Aufgaben erfassen.

Ein weiteres Hindernis ist, ob Fortbewegung und Bedienung kontinuierlich ausgeführt werden können, wenn sich das Gelände ändert.

Bei gängigen Lösungen wie SONIC ist die gesamte Steuerungslogik fast vollständig an ebenen Boden gebunden. Die Annahme auf Algorithmusebene lautet, dass die Füße eine kontinuierliche, glatte zweidimensionale Ebene berühren, sodass keine Bewegungsdaten bei verändertem Gelände erfasst werden können.

Das erklärt auch die peinlichen Situationen in vielen vergangenen Demonstrationen humanoider Roboter: Sie sind agil beim Laufen und Springen, müssen aber für echte Arbeiten zuerst eine ebene Fläche finden, stabil stehen und dann erst die Hand ausstrecken.

In der Branche hat man schon früher versucht, Fortbewegung und Bedienung zu kombinieren, aber mit einer Zusammensetzungsstrategie: Beim Treppenlauf läuft ein spezielles Fortbewegungsmodul, und wenn der Roboter auf ebenem Boden ankommt, wechselt er zu einem Modul für die Armbedienung.

Das ist eine sehr peinliche Übergangslösung: Wenn der Roboter mit einem Kasten in den Händen vor eine Treppe tritt, muss er den Kasten sogar zuerst auf dem ebenen Boden ablegen, um in den Treppensteigmodus zu wechseln, wodurch der Fortbewegungsvorteil humanoider Roboter verloren geht.

Wenn das Kleinhirn nicht genau genug nachkommt und der Roboter in komplexen Haltungen nicht stabil bleibt, kann das Team kaum entsprechende echte Roboterdemonstrationsdaten erfassen; fehlen diese Daten im Modell, fällt es ihm noch schwerer, zu lernen, weiter zu bedienen, während sich Körper und Gelände ständig ändern.

Das erklärt auch, warum humanoide Roboter immer besser tanzen können, aber bei der Arbeit noch immer Schwierigkeiten haben: Die Bewegungen können grob nachgeahmt werden, aber die Aufgaben der Hände dulden solche Abweichungen nicht.

Mit einem besseren S0-Modell Daten erfassen, um das S1-Modell zu trainieren

Um den Knoten der Ganzkörperarbeit zu lösen, hat Yuance Future ein Systemarchitektur namens WBI (Whole-Body Intelligence) vorgestellt.

Das gesamte System ist klar in zwei Ebenen unterteilt: das Bewegungssteuerungsgrundmodul „S0“ (Kleinhirn), das für hochfrequente dynamische Balance und Bewegungsausführung zuständig ist, und das intelligente Grundmodul „S1“ (Großhirn), das für das Verständnis und die Zerlegung langfristiger Aufgaben zuständig ist.

Der Durchbruch erfolgt zuerst auf der unteren Ebene von S0. Das von Yuance selbst entwickelte S0 ist für die Ganzkörperkoordination und stabile Ausführung zuständig und wandelt Aufgabenziele in ausführbare Roboterbewegungen um.

Der offensichtlichste erste Schritt ist der Sprung in der Genauigkeit der Endgliederverfolgung.

In den Tests von Yuance drückt S0 den Verfolgungsfehler der Handendglieder auf einen Bereich von 2 Zentimetern.

Objektiv gesehen sind 2 Zentimeter im großen Roboterkoordinatensystem noch keine hohe Präzision, aber die Genauigkeit von unter 2 Zentimetern erreicht bereits die Mindestanforderung für physische Kontaktbedienungen. In den Demonstrationen sind deutliche Fortschritte zu erkennen.

Nach der Genauigkeit überwindet S0 die zweite große Hürde, den seit langem bestehenden Mangel von SONIC an der Beschränkung auf ebenen Boden, und erreicht gleichzeitig eine bessere Ganzkörperverfolgung.

S0 erweitert die Steuerungsdimension auf unebene Flächen mit Höhenunterschieden und kann während des Treppensteigens die Trajektorie der unteren Gliedmaßen, die Körperhaltung und die reibungslose Verlagerung des Schwerpunkts dynamisch koordinieren.

Gleichzeitig erreicht es eine bessere Abbildung der Absicht bei großräumigen Bewegungen wie dem Bücken.

Auf der Grundlage, dass S0 zu einem besseren unteren Bewegungssteuerungsalgorithmus geworden ist, hat S0 schließlich das Gehirn S1 mit stärkerer selbstständiger Planungsfähigkeit trainiert.

In der Vor-Trainingsphase von S1 erfasst Yuance über die WBI-Datenplattform selbst EgoBody-Ganzkörperdaten von Menschen, um die Erfahrungen von Menschen bei der Bewegung, Haltungsanpassung, Umgebungskontakt und Objektbedienung in Lebensszenarien aufzuzeichnen und dem Modell a priori das Verhältnis zwischen Körper, Bewegung und Umgebung zu vermitteln.

Anschließend kombiniert mit den hochpräzisen Demonstrationsdaten, die S0 auf echten Robotern gesammelt hat, und den Korrekturerfahrungen aus DAgger erlangt S1 die echte Fähigkeit zum Verständnis langfristiger Aufgaben: In realen Arbeitsbedingungen wird die Umgebung ständig durch die eigenen Bewegungen des Roboters umgestaltet, und das Ergebnis des vorherigen Schritts muss direkt als Einschränkung für den nächsten Schritt dienen.

Die Kochoperation von Yuance Future für Reiskocher ist ein sehr gutes Beispiel: Der Roboter überquert Höhenunterschiede auf dem Boden, gelangt in die Küche, erledigt das Holen von Reis, das Hinzufügen von Wasser und das Einlegen und Herausnehmen des Innenbehälters in unterschiedlichen Höhen, schließt dann den Deckel und drückt die Starttaste – er verbindet Geländeüberquerung, Objekttransport und Hausgerätebedienung zu einer einzigen Aufgabe.

Das zeigt nicht nur eine ausgezeichnete Fähigkeit zu komplexen Interaktionen, sondern auch die Fähigkeit, langfristige Aufgaben zu bewältigen.

Diese technische Route, die menschliche Daten, Anpassung an echte Roboter und Ganzkörpersteuerung kombiniert, wurde bereits an zwei Konfigurationen getestet: Unitree G1 und AgiBot T2.

Die beiden Roboter haben unterschiedliche Körperproportionen, Gelenkkonfigurationen und Bewegungseinschränkungen. In der Demonstration der Pausenraumaufgabe von Yuance Future arbeiten die beiden Roboter auch bei der Aufgabe zum Einräumen des Kühlschranks zusammen. Unitree G1 übernimmt das Ein- und Auslagern im Kühlschrank, während AgiBot T2 das Halten des Korbs übernimmt. Das bedeutet, dass dieselbe technische Route nun in eigenständige Bedienungsszenarien unterschiedlicher Roboterplattformen eintritt. Sie erfordert noch immer eine Anpassung an die jeweilige Plattform, aber die gesammelten Fähigkeiten können für mehr Hardwareplattformen nutzbar gemacht werden.

Wenn „Whole-Body Intelligence“ zur gemeinsamen Richtung humanoider Roboter wird

Für eine sehr lange Zeit gab es in der Branche kaum Unternehmen, die zusammenhängende Ganzkörperaufgabendemonstrationen vorlegen konnten.

In letzter Zeit präsentieren jedoch Roboterunternehmen im In- und Ausland intensiv neue Bewegungsfähigkeiten zweibeiniger Roboter. Von Ballspielen über die Erledigung einfacher Aufgaben bis hin zu den überraschenden Haushaltsbedienungen von Yuance Future in diesem Jahr – die konzentrierte Entstehung ähnlicher Demonstrationen scheint zu zeigen, dass humanoide Roboter sich schnell aus der Anfangsphase lösen, in der sie nur Tanzaufführungen zeigen können.

Hinter diesem Wandel steht die gemeinsame Reife der Hard- und Softwarebedingungen der gesamten Branche: Ganzkörpersteuerungen auf Basis von Verstärkungslernen und Simulation werden zunehmend nutzbar; First-Person-Headsets und Motion-Capture-Geräte senken die Hürde für die Erfassung von Ganzkörperdaten erheblich; ausgereifte Roboterplattformen wie Unitree G1 und AgiBot T2 bieten eine robuste Verifizierungsbasis, die Stöße und Belastungen aushält.

Aber unter all diesen neu auftauchenden Ergebnissen kann Yuance Future schneller und weiter vorankommen, was zu einem großen Teil darauf zurückzuführen ist, dass das Unternehmen schon sehr früh alle technischen Ressourcen auf die Route der „Whole-Body Intelligence“ gesetzt hat.

Als Unternehmen für humanoide Basismodelle verfügt das Gründungsteam von Yuance über eine sehr ausgeprägte Mischung aus „akademischer Originalität und großangelegter Ingenieurserfahrung“. 2026 wurde er der erste chinesische Wissenschaftler in der Geschichte der führenden Robotikkonferenz RSS, der den Early Career Spotlight erhielt; Mitbegründer und CEO Tianyu Li sowie Chief AI Officer Li Chen sind seine langjährigen Kernpartner, die sich seit Jahren mit Embodied Intelligence und großen Modellarchitekturen befassen.

Hongyang Li hat die „Whole-Body Intelligence“ in der Wissenschaft sehr früh gefördert. Von der Entwicklung des End-to-End-Autofahrmodells UniAD bis zur Leitung des Aufbaus des millionenstarken echten Roboterdatensatzes AgiBot World ist seine Kernüberzeugung: Modulare mechanische Zusammensetzung führt zu fatalem Informationsverlust und Fähigkeitszersplitterung.

In der traditionellen Wissenschaft und Industrie kümmern sich die Entwickler von Bein-Gangsystemen nicht um die Hände, und die Entwickler von Tischrobotern nicht um den unteren Körper – alle diskutieren über geschickte Hände oder lokale Bewegungssteuerung. Aber aus der Sicht von Hongyang Li sind das alles nur lokale Fragmente: Wenn Hände und Füße sich nicht gegenseitig wahrnehmen, können Roboter nie aufhören, vor ebenen Arbeitsplätzen zu stehen. Echte allgemeine Embodied Intelligence muss zu „Human Body Learning“ gelangen – der gesamte Körper soll wie ein Lebewesen aus den echten menschlichen Ganzkörperhaltungen und Koordinationsweisen lernen, und die Kompensation von Gliedmaßen und Schwerpunkt wird als ein einziges System gemeinsam optimiert.

In der Auffassung zur Datenwelt sind Tianyu Li und Hongyang Li völlig einig. In einem tiefgehenden Gespräch auf der Veranstaltung AGI Playground