In München entsteht mit dem RoboGym eine Einrichtung, die humanoide Roboter nicht nur einzelne Bewegungen auswendig lernen lässt, sondern ihnen grundlegende, übertragbare Fähigkeiten vermittelt. Der Ansatz kombiniert reale Trainingsumgebungen mit Computersimulationen und einer cloudbasierten Datenplattform, um KI-Modelle zu schulen. Langfristig soll das Projekt die Lücke zwischen robotischer Forschung und industrieller Anwendung schließen.
Das technische Konzept des RoboGym
Das Herzstück des Münchner RoboGym bilden mehrere reale Trainingsstationen, die mit hochauflösender Sensorik, leistungsfähigen Rechnern und Kamerasystemen ausgestattet sind. Hier führen die humanoiden Roboter Aufgaben aus, die für die Fertigung typisch sind: Sie stecken Bauteile zusammen, bedienen Werkzeuge, schieben oder greifen Gegenstände und falten Kartons. Jede Geste, jeder Kraftaufwand und jeder Fehler wird millimetergenau erfasst. Parallel dazu laufen Computersimulationen, die Szenarien durchspielen, die in der physischen Welt zu aufwendig oder gefährlich wären. Die gesammelten Daten dienen nicht nur der unmittelbaren Verhaltensanpassung, sondern fließen in einen zentralen Datenspeicher.
Übertragbare Fähigkeiten als Schlüssel
Anders als bei reinem Nachahmungslernen zielt das Training im RoboGym auf Generalisierung ab. Ein Roboter soll nicht nur einen bestimmten Steckvorgang ausführen, sondern das zugrunde liegende Konzept „zwei Teile formschlüssig verbinden“ verinnerlichen. Dieses Konzept lässt sich später auf andere Steckaufgaben übertragen, auch wenn sich Geometrie oder Material unterscheiden. Die Auswertung sowohl erfolgreicher als auch gescheiterter Interaktionen liefert entscheidende Hinweise darauf, welche Bewegungsmuster robust sind und unter welchen Randbedingungen sie versagen. So entsteht ein Erfahrungsschatz, der die Entwicklung autonomer Handlungsfähigkeit vorantreibt.
Der Data Lake als gemeinsames Gedächtnis
Alle aufgezeichneten Trainingsdaten – Bewegungsbahnen, Kraftverläufe, Bildaufnahmen und Fehlercodes – werden in einen kuratierten, cloudbasierten Data Lake eingespeist. Dieses digitale Archiv steht verschiedenen KI-Modellen zur Verfügung und ermöglicht es, Erkenntnisse aus tausenden von Interaktionen zusammenzuführen. Forscher und Entwickler können daraus Muster extrahieren, die etwa zeigen, welche Greifstrategie bei welcher Objektform am besten funktioniert. Durch die zentrale Speicherung wird vermieden, dass jedes Robotermodell von Null an lernen muss. Stattdessen profitieren alle Einheiten von den Erfahrungen aller anderen – ein entscheidender Schritt hin zu skalierbaren, lernenden Systemen.
Von der Forschungslabor in die Fabrikhalle
Das RoboGym versteht sich ausdrücklich als Brücke zwischen akademischer Grundlagenforschung und praktischer Industrieanwendung. Indem es reproduzierbare, standardisierte Trainingsszenarien bietet und die Ergebnisse transparent dokumentiert, können Unternehmen bewerten, ob humanoide Roboter für ihre spezifischen Prozesse tauglich sind. Derzeit ist noch offen, wie schnell sich daraus wirtschaftlich tragfähige Lösungen entwickeln lassen. Die ersten Resultate stimmen jedoch optimistisch: Die Übertragbarkeit der gelernten Fähigkeiten auf ähnliche, aber nicht identische Aufgabe konnte in mehreren Versuchsreihen nachgewiesen werden. Sollte sich dieser Trend fortsetzen, könnten humanoide Roboter schon in wenigen Jahren in der flexiblen Fertigung zum Einsatz kommen – angetrieben von einem Datenschatz, der im RoboGym in München gehoben wird.
