World Labs zeigt Simulationsengine für Robotiktraining ohne reale Trainingsdaten
World Labs hat erste Ergebnisse einer Simulationsengine vorgestellt, die Robotersteuerungen ohne reale Trainingsdurchläufe anlernen soll. Der Ansatz zielt auf ein zentrales Problem der Robotik: große Datenmengen für einen verlässlichen Betrieb schneller und kontrollierter zu erzeugen.
Das von Fei-Fei Li gegründete Start-up veröffentlichte am 15. August 2026 laut The Decoder erste Resultate seiner „Real-to-Sim-to-Real“-Engine, kurz R2S2R. Die Technik stammt von SceniX, das World Labs im Juli übernommen hatte. Die Engine überführt reale Robotertätigkeiten in Simulationen, um Steuerungsmodelle zu trainieren und zu bewerten, ohne Versuche auf echter Hardware.
Tausende Varianten aus einer Aufgabe
World Labs beschreibt einen zweistufigen Ablauf. Zuerst werden Roboter, Sensoren, Umgebung und Aufgabendemonstrationen erfasst und als interaktive virtuelle Welt rekonstruiert. Diese Welt soll sich nicht nur optisch, sondern auch physikalisch wie das Original verhalten. Anschließend erzeugt das System aus einer einzelnen realen Aufgabe tausende Variationen, etwa bei Beleuchtung, Objektposition, Objektanzahl, Reibung und Kameraperspektive, wie The Decoder berichtet.
Zur Kontrolle führt World Labs dieselbe Handlungsfolge parallel in Simulation und Realität aus. Verglichen werden Beobachtungen, Objektbewegungen und Ergebnisse. Die gezeigten Beispiele umfassen starre, bewegliche und verformbare Objekte, darunter Kabelverlegen, das Einführen eines elastischen Kabel-Endes in eine Bohrung sowie das beidhändige Verpacken einer Schachtel.
Training in der Simulation, Test auf realen Robotern
Im zweiten Schritt werden die Steuerungsmodelle in der Simulation trainiert und anschließend auf echte Roboter übertragen. Als Testplattform diente unter anderem ALOHA, ein offener Bauplan aus Stanford für zwei nebeneinander montierte Roboterarme. Auf vier weiteren Roboterplattformen liefen die Modelle nach Angaben von World Labs jeweils eine – weitere Details dazu nennt der im Bericht wiedergegebene Quelltext an dieser Stelle nicht.
Dieser Artikel wurde KI-generiert erstellt. Die Themenauswahl trifft die Redaktion, die redaktionelle Verantwortung liegt bei KI-Prüfstand.