Microsoft-Durchbruch bewältigt Roboterlimitierungen mit Berührungssensorsystem

Microsoft-Forschunghführte Ende Januar ein neues Robotersteuerungssystem 2026 ein, das Maschinen ermöglicht, mit ihren Händen zu arbeiten, während sie gesprochene Befehle und physisches Feedback verarbeiten. Das System, genannt Rho-alpha, markiert den Eintritt des Unternehmens in Grundlagenmodelle, die für Roboter konzipiert sind, die zwei Arme gleichzeitig verwenden.

Die Technologie wird zunächst ausgewählte Gruppen über ein Early-Access-Programm erreichen, bevor Microsoft sie verbreiteter auf seiner Foundry-Plattform verfügbar macht. Unternehmen können das System dann mit ihren eigenen Daten an ihre spezifischen Bedürfnisse anpassen.

Berührung zur Roboterintelligenz hinzufügen

Fabriken und Lagerhallen suchen nach Robotern, die sich ändernden Bedingungen anpassen können, anstatt immer dieselben programmierten Bewegungen zu wiederholen für immer. Krankenhausumgebungen brauchen Maschinen, die sich an verschiedene Situationen anpassen. Produktionslinien, bei denen sich die Artikel von Charge zu Charge unterscheiden, stellen Probleme dar, die herkömmliche Automatisierung nicht effizient lösen kann. Microsoft baute Rho-alpha, um dieses Bedürfnis zu erfüllen, indem es verarbeitet, was Roboter sehen und hören, zusammen mit dem, was sie physisch durch Sensoren spüren.

Die meisten Robotersysteme heute verlassen sich auf Kameras und Mikrofone, um ihre Umgebung zu verstehen und Anweisungen zu erhalten. Rho-alpha fügt eine weitere Ebene hinzu, indem es Berührung als gleich wichtig behandelt. Wenn ein Roboter-Greifer integrierte Drucksensoren hat, erhält das System Informationen, die Kameras völlig verpassen. Dies ist wichtig, wenn versucht wird, etwas in eine Steckdose einzustecken oder Teile zusammenzufügen, wobei das Sehvermögen allein nicht genügend Details darüber liefert, ob die Dinge korrekt ausgerichtet sind.

Microsoft zeigte diese Fähigkeiten mit zwei Universal Robots UR5e-Armen, die mit Sensoren ausgestattet sind, die Druck und Kontakt erkennen. Während Tests mit einer Aufgabe namens BusyBox baten die Menschen sagte den Roboter, Dinge wie das Einlegen eines Tablett in eine Werkzeugkiste und das Schließen des Deckels zu tun. Das System wandte wandelte diese Worte in koordinierte Bewegungen zwischen beiden Armen um und passte sie basierend auf dem an, was die Sensoren fühlten. Wenn Versuche, einen Stecker einzufügen, schien nicht beim ersten Mal funktionieren, konnte ein menschlicher Bediener den Roboter mit einem 3D-Eingabegerät führen, und das System lernte aus diesen Korrekturen.

Das Sammeln ausreichender Trainingsdaten bleibt die größte Herausforderung beim Aufbau fähiger Roboter. Sprachmodelle können aus massiven Mengen online verfügbarer Texte lernen, aber das Roboter-Training erfordert tatsächliche physische Demonstrationen, die Zeit und Geld kosten, um aufgenommen zu werden. Microsoft adressierte dies, indem es Rho-alpha mit drei Arten von Informationen trainierte: Aufzeichnungen realer physischer Demonstrationen, simulierte Übungsaufgaben und große Datensätze von Bildern mit Fragen und Antworten aus dem Web. Das Unternehmen verwendet Nvidia Isaac Sim, das auf Azure-Servern läuft, um realistische synthetische Szenarien durch einen Verstärkungs-Lernprozess zu erstellen.

Diese Simulationseinrichtung erzeugt physikalisch genaue Übungssituationen, die die realen Demonstrationen ergänzen. Der kombinierte Ansatz ermöglicht dem Modell, ungewöhnliche Fälle und Fehlersituationen zu begegnen, die andernfalls Tausende von Stunden realer Betriebszeit erfordern würden, um einzufangen.

The training method follows patterns other companies in robotics are using. Google DeepMind’s Gemini Robotics system, Figure AI’s Helix model for humanoid robots, and Physical Intelligence’s Pi-zero all take similar approaches to work around the data shortage problem. The technique helps these systems learn general manipulation skills without needing specific demonstrations for every single task they might face.

In einem reifenden Markt konkurrieren

Microsoft tritt einem Markt für Robotik-Grundlagenmodelle bei, der sich in den letzten eineinhalb Jahren erheblich erweitert hat. Nvidia veröffentlichte GR00T N1.6, das auf humanoide Roboter abzielt, mit Fokus auf Ganzkörpersteuerung und Kontextverständnis. Google DeepMind erweiterte Gemini in die Robotik mit Fähigkeiten, die vom Falten von Papier zu Origami-Formen bis zum Handhaben von Spielkarten reichen. Physical Intelligence präsentiert Pi-zero als ein Allzwecksystem, das über verschiedene Roboterarten hinweg trainiert wurde.

Rho-alpha sticht in drei Hinsicht heraus. Erstens adressiert der Schwerpunkt auf taktiler Sensorik Situationen, in denen Systeme, die sich ausschließlich auf das Sehen verlassen, Schwierigkeiten haben. Zweitens stammt das Modell aus der Phi-Serie von Microsoft, die das Unternehmen darauf abgestimmt hat, effizient auf herkömmlicher Consumer-Hardware zu laufen. Dieser Hintergrund deutet darauf hin, dass es auf lokalen Geräten laufen könnte, ohne eine ständige Verbindung zu Cloud-Servern zu benötigen. Drittens unterscheidet der Fokus auf das Lernen aus menschlichen Korrekturen während des tatsächlichen Betriebs es von Modellen, die ein vollständiges Neutrainieren benötigen, um neues Verhalten zu erlernen.

Microsoft’s business approach also differs from competitors. The company plans to offer Rho-alpha through its Foundry platform as infrastructure that manufacturers and system integrators can customize with their own proprietary information. This mirrors the company’s approach with Azure OpenAI Service and targets organizations wanting to create specialized versions rather than using a generic model.

Für Hersteller und Logistikunternehmen liegt die unmittelbare Chance im Erkennen wiederkehrender Handhabungsaufgaben, bei denen die aktuelle Automatisierung an ihre Grenzen stößt. Qualitätsprüfstationen, Prozesse zum Zusammenstellen von Artikel-Kits sowie Fließbänder für die Kleinstserienfertigung sind Bereiche, in denen Rho-alpha durch die Kombination aus Sprachverständnis und Tastsensorik den Programmieraufwand reduzieren kann.

Das Early-Access-Programm, das Microsoft ankündigte, gibt Organisationen einen Weg, um zu testen, ob das System zu ihren Bedürfnissen passt, bevor sie in die Bereitstellungsinfrastruktur investieren. Unternehmen sollten diese Bewertungen mit der Erwartung betreten, dass menschliche Aufsicht notwendig sein wird, und sollten Arbeitsabläufe planen, in denen Bediener die Roboter während der ersten Lernperioden korrigieren und anleiten.

Physical KI repräsentiert einen Wandel von Robotern als programmierte Werkzeuge zu Robotern als flexible Mitarbeiter. Dieser Wandel wird Jahre statt Monate dauern, aber die Grundlagenmodelle, die von Microsoft, Nvidia und Google stammen, etablieren die grundlegenden Muster, die die Unternehmensrobotik für die nächsten zehn Jahre definieren werden.