Flexion Robotics: Ein universelles Gehirn für jeden humanoiden Roboter – Simulation als Trumpf

Während die meisten Unternehmen im Bereich humanoider Robotik darum wetteifern, die besseren Körper zu bauen, geht Flexion Robotics einen radikal anderen Weg. Das in Zürich ansässige Startup, das Ende 2025 aus der Deckung trat, setzt nicht auf die nächste Generation von Robotergliedmaßen, sondern auf das Gehirn, das in jedem Körper funktioniert. Mit einer Gesamtfinanzierung von 57,35 Millionen US-Dollar und einer Live-Demonstration auf der ICRA 2026, bei der über 95% der 300 Versuche autonom erfolgreich waren, gilt der simulationsgetriebene Ansatz des Unternehmens als eine der eigenständigsten Strategien in diesem Bereich .

Flexions Kernthese: Nur Software, hardwareunabhängig

Flexion Robotics stellt selbst keine Roboter her. Stattdessen entwickelt das Unternehmen einen universellen Autonomie-Software-Stack – was die Firma selbst als das "Android für Humanoide" bezeichnet – der von jedem Hersteller humanoider Roboter lizenziert werden kann . Der Stack ist darauf ausgelegt, gleichzeitig auf 14 verschiedenen humanoiden Plattformen zu laufen. Das Ziel: den Aufwand, einen neuen Roboter an eine neue Aufgabe anzupassen, von Jahren auf eine einzige Woche zu reduzieren .

„Wir erschaffen eine virtuelle Welt, in die wir diese Roboter setzen können“, erklärt das Unternehmen. „Trainiert in der Simulation, übertragen in die reale Welt mit minimalem menschlichem Eingriff“ .

Die Trainingsmethode: Sim-to-Real in großem Maßstab

Flexions technischer Ansatz ruht auf drei Säulen:

1. Simulationsbasiertes Training (Sim-to-Real). Alle Roboterrichtlinien werden ausschließlich in einer virtuellen Physiksimulation in großem Maßstab trainiert – bis zu 4.000 virtuelle Roboter gleichzeitig – und dann ohne weitere Anpassung auf die physische Hardware übertragen . Das Unternehmen nutzt Bestärkendes Lernen (Reinforcement Learning, RL), bei dem sich die Roboter durch Versuch und Irrtum selbst beibringen, wie sie handeln müssen . Das Ergebnis ist kein Skript, sondern ein neuronales Netz, das Wahrnehmung direkt in Aktion umsetzt .

2. Kombination von Imitationslernen und bestärkendem Lernen. Flexion verwendet residuales bestärkendes Lernen auf Basis von Imitationslern-Richtlinien. Der Roboter erlernt grundlegende Manipulations- und Bewegungsfähigkeiten aus menschlichen Demonstrationsdaten und nutzt dann RL, um diese Fähigkeiten an reale Bedingungen anzupassen, die der Simulator nicht perfekt abbilden kann . Das Unternehmen setzt zudem eine "Real-to-Sim"-Rückkopplungsschleife ein, bei der reale Daten die Simulationsparameter für zukünftiges Training mit höherer Genauigkeit optimieren .

3. Eine modulare Dreischichten-Architektur. Der Autonomie-Stack trennt die abstrakte Entscheidungsfindung von der Bewegungsplanung und der niedrigschwelligen Steuerung :

• Befehlsebene (Argumentation): Ein Agent, der auf einem großen Sprachmodell (LLM) oder einem Vision-Language-Modell (VLM) basiert. Er interpretiert natürlichsprachliche Aufgabenbeschreibungen – wie "Räume das Büro auf" –, zerlegt sie in Teilaufgaben und plant mehrstufige Arbeitsabläufe .
• Bewegungserzeugungsebene (Planung): Ein diffusionsbasiertes Modell, das den geplanten Pfad des Roboters im 3D-Raum kartiert und Hindernissen ausweicht .
• Ausführungsebene (Reflexe): Ein auf RL basierender Ganzkörper-Tracker, der robuste und anpassungsfähige Bewegungen auf dem physischen Roboter ausführt .

Dieses Design "trennt die Absicht (durch Sprache gesteuert) von der Machbarkeit (durch die Physik erzwungen) und nutzt Simulation für motorische Fähigkeiten und reale Daten selektiv" .

Autonome Büroaufgaben: Vom Prompt zur Aktion

Im November 2025 veröffentlichte Flexion ein Video, in dem ein humanoider Roboter eigenständig ein Büro aufräumt – ausgehend von einer einfachen Benutzereingabe, ohne Skripte, ohne vorgegebene Bewegungsabläufe und ohne menschliche Fernsteuerung . Der VLM-basierte Agent erfasste die Szene, bewertete die Aufgabe und plante eine durchgängige Strategie zum Aufnehmen und Umstellen von Gegenständen . Das gleiche System wurde auch dabei gezeigt, wie es in Außenbereichen selbstständig Müll aufsammelt und entsorgt .

ICRA 2026: Die Live-Validierung

Auf der International Conference on Robotics and Automation (ICRA 2026), die vom 9. bis 11. Juni 2026 stattfand, führte Flexion eine Live-Demonstration mit humanoiden Robotern durch. In 300 Versuchen über drei Tage hinweg arbeiteten die Roboter vollständig autonom mit einer Erfolgsquote von über 95% ohne menschliches Eingreifen . Damit wurde belegt, dass der Sim-to-Real-Ansatz auch in einer unkontrollierten Konferenzumgebung – einem notorisch schwierigen Umfeld für Robotik-Demonstrationen – im großen Maßstab funktioniert.

Wie sich Flexion von der Konkurrenz abhebt

Merkmal	Flexion Robotics	Typische Wettbewerber (Tesla Optimus, Boston Dynamics, Figure, 1X)
Kernprodukt	Universelle Autonomie-Software, keine eigene Roboter-Hardware	Vertikal integrierte Hardware und Software, jeder baut seinen eigenen Roboter
Plattformstrategie	Läuft auf jeder humanoiden Hardware, derzeit 14 Plattformen parallel	An eine eigene, proprietäre Hardwareplattform gebunden
Trainingsparadigma	Simulationsbasiert (Sim-to-Real), Richtlinien werden in der Simulation trainiert und ohne Anpassung übertragen	Mischung aus realen Fernsteuerungsdaten, realem RL und Simulation; die meisten sind stark auf reale Datensammlung angewiesen
Hardwarekompatibilität	Ziel: Einrichtung für einen neuen Roboter und eine neue Aufgabe von Jahren auf eine Woche reduzieren	Jede neue Aufgabe erfordert monatelange, hardwarespezifische Entwicklungsarbeit
Finanzierung	57,35 Mio. US-Dollar gesamt (50 Mio. Series A + 7,35 Mio. Seed)	Wettbewerber sammeln oft größere Runden für die Hardware-Fertigung (z. B. Figure AI: über 675 Mio. US-Dollar)
Wichtige Geldgeber	DST Global, NVIDIA NVentures, Prosus Ventures, Moonfire, Redalpine	Mischung aus VCs, strategischen und Unternehmensinvestoren

Zentrale strategische Unterschiede:

• Software-only / Plattform-Lizenzierungsmodell. Flexion positioniert sich als horizontale Intelligenzschicht, die jeder Hersteller humanoider Roboter lizenzieren kann, und vermeidet damit bewusst die "vertikale Integrationsfalle", in der Unternehmen wie Tesla oder Figure sowohl das Gehirn als auch den Körper bauen müssen .
• Hardwareunabhängige Generalisierung. Das Training eines Stacks auf 14 verschiedenen humanoiden Plattformen gleichzeitig soll Flexions Gehirn über verschiedene Bauformen hinweg portabel machen – ein Gegensatz zur Branchennorm "ein Roboter, ein Stack" .
• Vollständig simulationsbasierte Trainingsschleife. Während die meisten Wettbewerber reale Fernsteuerungsdaten für das Imitationslernen verwenden, trainiert Flexion die Richtlinien in der Simulation in großem Maßstab und überträgt sie ohne Anpassung in die reale Welt, was nur minimale reale Datensammlung erfordert .

Einschränkungen und offene Fragen

Ein spezieller Artikel von Wired vom Juni 2026, der Flexions Büroautonomie detailliert beschreibt, wurde in den verfügbaren Suchergebnissen nicht gefunden. Die detailliertesten Nachweise für die Büroaufgaben-Demonstration stammen von Flexions eigenem LinkedIn-Post (November 2025) und dem ICRA-2026-Ergebnisbericht . Die Behauptungen des Unternehmens, die Einrichtungszeit auf "eine Woche" zu reduzieren und auf 14 Plattformen zu laufen, müssen sich noch im kommerziellen Maßstab bewähren. Und obwohl die ICRA-2026-Ergebnisse beeindruckend sind, wartet die Branche noch auf unabhängige Vergleichstests von Flexion-gesteuerten Robotern mit vertikal integrierten Wettbewerbern in realen Anwendungen.

Flexions Wette lautet, dass die Zukunft der humanoiden Robotik weniger wie das iPhone aussehen wird – ein eng integriertes Hardware-Software-Paket – sondern eher wie Android: ein universelles Betriebssystem, das jeder Hersteller übernehmen kann. Wenn die simulationsbasierte Trainingsmethodik weiterhin solche realen Ergebnisse liefert, könnte sich diese Wette auszahlen.