NVIDIA, Sharpa und Unitree bauen eine gemeinsame Plattform für humanoide Roboter

Die Komponenten: Körper aus China, Hände aus Singapur, Rechenleistung von NVIDIA

Der Roboter setzt sich aus drei zentralen Bausteinen zusammen:

• Unitree H2 Plus: Unitree liefert den annähernd menschengroßen Körper. Er ist rund 1,83 Meter groß und wiegt etwa 68 Kilogramm.
• Sharpa-Hände: Sharpa steuert taktile Fünf-Finger-Hände bei. Jede Hand verfügt über 22 Freiheitsgrade und soll dadurch besonders geschickte, menschenähnliche Bewegungen ermöglichen. Sensoren liefern dabei Rückmeldungen über den Kontakt mit Gegenständen.
• NVIDIA Jetson AGX Thor T5000: Die Recheneinheit arbeitet mit einer Blackwell-GPU, einer 14-Kern-Arm-CPU und 128 Gigabyte gemeinsam nutzbarem Speicher. NVIDIA gibt eine Leistung von bis zu 2.070 FP4-Teraflops an. Damit sollen Sensordaten in Echtzeit verarbeitet und Robotermodelle direkt auf dem Gerät ausgeführt werden können.

Der Körper von Unitree verfügt über 31 Freiheitsgrade. Zusammen mit den beiden Händen ergibt sich laut den veröffentlichten technischen Angaben ein System mit insgesamt 75 Freiheitsgraden.

Welche Rolle spielt Sharpa?

Sharpa entwickelt die Hände, die dem Roboter feinfühliges Greifen und Manipulieren ermöglichen sollen. Sie können Objekte aufnehmen, ihre Position korrigieren und ihre Bewegungen an den wahrgenommenen Kontakt anpassen. Diese Rückmeldungen sind wichtig, wenn ein Roboter lernen soll, wie viel Kraft für einen bestimmten Gegenstand nötig ist.

Das Unternehmen wurde 2024 gegründet. Neben Forschung und Entwicklung in Shanghai unterhält Sharpa Geschäftsaktivitäten in Kalifornien. Nach Angaben aus dem Projektumfeld arbeitete das Unternehmen bereits zuvor mit NVIDIA an der Datensammlung für grundlegende Robotikmodelle. Auf der CES 2026 zeigte Sharpa seine Hände unter anderem beim Blackjack-Spielen und beim Zusammenbauen von Windrädern.

Die Software: Isaac GR00T als Trainings- und Entwicklungsumgebung

Zur Hardware kommt die offene Entwicklungsplattform Isaac GR00T. Sie umfasst Software, Modelle und Arbeitsabläufe für mehrere Schritte der Roboterentwicklung:

1. Daten erfassen und erzeugen,
2. Roboter in Simulationen trainieren,
3. Fähigkeiten und Modelle bewerten,
4. die Ergebnisse auf den realen Roboter übertragen und dort einsetzen.

NVIDIA beschreibt den Software-Stack als modular. Forschungsteams können ihn vollständig verwenden oder einzelne Bestandteile in bestehende Entwicklungsumgebungen integrieren. Die Labore sollen außerdem die Kontrolle über Roboter- und Trainingsdaten, Telemetrie sowie Protokolldateien behalten.

Zusätzlich plant NVIDIA einen Referenz-Workflow für den Unitree G1, der über GitHub und Hugging Face bereitgestellt werden soll.

Welches Problem an Universitäten soll gelöst werden?

Für viele Hochschullabore beginnt die eigentliche Forschung erst, nachdem sie einen Roboter mühsam selbst zusammengestellt haben. Körper, Hände, Sensorik, Recheneinheiten, Datenerfassung, Simulatoren und Steuerungssoftware stammen häufig aus unterschiedlichen Quellen und müssen miteinander funktionieren.

Jensen Huang bezeichnete den Aufbau eines solchen Systems als „insanely hard“ – also als extrem schwierig. In der Robotik wird dieses Zusammensetzen verschiedener Komponenten sinngemäß auch als „Frankenstein-Roboter“-Problem beschrieben.

Ein standardisiertes Referenzdesign soll diese Vorarbeit verkürzen. Forscher könnten dadurch mehr Zeit darauf verwenden, neue Fähigkeiten zu entwickeln und Ergebnisse unter vergleichbaren Bedingungen zu testen, statt jedes Mal die technische Grundlage neu zu integrieren.

Wer soll den Roboter nutzen, und wann kommt er auf den Markt?

Als frühe Forschungspartner beziehungsweise Nutzer nannte NVIDIA:

• Ai2,
• die ETH Zürich,
• das Stanford Robotics Center,
• das Advanced Robotics and Controls Laboratory der University of California, San Diego.

Unitree soll den Referenzroboter Ende 2026 verkaufen. Ein Preis und weitere Einzelheiten zum kommerziellen Angebot wurden zunächst nicht genannt.

Was bedeutet das für NVIDIA?

Huang stellte humanoide Roboter als möglichen Zugang dar, um „Physical AI“ in große Branchen zu bringen. Das daraus entstehende Geschäftspotenzial bezifferte er als Billionen-Dollar-Chance.

Der Roboter passt damit in eine größere Strategie von NVIDIA. Huang argumentierte, dass sogenannte agentische KI – Systeme, die Aufgaben eigenständig planen und ausführen – den Bedarf an Recheninfrastruktur erhöhen werde. NVIDIA will diese Infrastruktur vom Rechenzentrum bis zum Endgerät abdecken: mit Produkten wie der Vera-CPU für Rechenzentren und lokalen KI-Systemen, darunter KI-PCs mit dem RTX-Spark-Chip, auf denen Modelle und Agenten direkt auf dem Gerät laufen können.

In diesem Gesamtbild ist GR00T die Robotik- und Embodied-AI-Seite derselben Plattformstrategie. NVIDIA liefert nicht nur den „Computer im Kopf“ des Roboters, sondern auch Modelle, Simulationen und Werkzeuge, mit denen Entwickler ihm neue Fähigkeiten beibringen sollen.