AntwortenVeröffentlicht30 Quellen
Warum Chinas Roboterindustrie an physischen Interaktionsdaten fehlt
Für kommerziell einsetzbare allgemeine Modelle werden oft mehrere zehn Millionen Stunden physischer Interaktionsdaten genannt. Die World Robot Conference 2026 zeigte eine Verschiebung: Neben spektakulären Roboterdemos rückten Teleoperation, Bewegungserfassung, Kraftsensorik und Datensysteme in den Mittelpunkt.
Veröffentlicht vonBearbeitet mit GPT-5.6 LunaBilder erstellt mit GPT Image 1.5
Forschungsantwort
Wichtige Erkenntnisse
- Für kommerziell einsetzbare allgemeine Modelle werden oft mehrere zehn Millionen Stunden physischer Interaktionsdaten genannt.
- Die World Robot Conference 2026 zeigte eine Verschiebung: Neben spektakulären Roboterdemos rückten Teleoperation, Bewegungserfassung, Kraftsensorik und Datensysteme in den Mittelpunkt.
- Bis Ende Juni waren in China mehr als 70 Trainingsgelände für körpergebundene KI in Betrieb; weitere 46 befanden sich im Bau oder in Planung.
- Für den Sprung von ferngesteuerten Vorführmodellen zu autonom arbeitenden Robotern braucht es multimodale Daten aus realen Maschinen, darunter Video, Gelenkzustände, Kraft, Berührung und Fehlerkorrekturen.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is the “data starvation” problem limiting China’s embodied-AI and humanoid-robot industry, how did the 2026 World Robot Conference reve. Article summary: China’s embodied-AI bottleneck is not mainly robot hardware but a shortage of lawful, high-quality recordings of robots physically acting in the world. The 2026 World Robot Conference (WRC) showed an industry pivot: alon. Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
Chinas Engpass bei humanoiden Robotern liegt zunehmend nicht in der Hardware, sondern in den Daten. Eine Maschine kann laufen, tanzen oder eine sorgfältig vorbereitete Demonstration absolvieren. Verlässliche Autonomie erfordert jedoch etwas deutlich Schwierigeres: rechtmäßig erhobene, vielfältige und hochwertige Aufzeichnungen darüber, wie Roboter die physische Welt wahrnehmen, sich bewegen, Kontakt herstellen, scheitern und sich korrigieren. 5
14
Auf der World Robot Conference 2026 wurde dieser Kurswechsel sichtbar. Neben ausgereiften Robotervorführungen präsentierten Aussteller Teleoperationssysteme, tragbare Bewegungserfassung, taktile und kraftmessende Sensorik sowie Infrastrukturen zur Sammlung jener Trainingsdaten, die Modelle für das Lernen von Robotik benötigen. 4
9
13
Die Datenlücke der körpergebundenen KI
Branchenvertreter nannten im Umfeld der Konferenz rund 500.000 Stunden verfügbarer, regelkonform erhobener Daten aus realen physischen Interaktionen. Für kommerziell nutzbare allgemeine Modelle der körpergebundenen KI – also Systeme, die nicht nur digitale Inhalte verarbeiten, sondern in der realen Welt wahrnehmen und handeln – werden dagegen häufig mehrere zehn Millionen Stunden veranschlagt. Daraus ergibt sich ein Defizit von mehr als 99 Prozent. Diese Zahl ist allerdings eine Branchenschätzung und keine universelle wissenschaftliche Schwelle: Der tatsächliche Bedarf hängt von Aufgabe, Roboterplattform, Einsatzumgebung und Sicherheitsstandard ab. 3
5
7
Der Vergleich ist dennoch aufschlussreich, weil Daten über physische Interaktionen nicht einfach durch gewöhnliche Datenmengen aus dem Internet ersetzt werden können. Ein Video kann zeigen, wie ein Mensch eine Tasse nimmt. Es erfasst normalerweise aber weder den Gelenkzustand eines Roboters noch Greifkraft, Kontaktzeitpunkt, Reibung, Abrutschen oder korrigierende Bewegungen. Genau diese Details entscheiden darüber, ob der Roboter die Handlung auch dann wiederholen kann, wenn die Tasse schwerer, die Oberfläche feucht oder das Objekt anders positioniert ist.
Warum eine Demo noch keine Autonomie beweist
Eine einstudierte Routine kann die schwierigsten Probleme der Robotik verdecken. Gegenstände, Beleuchtung, Bewegungsweg und Zeitablauf sind möglicherweise kontrolliert. Und sobald etwas Unerwartetes passiert, greift ein Mensch ein. Das Ergebnis sieht dann autonom aus, beweist aber noch nicht, dass der Roboter eine robuste Wahrnehmungs- und Handlungsstrategie gelernt hat.
Für den kommerziellen Einsatz reicht das nicht. Roboter müssen mit unterschiedlichen Objektformen, Greifpunkten, Oberflächen, Hindernissen und Menschen in ihrer Umgebung umgehen können. Sie müssen außerdem Fehler erkennen und sich davon erholen. Bei Aufgaben mit viel Körperkontakt ist deshalb nicht nur wichtig, ob am Ende das Ziel erreicht wurde. Entscheidend ist die gesamte Abfolge aus Beobachtungen, Aktionen, physischem Zustand und Korrekturen. Speziell entwickelte Datensätze für körpergebundene KI verknüpfen daher multimodale Wahrnehmungen mit Handlungen und deren Folgen. 33
34
40
Die Datenerhebung wird immer anspruchsvoller
Frühere Datensätze für das Roboterlernen konnten sich auf kurze und wiederholbare Demonstrationen konzentrieren. Die nächste Phase umfasst längere Aufgaben mit mehreren Schritten und häufigem Kontakt: Greifen, Sortieren, Montieren, Verpacken, Reinigen und weitere Tätigkeiten in Wohnungen, Geschäften, Fabriken und Dienstleistungsumgebungen.
Das erhöht den Aufwand in drei Punkten:
- Mehr Vielfalt: Dieselbe Aufgabe muss mit unterschiedlichen Gegenständen, Anordnungen, Materialien und Umweltbedingungen aufgezeichnet werden.
- Mehr Fehlerdaten: Ausrutscher, Zusammenstöße, fehlgeschlagene Greifversuche und Korrekturversuche können genauso lehrreich sein wie erfolgreiche Demonstrationen.
33
- Mehr synchronisierte Signale: Kameras, Tiefensensoren, Roboterpose, Gelenkbewegung, Kraft, Berührung und weitere Datenströme müssen zeitlich exakt zusammenpassen, damit Modelle den Zusammenhang zwischen Wahrnehmung und Handlung lernen.
Die Skalierung ist schwierig: Reale Roboter sind teuer im Betrieb, physische Experimente erfordern Sicherheitsvorkehrungen, und hochwertige Daten müssen kuratiert werden, statt sie lediglich anzuhäufen. Ein großes Videoarchiv ist nicht automatisch ein brauchbarer Trainingsdatensatz für Roboter.
Eine neue Lieferkette für Roboterdaten
Spezialisierte Trainingsanbieter beginnen, die Lücke zwischen menschlichem Verhalten und maschinenlesbaren Daten zu schließen. Zu ihren Aufgaben gehören die Rekrutierung und Schulung von Bedienern, die Fernsteuerung von Robotern, die Erfassung menschlicher Bewegungen, die Instrumentierung von Arbeitsabläufen, die Synchronisierung von Sensordaten, das Aussortieren schlechter Trajektorien und die Aufbereitung der Ergebnisse für Modellentwickler.
Teleoperation ist besonders wertvoll, weil dabei Handlungen an einem echten Roboter aufgezeichnet werden – nicht nur eine ähnliche Bewegung eines Menschen. VR- und andere Standardcontroller können Roboterbefehle liefern. Tragbare Systeme und Bewegungserfassung wiederum registrieren die komplexeren Bewegungsabsichten eines Menschen und übertragen sie auf eine Maschine. 1
Damit entsteht eine neue Versorgungsschicht der körpergebundenen KI: Unternehmen bauen nicht mehr nur Roboterkörper und Modelle, sondern produzieren auch die Demonstrationen und Sensordaten, die beides verbinden. Aussteller auf der World Robot Conference präsentierten Datenerhebung ausdrücklich als Teil des gesamten Stacks für körpergebundene Intelligenz – darunter Systeme, die Kopf- und Handbewegungen bei alltäglichen Tätigkeiten erfassen. 4
9
Warum China landesweit Trainingsgelände aufbaut
Trainingsgelände schaffen kontrollierte, aber realitätsnahe Umgebungen, in denen Roboter trainiert, getestet und miteinander verglichen werden können. Sie können Fabriken, Lager, Wohnungen, Geschäfte und öffentliche Einrichtungen nachbilden. So erhalten Entwickler wiederholbare Szenarien, ohne das Problem auf eine reine Laborroutine zu reduzieren.
Laut Berichten über einen Bericht der China Academy of Information and Communications Technology waren in China bis Ende Juni mehr als 70 Trainingsgelände für körpergebundene KI landesweit in Betrieb. Weitere 46 Anlagen befanden sich im Bau oder in Planung. Die Standorte erstreckten sich über mehr als die Hälfte der Provinzen und anderer Verwaltungseinheiten auf Provinzebene. Industrielle Fertigung war mit einem Anteil von 86 Prozent das häufigste Anwendungsfeld. 18
22
Der Aufbau allein reicht jedoch nicht. Die Anlagen müssen tatsächlich genutzt werden – als Datenressource und als Plattform für Tests unter realen Bedingungen, nicht bloß als weitere Ausstellungsorte. Der gedachte Kreislauf lautet: Training in der realen Welt erzeugt Daten, Daten verbessern das Modell, bessere Modelle ermöglichen einen breiteren Einsatz, und dieser Einsatz liefert wiederum neue Betriebsdaten. 14
22
Die Politik soll Roboter aus den Messehallen bringen
Chinas Ministerium für Industrie und Informationstechnologie sowie die staatliche Aufsichts- und Verwaltungskommission für das Vermögen staatseigener Unternehmen starteten 2026 eine Sonderaktion für das Training humanoider Roboter und körpergebundener KI unter realen Bedingungen. Im Mittelpunkt stehen industrielle, dienstleistungsbezogene und spezialisierte Szenarien – darunter Fertigung, Logistik, Gesundheitsversorgung, öffentliche Dienste und Notfalleinsätze. 24
25
Eine Regierungsmitteilung nennt als Ziele die kommerzielle Einführung von 10.000 humanoiden Robotern und mehr als 100 hochwertigen Anwendungsszenarien bis Ende 2026. 26 Der politische Ansatz macht den Einsatz selbst zu einem Teil der Trainingsinfrastruktur: Lokale Regierungen und staatseigene Unternehmen sollen Umgebungen bereitstellen, in denen die Systeme unter Betriebsbedingungen getestet, validiert und verbessert werden können.
24
Das garantiert weder, dass die Ziele erreicht werden, noch dass die Roboter dadurch umfassend autonom werden. Es zeigt aber, dass sich der politische Schwerpunkt von der reinen Hardwareproduktion hin zu jenem Daten- und Einsatzkreislauf verschiebt, der für kommerzielle Zuverlässigkeit nötig ist.
Warum Video, Text und Fahrdaten nicht genügen
Video und Sprache bleiben wichtige Bausteine. Sie können Modellen vermitteln, was Gegenstände sind, was Anweisungen bedeuten und wie eine menschliche Handlung aussieht. Simulationen liefern Skalierbarkeit und helfen, Szenarien abzudecken, deren reale Durchführung teuer oder gefährlich wäre. Auch die Forschung zu Standards für Daten körpergebundener KI setzt zunehmend auf eine Kombination aus realen Daten, Simulation und mehreren Sinnesmodalitäten. 2
32
Diese Quellen beschreiben das Steuerungsproblem jedoch nicht vollständig. Bei einer Greif- oder Montageaufgabe muss ein Roboter unter anderem schätzen können:
- Position und Ausrichtung des Gegenstands im dreidimensionalen Raum;
- eigene Gelenkwinkel, Geschwindigkeit und mechanische Reaktion;
- die nötige Kraft zum Greifen, Schieben, Einsetzen oder Anheben;
- Zeitpunkt und Verlauf von Kontakt, Abrutschen oder Zusammenstoß; und
- wie die Bewegung angepasst werden muss, wenn sie nicht wie erwartet funktioniert.
Darum ergänzen sich verschiedene Erhebungsmethoden:
- VR-Teleoperation zeichnet die demonstrierten Befehle eines Menschen über eine Schnittstelle auf, die auf die Bewegungen eines Roboters übertragen werden kann.
1
- Tragbare Bewegungserfassung registriert Körper-, Arm- und Handbewegungen eines Menschen, die anschließend auf einen Roboter übertragen werden.
- Kraftrückmeldung und taktile Sensorik machen Kontakt, Widerstand, Druck und Abrutschen sichtbar, die gewöhnliche Bilddaten möglicherweise nicht erfassen.
7
- Motordrehmoment und propriozeptive Daten zeigen den internen Zustand des Roboters und seine mechanische Reaktion während einer Handlung.
39
- Trajektorien echter Roboter legen Kalibrierungsfehler, Verzögerungen, Sensorauschen, mechanische Grenzen und die Unordnung realer Umgebungen offen – Faktoren, die menschliche Videos oder Simulationen nur annähern können.
34
Datensätze für autonomes Fahren können bei Wahrnehmung und Navigation helfen, behandeln aber einen anderen Aktionsraum. Fahren ist überwiegend fahrzeugzentriert und vermeidet den kontinuierlichen Kontakt mit den meisten Gegenständen. Geschickte Manipulation – etwa Greifen, Einsetzen oder Montieren – hängt dagegen von Kontaktkräften, Nachgiebigkeit und Fehlerkorrektur ab.
Die strategische Bedeutung
Die wichtigste Botschaft der World Robot Conference 2026 lautet nicht, dass China das Thema Roboterhardware aufgegeben hätte. Vielmehr zeigt sich: Hardware allein schließt die Autonomielücke nicht. Wettbewerbsvorteile könnten künftig bei den Organisationen liegen, die große Mengen multimodaler Daten über physische Interaktionen sammeln, standardisieren und rechtmäßig nutzen können.
Für Chinas Humanoiden-Industrie führt der Weg über Bühnendemonstrationen und ferngesteuerte Maschinen hinaus – durch reale Einsätze, geschulte Bediener, instrumentierte Umgebungen, gemeinsame Datenstandards und wiederholte Tests. Die dafür nötige Pipeline entsteht bereits. Doch die Kluft zwischen einigen hunderttausend Stunden und den oft genannten mehreren zehn Millionen Stunden für die Kommerzialisierung bleibt die zentrale Hürde. 3
13
14
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Warum Chinas Roboterindustrie an physischen Interaktionsdaten fehlt“?
Für kommerziell einsetzbare allgemeine Modelle werden oft mehrere zehn Millionen Stunden physischer Interaktionsdaten genannt.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Für kommerziell einsetzbare allgemeine Modelle werden oft mehrere zehn Millionen Stunden physischer Interaktionsdaten genannt. Die World Robot Conference 2026 zeigte eine Verschiebung: Neben spektakulären Roboterdemos rückten Teleoperation, Bewegungserfassung, Kraftsensorik und Datensysteme in den Mittelpunkt.
Was soll ich als nächstes in der Praxis tun?
Bis Ende Juni waren in China mehr als 70 Trainingsgelände für körpergebundene KI in Betrieb; weitere 46 befanden sich im Bau oder in Planung.
Quellen
scmp.comIn the embodied AI race, China can opt to look beyond ...
pandaily.com'Data Starvation': The Real Bottleneck Holding Back China's Embodied AI
roboticsandautomationnews.comX Square Robot showcases full embodied AI portfolio at WRC 2026
bastillepost.comPractical application of embodied AI robots shine at 2026 World AI ...