Flexion Robotics: De Zwitserse startup die een universeel brein bouwt voor elke mensachtige robot

'Wij creëren een virtuele wereld waarin we die robots kunnen plaatsen', stelt het bedrijf. 'Getraind in simulatie, opgeschaald naar de echte wereld met minimale menselijke betrokkenheid' .

De Trainingsmethode: Sim-to-Real op Schaalgrootte

Flexion's technische aanpak draait om drie onderling verbonden keuzes:

1. Simulatie-eerst (sim-to-real) training. Alle robotprogramma's worden volledig getraind in een virtuele fysicasimulatie op enorme schaal — tot wel 4.000 virtuele robots die gelijktijdig draaien — en vervolgens zonder aanpassingen overgezet naar fysieke hardware . Het bedrijf gebruikt versterkend leren (RL), waarbij robots zichzelf door vallen en opstaan leren: handelen, resultaten waarnemen en bijstellen tot ze slagen . Het resultaat is geen script, maar een neuraal netwerkprogramma dat waarneming koppelt aan actie .

2. Combinatie van imitatieleren en versterkend leren. Flexion gebruikt residueel versterkend leren bovenop imitatieleren-baselines. Dit betekent dat de robot eerst fundamentele manipulatie- en bewegingsvaardigheden leert van menselijke demonstraties, waarna RL wordt gebruikt om die vaardigheden aan te passen aan realistische omstandigheden die de simulator niet perfect kan modelleren . Het bedrijf gebruikt ook een 'real-to-sim'-feedbacklus, waarbij data uit de echte wereld de simulatieparameters verfijnt voor nauwkeurigere toekomstige training .

3. Een modulaire drielaagse architectuur. De autonomiestack scheidt hogere-ordedenken van bewegingsplanning van laag-niveau-sturing :

• Commando-laag (Redeneren): Een groot taalmodel (LLM) of visie-taalmodel (VLM) agent die natuurlijke-taakbeschrijvingen — zoals 'ruim het kantoor op' — interpreteert, opsplitst in subtaken en meerstaps-workflows plant .
• Bewegingsgeneratie-laag (Plannen): Een diffusie-gebaseerd model dat het beoogde pad van de robot in kaart brengt en obstakels in de 3D-ruimte vermijdt .
• Uitvoeringslaag (Reflexen): Een op RL gebaseerde lichaamsvolger die robuuste, adaptieve bewegingen op de fysieke robot uitvoert .

Dit ontwerp 'scheidt intentie (aangedreven door taal) van haalbaarheid (afgedwongen door fysica), waarbij simulatie wordt gebruikt voor motorische vaardigheden en echte data selectief' .

Autonome KantoorTaken: Van Prompt naar Actie

In november 2025 plaatste Flexion een video waarin een mensachtige robot volledig autonoom een kantoor opruimde, vertrekkend van een eenvoudige gebruikersprompt — zonder scripts, vooraf berekende trajecten of menselijke teleoperatie . De VLM-gebaseerde agent nam de scène waar, redeneerde over de taak en plande een end-to-end-strategie voor het oppakken en herschikken van objecten . Hetzelfde onderliggende systeem is ook getoond bij het navigeren in buitenomgevingen om autonoom afval te verzamelen en weg te gooien .

ICRA 2026: De Live Validatie

Op de International Conference on Robotics and Automation (ICRA 2026), gehouden van 9 tot 11 juni 2026, voerde Flexion een live autonome demonstratie met mensachtige robots uit. In 300 proeven over drie dagen werkten de robots volledig autonoom met een succespercentage van meer dan 95% en zonder menselijke interventie . Het resultaat bevestigde dat de sim-to-real-overdrachtsaanpak op schaal werkt in een ongereguleerde conferentieomgeving — een notoir moeilijke setting voor robotdemonstraties.

Hoe Flexion Verschilt van het Velden van Humanoïde Robotica

Belangrijkste strategische verschillen:

• Software-only / platformlicentiemodel. Flexion positioneert zichzelf als een horizontale intelligentielaag die elke fabrikant van mensachtige robots kan licentiëren, en vermijdt expliciet de 'verticale integratieval' waar bedrijven als Tesla of Figure zowel het brein als het lichaam moeten bouwen .
• Hardware-onafhankelijke generalisatie. Het trainen van één stack op 14 verschillende humanoïde platforms tegelijk is bedoeld om Flexion's brein draagbaar te maken over verschillende morfologieën — in tegenstelling tot de industrienorm van één-robot-één-stack .
• Volledig op simulatie gebaseerde trainingslus. Terwijl de meeste concurrenten real-world teleoperatiedata gebruiken voor imitatieleren, traint Flexion programma's op schaal in simulatie en zet ze zonder aanpassingen over naar de echte wereld, wat minimale dataverzameling in de echte wereld vereist .

Kanttekeningen en Open Vragen

Een specifiek Wired-artikel van juni 2026 dat Flexion's kantoorautonomie profileert, is niet gevonden in de beschikbare zoekresultaten. Het meest gedetailleerde bewijs van de kantoor-taakdemonstratie komt van Flexion's eigen LinkedIn-bericht (november 2025) en het ICRA 2026-resultatenrapport . De claims van het bedrijf over het terugbrengen van de opzettijd naar 'één week' en het draaien op 14 platforms moeten nog worden geverifieerd op commerciële schaal. En hoewel de ICRA 2026-resultaten indrukwekkend zijn, wacht het veld nog steeds op benchmarks van derden die Flexion-aangedreven robots head-to-head vergelijken met verticaal geïntegreerde concurrenten in echte implementaties.

Flexion's weddenschap is dat de toekomst van humanoïde robotica minder zal lijken op de iPhone — een strak geïntegreerd hardware-softwarepakket — en meer op Android: een universeel besturingssysteem dat elke fabrikant kan adopteren. Als de simulatie-eerst-trainingsmethodologie real-world resultaten blijft leveren, zou die weddenschap wel eens kunnen uitbetalen.