Gerade als man dachte, das Rennen um die Vorherrschaft bei den humanoiden Robotern könnte nicht noch rasanter werden, tritt ein brandneues Startup die Tür ein, verfrachtet einen Roboter in ein Go-Kart und dreht erst mal ein paar Donuts auf dem Parkplatz. Vorhang auf für Symbiosis Robotics: Das chinesische Unternehmen ist gerade erst aus dem Stealth-Modus aufgetaucht und sorgt direkt mit einem Video für Furore, in dem ein Unitree G1 nicht nur einfach fährt, sondern ein Go-Kart kontrolliert driften lässt. Es ist genau die Art von spektakulärer, leicht absurder Demonstration, die einen aufhorchen lässt – denn unter den quietschenden Reifen verbirgt sich ein technologischer Flex der Extraklasse.
Das hier ist keine ferngesteuerte Marionettenshow. Der Roboter führt eine komplexe, autonome Sequenz aus: Er zwängt seinen Körper in ein enges Cockpit, legt die Hände ans Lenkrad, die Füße auf die Pedale und nutzt dann eine kontinuierliche Kette aus Wahrnehmung, Balance und Ganzkörpersteuerung, um über die Strecke zu jagen. Eine Ansage von einem Unternehmen, das Berichten zufolge erst vor gut einem Monat gegründet wurde.
Das Gehirn: Ein Modell, sie alle zu knechten
Die Magie hinter dem mechanischen Schumi ist ein KI-Modell, das Symbiosis Direct Perception Control (DPC) nennt. Das Unternehmen behauptet, DPC sei ein „integriertes End-to-End-Basismodell für Wahrnehmung und Steuerung“, das die Arbeitsweise von Robotern grundlegend verändert. Jahrzehntelang war das dominante Paradigma in der Robotik ein geschichteter, modularer Stack: ein System für die Wahrnehmung, ein weiteres für die strategische Planung und ein drittes für die Steuerung der Gelenke. Das funktioniert zwar, ist aber oft fehleranfällig – ein kleiner Patzer in der ersten Schicht kann sich durch das ganze System kaskadieren.
Das DPC-Modell von Symbiosis wirft dieses Regelwerk über den Haufen. Es mappt multimodale sensorische Inputs – also Bilddaten, Sprache, den Zustand des Roboterkörpers und physisches Feedback – direkt auf die Zielvorgaben für Gelenke und Hände. In ihren eigenen Worten: Es reißt die Barriere zwischen dem „Großhirn“ (Wahrnehmung) und dem „Kleinhirn“ (Motorik) des Roboters ein, sodass beide gleichzeitig optimiert werden können. Das ist der heilige Gral der Embodied AI: ein einziges, einheitliches Modell, das einfach wahrnimmt und handelt.
Um dieses digitale Gehirn zu trainieren, hat Symbiosis es mit einer abwechslungsreichen Diät aus 15.010 Stunden Trainingsdaten gefüttert. Der Datensatz umfasst 6.781 Stunden menschlicher Ego-Perspektive-Videos, 4.024 Stunden von Roboterarmen sowie tausende Stunden von rollenden und zweibeinigen Humanoiden. Diese Vielfalt ist der Schlüssel, um ein Modell zu bauen, das über verschiedene Aufgaben und Körperformen hinweg generalisieren kann.
Der Körper: Ein Arbeitstier von der Stange
Das vielleicht aufschlussreichste Detail an der ganzen Sache ist der Roboter selbst. Das war kein maßgeschneidertes, millionenschweres Forschungsobjekt. Der Pilot war ein Unitree G1, ein kommerziell erhältlicher Humanoide, der sich schnell zum Liebling der Forscher entwickelt hat. Mit einer Größe von etwa 1,27 Metern und einem Gewicht von rund 35 kg ist der G1 eine fähige, wenn auch vergleichsweise bescheidene Hardware.
Mit 23 bis 43 Freiheitsgraden, einer Gehgeschwindigkeit von 2 m/s und einer Nutzlast von etwa 2 kg pro Arm ist er eine solide Plattform. Der entscheidende Punkt: Das Basismodell wird für unter 20.000 $ verkauft – ein Preisniveau, das in einer völlig anderen Galaxie liegt als etwa der Atlas von Boston Dynamics. Indem Symbiosis einen Roboter „von der Stange“ nutzt, setzen sie ein klares Statement: Der Paradigmenwechsel liegt nicht in exotischer Hardware, sondern in der Intelligenz, die sie steuert.
Warum ein Go-Kart ein tückisch harter Test ist
Ein Go-Kart zu fahren mag für einen Menschen trivial klingen, aber für einen Roboter ist es eine knallharte Prüfung seiner Ganzkörper-Intelligenz. Das ist kein gemütlicher Spaziergang durch ein Labor, sondern ein permanenter Test multipler, ineinandergreifender Fähigkeiten:
- Eingeschränkte Manipulation: Der Roboter muss physisch in das enge Cockpit passen und darin agieren – eine enorme Herausforderung für das räumliche Bewusstsein des gesamten Körpers.
- Hand-Auge-Fuß-Koordination: Er muss gleichzeitig die Strecke vor sich wahrnehmen, mit den Händen lenken und mit den Füßen nuancierten Druck auf die Pedale ausüben.
- Präzise Kraftsteuerung: Driften und kontrolliertes Fahren erfordern keine simplen An/Aus-Befehle, sondern eine subtile, analoge Steuerung von Gas und Bremse – ein Paradebeispiel für die Vorteile des End-to-End-Kraftfeedbacks von DPC.
- Dynamische Stabilität: Der gesamte Prozess verlangt vom Roboter, das Gleichgewicht und die Stabilität zu halten, während Fliehkräfte beim Beschleunigen, Bremsen und in den Kurven an ihm zerren.
Diese Demonstration ist mehr als nur ein PR-Stunt; es ist ein umfassender Belastungstest. Es ist eine Kampfansage eines schockierend jungen Startups, das von einem „Dream-Team“ junger Forscher geleitet wird, darunter CEO Ding Pengxiang, ein frischgebackener PhD der Zhejiang University und Westlake University. Sie haben klargestellt, dass sie nicht an inkrementellen Verbesserungen interessiert sind. Sie setzen alles auf End-to-End-KI als das „Endziel“ der Robotik – und sie sind gerade mit Vollgas an der Startlinie vorbeigeschossen, in einer Wolke aus Qualm und dem Geruch von verbranntem Gummi.