Robotik-KI: General Intuition sammelt 320 Millionen ein

Startup General Intuition erhält 320 Millionen Euro für physische KI. Open-Source-Modelle und reine Kamerasteuerung senken Kosten drastisch.

Die Robotik erlebt einen fundamentalen Wandel: Statt spezialisierter Einzelprogrammierung setzen Entwickler zunehmend auf universelle KI-Fundamentmodelle – ein Paradigmenwechsel, der an die Entwicklung großer Sprachmodelle in der Softwareindustrie erinnert.

Milliarden-Finanzierung für Spielzeug-Daten

Das Startup General Intuition sorgte Anfang des Sommers für Aufsehen: In einer Finanzierungsrunde sammelte das Unternehmen 320 Millionen Euro ein, die Bewertung sprang auf rund 2,3 Milliarden Euro. Zu den Investoren zählen Schwergewichte wie Coatue, Eric Schmidt, das MIT, Google DeepMind und Vinod Khosla.

Das Besondere: General Intuition stellt keine Hardware her, sondern entwickelt eine Plattform für „physische KI". Das Training basiert auf Millionen von Stunden Videospiel-Daten – genauer gesagt Ego-Shooter-Perspektiven, die der KI Bewegungsabläufe und Kausalität in simulierten physischen Räumen vermitteln. „Das reduziert den Bedarf an teuren realen Robotertrainings drastisch", so das Unternehmen. In ersten Tests steuerte das Modell einen vierbeinigen Roboter nach nur acht Minuten Feintuning mit echten Daten – und das allein durch eine Frontkamera.

Open Source und neue Benchmarks

Auch Ant Group drängt mit seiner Robotik-Sparte Robbyant in den Markt. LingBot-VLA 2.0 heißt das neue Open-Source-Modell mit sechs Milliarden Parametern, das auf rund 60.000 Stunden Daten trainiert wurde – darunter 50.000 Stunden Robotertrajektorien aus 20 verschiedenen Konfigurationen und 10.000 Stunden menschlicher Videos aus der Ich-Perspektive.

Das Modell nutzt eine 55-dimensionale Aktionsdarstellung und eine Mixture-of-Experts-Architektur. Im GM-100-Benchmark ließ es Konkurrenten wie ?0.5 und NVIDIAs GR00T N1.7 hinter sich. Parallel veröffentlichte Robbyant LingBot-Vision, ein Milliarden-Parameter-Modell, das mit 161 Millionen Bildern trainiert wurde und größere Modelle bei Tiefenschätzungen übertrifft.

Anzeige

Wer die Auswirkungen der 320-Millionen-Finanzierung auf seine Robotik-Strategie einordnen will, findet in diesem Report die wichtigsten Hebel – von Open-Source-Modellen bis zu kamerabasierter Navigation. Jetzt kostenlosen Strategie-Report anfordern

NVIDIA und Hugging Face haben zeitgleich den Isaac GR00T 1.7 sowie Isaac Teleop in die Open-Source-Bibliothek LeRobot integriert. Das Modell wurde auf 32.000 Stunden realer Demonstrationen und 8.000 Stunden Simulationsdaten vortrainiert.

Navigation ohne teure Sensoren

Ein weiterer Trend: reine Kameramodelle, die teure Sensorik überflüssig machen. Mistral veröffentlichte Robostral Navigate, ein 8-Milliarden-Parameter-Modell für autonome Navigation durch unbekannte Gebäude – gesteuert durch eine einzige RGB-Kamera und natürliche Sprachbefehle. Das vollständig simulierte Training mit rund 400.000 Trajektorien brachte eine Erfolgsquote von 76,6 Prozent in unbekannten Umgebungen.

Für vierbeinige Roboter präsentierte ein Forschungsteam im Juli das ABot-C0-System. Es nutzt eine Datenpyramide aus über 16.000 Bewegungsclips – gewonnen aus Videogenerierung, Motion-Capturing und Teleoperation. Die Forscher wendeten eine Flow-Matching-Strategie an und wiesen ein Skalierungsgesetz für Roboterbewegungen nach.

Weltmodelle als Game-Changer

Anzeige

Robotik-Entscheider, die noch auf teure Sensorik und manuelles Training setzen, riskieren Wettbewerbsnachteile. Dieser Leitfaden zeigt, wie Sie mit simulierten Daten und reinen Kameramodellen Ihre Kosten drastisch senken – Schritt für Schritt. Kosten senken mit KI-Robotik – Report sichern

Branchenbeobachter sehen in den neuen Weltmodellen den entscheidenden Durchbruch. Modelle wie Metas V-JEPA 2 zeigen hohe Erfolgsraten bei Greifaufgaben ohne vorheriges Training, während DeepMinds Dreamer 4 komplexe Umgebungen wie Minecraft direkt aus Pixel-Daten versteht.

Diese Architekturen – von videogenerativen über latente Raummodelle bis zu diffusionsbasierten Systemen – erlauben Robotern, physikalische Gesetze zu verinnerlichen, bevor sie jemals ein reales Objekt berühren. Die Folge: geringere Einstiegshürden, kürzere Entwicklungszeiten und sinkende Kosten für manuelle Datensammlung. Die Robotik-Branche steht vor einer ähnlichen Revolution wie die Softwareindustrie nach dem Aufkommen großer Sprachmodelle.