Neura stellt Neuron AI vor Neue KI in der Robotik: Das Gehirn der physischen Welt

Anbieter zum Thema

Neura Robotics GmbH

PSI Software SE | Business Unit Discrete Manufacturing

Die KI-Lösung Neuron AI vereint 3D-Sehen, Tastsinn, Hören, Eigenzustand und Sprache gemeinsam mit einem Gedächtnis in einem PLA-Modell. So können Roboter auch auf das reagieren, was sie nicht sehen.

Neura Robotics hat die Künstliche Intelligenz (KI) Neuron AI vorgestellt, ein multimodales Foundation Model für Physical AI. Neuron AI kombiniert 3D-Sehen, Tastsinn, Hören, Eigenzustand und Sprache mit einem Gedächtnis. Es ermöglicht Robotern, auf Informationen zu reagieren, die über das hinausgehen, was Kameras allein erfassen können – sowie relevanten Kontext im Gedächtnis zu behalten, wenn Objekte aus dem Sichtfeld verschwinden. Die PLA-Architektur (Perception-Language-Action) verbindet, was ein Roboter sieht, hört und fühlt, mit dem, was er bereits getan hat, und verwandelt auf diese Weise multisensorische Informationen in physische Handlungen.

„Ein intelligenter Roboter braucht ein Gehirn, das seine Sinne zusammenführt und sich daran erinnert, was passiert ist“, sagt David Reger, Gründer und CEO von Neura Robotics. „Mit Neuron AI bauen wir das Gehirn der physischen Welt: Physical AI, die menschliches Fachwissen und physische Erfahrung in Fähigkeiten verwandelt, die Roboter lernen und anwenden können. Entwickelt in Deutschland, gebaut für die Welt.“

Multimodal von Grund auf: Wie Neuron AI die physische Welt wahrnimmt

Einfache Kameras erfassen Geometrie, Farbe und Position, liefern aber keine Informationen über Berührung, Kraft oder Geräusche. Auch Menschen verlassen sich auf mehr als nur ihre Augen: Sie spüren, ob eine Schraube gefasst hat, und hören, wenn ein Steckverbinder einrastet. Neuron AI überträgt dieses Prinzip auf Roboter. Statt jeden Sensor einzeln zu verarbeiten, kodiert das Modell 3D-Sehen, taktile und Kraftdaten, Hören, Eigenzustand des Roboters und Sprache und übersetzt sie in einen durchgehenden Handlungsablauf.

Multisensorische Wahrnehmung ist vor allem bei Aufgaben entscheidend, bei denen Kameras allein an ihre Grenzen stoßen. Öffnet ein Roboter ein Schloss, verrät erst das Klicken und der spürbare Widerstand, dass es wirklich offen ist. Mithilfe des Tastsinns kann ein Roboter Objekte greifen, die er nicht sehen kann. Die zusätzlichen Sinne verbessern auch Aufgaben, die Kameras bereits bewältigen können: Ein Schweißroboter etwa hört, ob die Naht gelingt.

Darüber hinaus verfügt Neuron AI über ein Gedächtnis. Um im Alltag handlungsfähig zu sein, braucht ein Roboter ein Verständnis von Ursache und Wirkung sowie zusätzlich die Fähigkeit, sich an Objekte zu erinnern, wenn sie außerhalb des Blickfelds liegen – eine Fähigkeit, die Menschen sich beispielsweise in ihren ersten beiden Lebensjahren aneignen. Anders als rein digitale KI handelt ein Roboter in einer kontinuierlichen physischen Welt und muss Objekte sowie die Folgen seiner eigenen Handlungen über die Zeit im Blick behalten – oft ohne sie zu sehen. Der Hersteller hat den Aufbau und die Technik des Modells gezielt angepasst, um diese Gedächtnisfunktion einzuführen, und trainiert es mit speziellen Datensätzen, die diese nutzen.

Drei Datensäulen, ein Modell für jeden Roboter

Neuron AI wird mit drei sich ergänzenden Quellen physischer Erfahrung trainiert:

• Reale Roboterdaten: Unterschiedliche Roboter führen Aufgaben in den Neura Gyms aus, die Trainingsinfrastruktur des Herstellers für kognitive Roboter und Physical AI, sowie in echten Umgebungen, und erzeugen dabei synchronisierte Daten zu Sehsinn, Tastsinn, Kraft, Hören und Bewegung.

• Simulationsverstärkte Daten: Data Amplifier und Simulationsumgebung erweitern die Trainingsdaten durch simulierte Variationen von Aufgaben und Umgebungen.

• Reale menschliche Daten: Menschen, die sensorausgestattete Datenanzüge tragen, erfassen typisch menschliche Alltagsbewegungen und bringen so praktisches Fachwissen in die Trainingspipeline ein.

Zusammen vereinen diese Säulen echte physische Interaktionen, simulierte Variationen und menschliches Know-how. Daraus entsteht eine gemeinsame Datengrundlage für die eigenen Roboter in fünf Formfaktoren mit unterschiedlichen Greifern und Händen.

Strategische Kooperationen

Partnerschaften stärken die industrielle Cybersecurity

Neuraverse: Vom erlernten Skill zur flottenweiten Anwendung

Die Gyms verbinden Datenerfassung, Training und Benchmarking vor der Inbetriebnahme. Trainingsdaten und in den Gyms entwickelte Fähigkeiten fließen in künftige Modell-Releases ein.

Das Neuraverse bietet die Plattform, um diese Fähigkeiten flottenweit bereitzustellen und kontinuierlich zu aktualisieren. Es gibt Partnern zudem Werkzeuge an die Hand, um die Modelle auf ihre eigenen Aufgaben abzustimmen und so Prozess-Know-how in Roboterfähigkeiten zu verwandeln. Bei Bedarf können Partner ihr Wissen auch für sich behalten. Entscheiden sie sich, Fähigkeiten oder Einsatzdaten zu teilen, können diese Beiträge das breitere Ökosystem und die künftige Modellentwicklung unterstützen. Damit wird Time-to-Skill zur zentralen Fortschrittsmessgröße: wie schnell ein Roboter eine neue Aufgabe erlernt und zuverlässig ausführen kann. Für industrielle Kunden ist die Verkürzung dieser Zeit entscheidend, um Physical AI in mehr Prozesse zu integrieren und sie an veränderte Anforderungen anzupassen.

Physical AI, entwickelt in Deutschland

Neuron AI wurde in Metzingen entwickelt und trainiert. Der Hersteller bietet die Roboterhardware, Sensorik, Dateninfrastruktur und KI-Entwicklung, die nötig sind, um Modelltraining mit physischer Leistung zu verbinden. Deutschlands industrielle Basis bietet dafür ein wichtiges Umfeld: komplexe Fertigungsprozesse, spezialisiertes Fachwissen und anspruchsvolle Einsatzumgebungen. Datenpartnerschaften mit Industrieunternehmen wie Schaeffler und Bosch ergänzen das Training in den Gyms. Für den Anbieter verbindet genau diese Nähe die Entwicklung von Physical AI mit dem Wissen und den praktischen Anforderungen der Branchen, in die sie am Ende integriert werden soll.

Live-Demonstration auf der Nvidia GTC Berlin 2026

Auf der Nvidia GTC 2026 in Berlin zeigt das Unternehmen, wie sein humanoider Roboter 4NE1 („For Anyone“) mit der aktuellen Version von Neuron AI eine elfminütige, mehrstufige Haushaltsaufgabe ausführt. Die Sequenz umfasst das Sortieren von Wäsche, das Beladen einer Waschmaschine, das Schließen und erneute Öffnen der Maschine, das Entladen sowie das Umladen der Wäsche in einen Trockner – ohne menschliches Eingreifen. Die Demo konzentriert sich auf die Handhabung und Aufgabenkoordination innerhalb des Waschprozesses. Die Herausforderung geht dabei über jede einzelne Bewegung hinaus: Der Roboter muss relevanten Kontext über die gesamte Sequenz hinweg mitdenken, jeden Schritt abschließen und zum nächsten übergehen. Sie bringt die Architektur in einem greifbaren Beispiel zusammen: Planung, multisensorische Wahrnehmung, Gedächtnis und physische Handlung wirken zusammen. Besucher können die Demo vom 20. bis 22. Oktober im Station-Berlin, Halle 3, Stand #3031, erleben.

Mehr Informationen dazu finden Sie auf unserer Website: https://neura-robotics.com/neuron-ai