Robotik und physische KI
NTTs physikbasiertes Weltmodell prüft Roboteraktionen vor ihrer Ausführung
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Am 11. November 2026 kündigte NTT, Inc. ein physikbasiertes Weltmodell an, das mögliche Roboteraktionen vor ihrer Ausführung bewertet, um Fehler wie fallengelassene Gegenstände und einstürzende Ladungen zu vermeiden. Das Unternehmen gab an, dass die Technologie die Erfolgsquote bei einer Aufgabe, bei der ein kleiner Roboter ein Regal belud, von 73,1 % auf 92,3 % steigerte.
Als erste Anwendung ist das automatisierte Be- und Entladen von Gepäck an Flughäfen vorgesehen. Da sich Form, Gewicht und Anordnung des Gepäcks unterscheiden, lässt sich allein mit herkömmlicher Robotersteuerung nur schwer im Voraus bestimmen, ob eine Aktion zum Einsturz einer Ladung oder zum Herunterfallen eines Gegenstands führt. Zudem ist es unpraktisch, Trainingsdaten für jeden denkbaren Gegenstand zu sammeln. NTT plant gemeinsam mit Mujin, Inc. Praxistests für die Gepäckabfertigung.
So bewertet das Modell mögliche Aktionen
Die Technologie lässt sich mit vorhandener Robotersteuerungssoftware einsetzen und ergänzt diese um Vorhersagen und Bewertungen vor der Bewegungsausführung. Mögliche Aktionen können von einem Vision-Sprache-Aktion-Modell stammen, das Kameraaufnahmen und sprachliche Anweisungen in Roboteraktionen umsetzt, oder von einem Bewegungsplaner, der die zur Erreichung eines Aufgabenziels erforderlichen Steuerbefehle berechnet. Für jede Option erstellt das Modell ein vorhergesagtes Video und bewertet Zusammenstöße, herunterfallende Gegenstände und einstürzende Ladungen. Daraus ergibt sich eine Bewertung, anhand derer das Steuerungsprogramm eine Aktion auswählen kann, die voraussichtlich erfolgreich ist.
NTT zufolge stellen herkömmliche Weltmodelle die physikalischen Größen von Objekten nicht ausdrücklich dar. Dadurch können Objekte in erzeugten Videos verschwinden oder sich auf unplausible Weise verformen, und Zusammenstöße können ungenau vorhergesagt werden. Da diese Modelle außerdem auf große Trainingsdatensätze angewiesen sind, scheitern sie eher in Situationen, die in den Daten nicht vorkommen.
NTTs Physik-Steuerungsadapter schätzt anhand von Videos Eigenschaften wie Position, Ausrichtung, Geschwindigkeit und Masse jedes Objekts, berechnet mithilfe physikalischer Gesetze dessen anschließende Bewegung und übermittelt diese Berechnungen an das Videogenerierungsmodell. Laut NTT ermöglicht diese ausdrückliche Darstellung, auch Situationen und Bewegungen zu berücksichtigen, die in den Trainingsdaten nicht vorkommen. Das Modell gibt außerdem die physikalischen Größen aus, die einer Vorhersage zugrunde liegen, wodurch die Grundlage des erzeugten Ergebnisses leichter nachvollziehbar wird.
Benchmark-Ergebnisse und Pläne für den Ausbau
NTT bewertete die Genauigkeit von Vorhersagen künftiger Videobilder auch anhand des öffentlichen OBJ3D-Benchmarks, der Videobilder synthetischer Objekte enthält, die zusammenstoßen. NTT berichtet, dass sein Modell bei Learned Perceptual Image Patch Similarity (LPIPS) besser abschnitt als herkömmliche Verfahren. Diese Metrik vergleicht vorhergesagte Videos mit den tatsächlichen Referenzdaten und orientiert sich dabei an der menschlichen Wahrnehmung; niedrigere Werte bedeuten eine größere Ähnlichkeit.
Über die Gepäck- und Paketabfertigung hinaus plant NTT Anwendungen in den Bereichen Logistik, Lagerhaltung, Fertigung, Bauwesen und Einzelhandel. Außerdem will das Unternehmen eine Zusammenarbeit mit Anbietern von Roboterdienstleistungen sowie mit Logistik- und Lagerunternehmen prüfen. Ein geringerer Personalbedarf und eine höhere Produktivität sind Ziele dieses Ausbaus, keine durch den berichteten Test belegten Ergebnisse.
Die Technologie soll auf dem NTT R&D Forum 2026 vorgestellt werden, einer Veranstaltung mit Einladungspflicht, die vom 18. bis 20. November 2026 sowie vom 24. bis 25. November 2026 stattfindet. Für ein Seminar am 25. November 2026 über KI-Robotik und das physikgestützte Weltmodell sind Mujin-Japan-CEO Isamu Arase und NTT-Forschungsingenieur Jun Shimamura als Referenten angekündigt.
Die von NTT veröffentlichten Ergebnisse beziehen sich auf eine Aufgabe mit einem kleinen Roboter und auf synthetische Videos von Zusammenstößen. In den geplanten Praxistests mit Mujin soll geprüft werden, ob sich die berichtete Verbesserung beim Beladen eines Regals auf die Gepäckabfertigung an Flughäfen übertragen lässt. Dort muss die Prüfung vor der Ausführung den unterschiedlichen physikalischen Eigenschaften Rechnung tragen, die Anlass für die Entwicklung des Modells waren.
