NEURA Robotics esittelee Neuron AI -perusmallin fyysiseen tekoälyyn

NEURA Robotics esitteli Neuron AI:n, fyysiseen tekoälyyn tarkoitetun multimodaalisen perusmallinsa, 14. lokakuuta 2026 Metzingenistä Saksasta julkaisemassaan tiedotteessa. Yhtiön mukaan mallin havainnointi–kieli–toiminta-arkkitehtuuri (PLA) yhdistää robotin näön, kuulon ja tuntoaistin siihen, mitä se on jo tehnyt, ja muuntaa useista aisteista saatavan tiedon fyysiseksi toiminnaksi.

Perustaja ja toimitusjohtaja David Reger sanoi, että älykkäät robotit tarvitsevat aivot, jotka yhdistävät niiden aistit ja muistavat aiemmat tapahtumat. ”Neuron AI:n avulla rakennamme fyysisen maailman aivoja”, hän sanoi ja kuvaili mallia Saksassa kehitetyksi ja koko maailmaa varten rakennetuksi fyysiseksi tekoälyksi.

Tuotesivulla malli jaetaan kolmeen osaan: havaintokerrokseen, jonka avulla robotti näkee, tuntee ja kuulee, tuntee oman kehonsa ja vastaanottaa käyttäjän komennon; kielimalliin, joka kokoaa kaikki syötteet yhteiseen kieliavaruuteen ja päättelee pyynnön perusteella; sekä toimintamalliin, joka muuntaa päätökset täsmällisiksi ja turvallisiksi robotin liikkeiksi. Tässä prosessissa jokainen modaliteetti koodataan yhteiseen, ajallisesti synkronoituun esitysmuotoon, ennen kuin se yhdistetään yhdeksi toimintavirraksi.

Moniaistinen havainnointi ja muisti

NEURA perustelee mallin tarpeellisuutta kameroiden rajoituksilla: ne tallentavat muodon, värin ja sijainnin, mutta eivät anna tietoa kosketuksesta, voimasta tai äänestä. Tiedotteessa huomautetaan, etteivät ihmisetkään toimi pelkän näköaistin varassa: he tuntevat ruuvin tarttumisen ja kuulevat liittimen napsahtavan paikalleen. Neuron AI soveltaa samaa periaatetta robotteihin.

Yhtiön mukaan lisäaistit ovat tärkeimpiä tehtävissä, joita kamerat eivät pysty ratkaisemaan yksin. Kun robotti avaa lukon, vain ääni ja kosketus vahvistavat, että lukko todella aukesi, ja kosketusaistin avulla robotti voi tarttua esineisiin, jotka eivät näy sille. Lisäaistit myös tarkentavat tehtäviä, joista näkö jo selviytyy: hitsauksessa prosessin ääni voi kertoa sauman laadusta.

Mallissa on myös muistitoiminto. NEURAn mukaan toimiminen fyysisessä maailmassa edellyttää syy-seuraussuhteiden ymmärtämistä ja kohteiden pysyvyyden hahmottamista eli kykyä muistaa esineet silloinkin, kun ne poistuvat näkyvistä. Ihmiset oppivat tämän ensimmäisten kahden elinvuotensa aikana. Yhtiön mukaan pelkästään digitaalisessa ympäristössä toimivasta tekoälystä poiketen robotti toimii jatkuvassa fyysisessä maailmassa, ja sen on seurattava esineitä sekä omien toimiensa seurauksia ajan kuluessa, usein silloinkin, kun se ei näe niitä. NEURA kertoi muokanneensa arkkitehtuuria nimenomaan muistin lisäämiseksi ja kouluttavansa mallia sitä varten laadituilla erityisillä aineistoilla.

Tuotesivulla yhtiö vertaa Neuron AI:ta näköön perustuviin näkö–kieli–toiminta-malleihin (VLA), jotka yhtiön mukaan on optimoitu liikkeeseen ja jotka päättelevät pääasiassa kameran parhaillaan näkemän kuvan perusteella. Yhtiön mukaan Neuron AI kattaa samat tehtävät kuin VLA-malli ja lisää niihin kosketuksen, äänen ja muistin, jotta se pystyy huomioimaan sen, mikä kameroilta jää havaitsematta.

Kolme tietopilaria ja viisi robottimallia

Neuron AI koulutetaan kolmella toisiaan täydentävällä fyysisen kokemuksen lähteellä. Erityyppiset robotit suorittavat tehtäviä NEURA Gyms -ympäristöissä, yhtiön kognitiivisille roboteille ja fyysiselle tekoälylle tarkoitetussa koulutusinfrastruktuurissa, sekä todellisissa olosuhteissa. Näin syntyy synkronoituja näkö-, kosketus-, voima-, ääni- ja liiketietovirtoja. NEURAn Data Amplifier ja simulointijärjestelmä täydentävät aineistoa tehtävien ja ympäristöjen simuloiduilla muunnelmilla. Ihmisiltä saatava demonstraatiodata puolestaan kerätään antureilla varustetuilla datankeruuasuilla, joiden avulla tallennetut liikkeet ja tehtävien suoritukset tuovat koulutukseen käytännön osaamista.

Yhtiön mukaan nämä kolme pilaria tarjoavat todellista fyysistä vuorovaikutusta, simuloitua vaihtelua ja ihmisten osaamista, joiden avulla yhtä yhteistä perusmallia koulutetaan viidelle NEURAn erilaisia tarttujia ja käsiä käyttävälle robottimallille. Tuotesivulla viideksi malliksi nimetään 4NE-1 Gen 3, 4NE-1 Gen 4, pyörillä varustettu 4NE-1 sekä kaksi muuta kaksikätistä alustaa. Lisäksi sivulla luetellaan MAiRA, MiPA, MAV+ ja 4NE1 robottiperheen malleina, joille samaa mallia koulutetaan ja joihin se otetaan käyttöön.

Käyttö robotissa ja Neuraverse-alusta

Tuotesivun mukaan Neuron AI toimii paikallisesti itse robotissa: päätökset tehdään reaaliajassa robotissa ilman palvelimelle tehtävää edestakaista yhteyttä, robotti jatkaa toimintaansa myös ilman pilviyhteyttä ja tuotantotiedot pysyvät asiakkaan hallinnassa. Sivun mukaan tämä on Euroopan valmistajille keskeinen asia.

NEURA Gyms -ympäristöissä tiedonkeruu, taitojen harjoittelu ja vertailutestaus yhdistetään ennen käyttöönottoa, ja niissä tuotetut tiedot ja taidot hyödynnetään myöhemmissä mallijulkaisuissa. Neuraverse-alustalla näitä ominaisuuksia otetaan käyttöön ja päivitetään robottikannoissa. Alusta tarjoaa asiakkaille myös työkaluja mallin hienosäätöön omia tehtäviä varten, jolloin asiakkaan prosessiosaaminen muuttuu robottitaidoiksi. Taidot voivat jäädä asiakkaan yksityiseen käyttöön. NEURAn mukaan asiakkaiden jakamat taidot tai käyttöönottotiedot voivat puolestaan tukea laajempaa ekosysteemiä ja tulevien mallien kehitystä.

Yhtiö pitää keskeisenä edistymisen mittarina aikaa, joka kuluu siihen, että robotti oppii uuden tehtävän ja suoriutuu siitä luotettavasti. NEURAn mukaan tämän ajan lyhentäminen on teollisuusasiakkaille olennaista, jotta fyysistä tekoälyä voidaan laajentaa yhä useampiin prosesseihin ja mukauttaa vaatimusten muuttuessa.

Kehitystyö Saksassa ja esittely GTC Berlin -tapahtumassa

Kehitys ja koulutus toteutettiin NEURAn omissa tiloissa Metzingenissä, missä yhtiö kokoaa yhteen robotit, kädet, sensoriteknologian, datainfrastruktuurin ja tekoälyn kehityksen, joita tarvitaan mallien koulutuksen yhdistämiseen fyysiseen suorituskykyyn. NEURAn mukaan Saksan teollinen perusta – monimutkaiset valmistusprosessit, erikoistunut osaaminen ja vaativat käyttöympäristöt – tarjoaa tälle työlle tärkeän toimintaympäristön. Teollisuusyritysten, kuten Schaefflerin ja Boschin, kanssa solmitut datakumppanuudet täydentävät NEURA Gyms -tiloissa toteutettavaa koulutusta.

NVIDIA GTC Berlin 2026 -tapahtumassa NEURA esittelee humanoidirobottinsa 4NE1 (”kaikille”), joka suorittaa Neuron AI:n nykyisellä versiolla 11 minuutin pyykinkäsittelyjakson. Jakson aikana 4NE1 lajittelee pyykin, täyttää pesukoneen, sulkee ja avaa sen uudelleen, tyhjentää sen ja siirtää pyykin kuivausrumpuun – kaiken tämän ilman ihmisen puuttumista toimintaan. Yhtiön mukaan haaste ei liity vain yksittäiseen liikkeeseen: robotin on säilytettävä olennainen asiayhteys koko jakson ajan, saatettava jokainen vaihe loppuun ja siirryttävä sitten seuraavaan. Esittely järjestetään Station-Berlinissä, hallissa 3, osastolla #3031, 20.–22. lokakuuta 2026.