NEURA Robotics onthult Neuron AI, een basismodel voor fysieke AI

NEURA Robotics introduceerde Neuron AI, zijn multimodale basismodel voor fysieke AI, op 14 oktober 2026 in een aankondiging vanuit Metzingen, Duitsland. Volgens het bedrijf koppelt de Perception-Language-Action-architectuur (PLA) van het model wat een robot ziet, hoort en voelt aan wat hij al heeft gedaan. Zo zet het multisensorische informatie om in fysieke handelingen.

Oprichter en CEO David Reger zei dat intelligente robots een brein nodig hebben dat hun zintuigen samenbrengt en eerdere gebeurtenissen onthoudt. “Met Neuron AI bouwen we het brein van de fysieke wereld”, zei hij. Hij omschreef het model als fysieke AI, ontwikkeld in Duitsland en gemaakt voor de wereld.

Op de productpagina wordt het model in drie onderdelen opgesplitst: een waarnemingslaag waarmee de robot ziet, voelt en hoort, zijn eigen lichaam kent en de opdracht van de gebruiker ontvangt; een taalmodel dat alle invoer samenbrengt in één gedeelde taalruimte en de opdracht beredeneert; en een actiemodel dat beslissingen omzet in nauwkeurige, veilige robotbewegingen. In deze pijplijn wordt elke modaliteit gecodeerd in een gemeenschappelijke, op tijd afgestemde representatie, voordat de informatie wordt omgezet in één actiestroom.

Multisensorische waarneming en geheugen

NEURA baseert zijn pleidooi voor het model op de beperkingen van camera’s: die leggen geometrie, kleur en positie vast, maar geven geen informatie over aanraking, kracht of geluid. Mensen werken niet alleen op zicht, merkt de aankondiging op: ze voelen wanneer een schroef vastloopt en horen een connector op zijn plaats klikken. Neuron AI past hetzelfde principe toe op robots.

Volgens het bedrijf zijn de extra zintuigen vooral belangrijk voor taken die camera’s niet zelfstandig aankunnen. Wanneer een robot een slot opent, bevestigen alleen geluid en aanraking dat het echt open is; dankzij zijn tastzin kan een robot bovendien voorwerpen vastpakken die buiten het zicht liggen. De extra zintuigen verbeteren ook taken die robots met hun zicht al kunnen uitvoeren: bij lassen kan het geluid van het proces iets zeggen over de kwaliteit van een lasnaad.

Het model beschikt ook over een geheugenfunctie. Volgens NEURA vereist handelen in de fysieke wereld inzicht in oorzaak en gevolg en objectpermanentie: het vermogen om voorwerpen te onthouden wanneer ze uit het zicht verdwijnen. Mensen ontwikkelen dit vermogen in de eerste twee levensjaren. Anders dan puur digitale AI handelt een robot volgens het bedrijf in een voortdurend veranderende fysieke wereld. Hij moet voorwerpen en de gevolgen van zijn eigen handelingen in de loop van de tijd blijven volgen, vaak zonder ze te zien. NEURA zegt de architectuur specifiek te hebben aangepast om geheugen toe te voegen en het model te trainen met speciale datasets die voor dat gebruik zijn samengesteld.

Op de productpagina vergelijkt het bedrijf op zicht gebaseerde vision-language-action-modellen (VLA), die volgens NEURA zijn geoptimaliseerd voor beweging en vooral redeneren op basis van het huidige camerabeeld, met Neuron AI. Dat model bestrijkt volgens het bedrijf hetzelfde terrein als een VLA-model, maar voegt tastzin, geluid en geheugen toe om ook informatie op te vangen die camera’s missen.

Drie gegevenspijlers en vijf robotuitvoeringen

Neuron AI wordt getraind met drie elkaar aanvullende bronnen van fysieke ervaring. Robots met verschillende uitvoeringen voeren taken uit in de NEURA Gyms, de trainingsinfrastructuur van het bedrijf voor cognitieve robots en fysieke AI, en in praktijksituaties. Daarbij produceren ze gesynchroniseerde gegevensstromen over beeld, tastzin, kracht, geluid en beweging. NEURA’s Data Amplifier en simulatiestack breiden die gegevens uit met gesimuleerde variaties in taken en omgevingen. Demonstratiegegevens van mensen zijn afkomstig van personen die met sensoren uitgeruste datapakken dragen. De vastgelegde bewegingen en taakdemonstraties brengen praktische expertise in het trainingsproces.

De drie pijlers leveren echte fysieke interactie, gesimuleerde variatie en menselijke kennis en trainen één gedeeld basismodel voor vijf robotuitvoeringen van NEURA, met verschillende grijpers en handen, aldus het bedrijf. Op de productpagina staan de vijf uitvoeringen vermeld: 4NE-1 Gen 3, 4NE-1 Gen 4, een verrijdbare 4NE-1 en twee andere platforms met twee armen. Ook noemt de pagina MAiRA, MiPA, MAV+ en 4NE1 als de robotfamilie waarop één model wordt getraind en uitgerold.

Uitvoering op de robot en het Neuraverse-platform

Neuron AI draait lokaal op de robot zelf, aldus de productpagina: beslissingen worden in realtime op de robot genomen, zonder dat daarvoor een verzoek naar een server heen en weer hoeft. De robot blijft werken, ook zonder cloudverbinding, en productiegegevens blijven onder controle van de klant. De pagina noemt dat een belangrijk punt voor fabrikanten in Europa.

In de NEURA Gyms zijn gegevensverzameling, vaardigheidstraining en benchmarking met elkaar verbonden voordat de robots worden ingezet. De gegevens en vaardigheden die daaruit voortkomen, worden gebruikt voor latere modelversies. Het Neuraverse-platform rolt deze mogelijkheden vervolgens uit naar robotvloten en werkt ze daar bij. Klanten krijgen ook tools om het model af te stemmen op hun eigen taken, zodat hun proceskennis wordt omgezet in robotvaardigheden. Vaardigheden kunnen privé blijven voor de klant. Als een klant vaardigheden of gegevens over de inzet deelt, kunnen die bijdragen volgens NEURA het bredere ecosysteem en de verdere modelontwikkeling ondersteunen.

Het bedrijf beschouwt Time-to-Skill — de snelheid waarmee een robot een nieuwe taak leert en die betrouwbaar uitvoert — als een centrale maatstaf voor vooruitgang. Voor industriële klanten is het volgens NEURA essentieel om die tijd te verkorten, zodat fysieke AI naar meer processen kan worden uitgebreid en kan worden aangepast wanneer de vereisten veranderen.

Ontwikkeling in Duitsland en de demonstratie op GTC Berlin

De ontwikkeling en training vonden intern plaats op de locatie van NEURA in Metzingen. Daar brengt het bedrijf de robots, handen, sensortechnologie, data-infrastructuur en AI-ontwikkeling samen die nodig zijn om modeltraining te koppelen aan fysieke prestaties. Volgens NEURA biedt de Duitse industrie, met haar complexe productieprocessen, gespecialiseerde expertise en veeleisende werkomgevingen, een belangrijke omgeving voor dit werk. Datapartnerschappen met industriële bedrijven, waaronder Schaeffler en Bosch, vormen een aanvulling op de trainingen die in de NEURA Gyms worden uitgevoerd.

Tijdens NVIDIA GTC Berlin 2026 demonstreert NEURA zijn humanoïde robot 4NE1 (“Voor iedereen”), die de huidige versie van Neuron AI uitvoert in een elf minuten durende reeks handelingen met wasgoed. In die reeks sorteert 4NE1 het wasgoed, laadt het een wasmachine, sluit en opent het die weer, haalt het wasgoed eruit en brengt het naar een droger, allemaal zonder menselijke tussenkomst. Volgens het bedrijf zit de uitdaging niet in één afzonderlijke beweging: de robot moet de relevante context van de hele reeks vasthouden, elke stap afronden en doorgaan naar de volgende. De demonstratie staat gepland in Station-Berlin, hal 3, stand #3031, van 20 tot en met 22 oktober 2026.