NEURA Robotics lanserer grunnmodellen Neuron AI for fysisk KI

NEURA Robotics presenterte Neuron AI, sin multimodale grunnmodell for fysisk KI, 14. oktober 2026 i en kunngjøring fra Metzingen i Tyskland. Ifølge selskapet kobler modellens Perception-Language-Action-arkitektur (PLA) sammen robotens syn, hørsel og berøringssans med det den allerede har gjort, og omgjør informasjon fra flere sanser til fysiske handlinger.

Grunnlegger og administrerende direktør David Reger sa at intelligente roboter trenger en hjerne som forener sansene deres og husker tidligere hendelser. «Med Neuron AI bygger vi hjernen for den fysiske verden», sa han, og beskrev modellen som fysisk KI utviklet i Tyskland og laget for verden.

Produktsiden deler modellen inn i tre deler: et persepsjonslag som gjør at roboten kan se, føle og høre, kjenne sin egen kropp og motta brukerens kommando; en språkmodell som samler alle inndataene i et felles språklig rom og resonerer rundt forespørselen; og en handlingsmodell som omsetter beslutninger til presise og trygge robotbevegelser. I denne prosessen kodes hver modalitet til en felles, tidsjustert representasjon før den omformes til én handlingsstrøm.

Persepsjon med flere sanser og hukommelse

NEURAs begrunnelse for modellen tar utgangspunkt i kameraenes begrensninger: De fanger opp geometri, farger og posisjon, men gir ingen informasjon om kontakt, kraft eller lyd. Som det står i kunngjøringen, arbeider mennesker ikke bare ved hjelp av synet: De kjenner at en skrue får feste og hører en kontakt klikke på plass. Neuron AI bruker det samme prinsippet for roboter.

Selskapet sa at de ekstra sansene er viktigst for oppgaver kameraer ikke kan løse alene. Når en robot åpner en lås, er det bare lyd og berøring som bekrefter at den faktisk er åpen, og berøringssansen gjør det mulig for roboten å gripe gjenstander som er skjult for synet. Sansene forbedrer også oppgaver synet allerede kan håndtere: Ved sveising kan lyden fra prosessen si noe om kvaliteten på en sveisesøm.

Modellen har også en hukommelsesfunksjon. NEURA mener at det å handle i den fysiske verden krever forståelse av årsak og virkning og objektspermanens – evnen til å huske gjenstander når de forsvinner ut av syne, noe mennesker utvikler i løpet av sine to første leveår. I motsetning til rent digital KI handler en robot, ifølge selskapet, i en sammenhengende fysisk verden og må følge med på gjenstander og konsekvensene av sine egne handlinger over tid, ofte uten å kunne se dem. NEURA sa at selskapet omarbeidet arkitekturen spesielt for å innføre hukommelse, og at modellen trenes på egne datasett utformet for å bruke den.

På produktsiden sammenligner selskapet synsbaserte syn–språk–handling-modeller (VLA), som ifølge NEURA er optimalisert for bevegelse og i hovedsak resonnerer ut fra det gjeldende bildet fra kameraet, med Neuron AI. Selskapet sier at Neuron AI dekker det samme som en VLA-modell, men i tillegg bruker berøring, lyd og hukommelse for å fange opp det kameraene ikke registrerer.

Tre datagrunnlag og fem robottyper

Neuron AI trenes på tre utfyllende kilder til fysisk erfaring. Roboter med ulike utforminger utfører oppgaver i NEURA Gyms, selskapets treningsinfrastruktur for kognitive roboter og fysisk KI, og i virkelige omgivelser. Dette gir synkroniserte datastrømmer med informasjon om syn, berøring, kraft, lyd og bevegelse. NEURAs Data Amplifier og simuleringssystem utvider datagrunnlaget med simulerte variasjoner av oppgaver og omgivelser. Data fra menneskelige demonstrasjoner kommer fra personer som bruker sensorutstyrte drakter for datainnsamling. De registrerte bevegelsene og demonstrasjonene av oppgaver tilfører treningen praktisk ekspertise.

Ifølge selskapet bidrar de tre grunnlagene – fysisk samhandling, simulerte variasjoner og menneskelig kunnskap – til å trene én felles grunnmodell på fem NEURA-roboter med ulike gripeinnretninger og hender. På produktsiden oppgis de fem som 4NE-1 Gen 3, 4NE-1 Gen 4, en hjulgående 4NE-1 og to andre plattformer med to armer. Siden oppgir også MAiRA, MiPA, MAV+ og 4NE1 som robotfamilien som modellen trenes for og tas i bruk på.

Drift på roboten og Neuraverse-plattformen

Neuron AI kjører lokalt på selve roboten, ifølge produktsiden: Beslutninger tas i sanntid på roboten uten en tur-retur-forespørsel til en server. Den fortsetter å fungere selv uten skytilkobling, og produksjonsdataene forblir under kundens kontroll. Siden omtaler dette som et viktig poeng for produsenter i Europa.

I NEURA Gyms kobles datainnsamling, ferdighetstrening og referansemåling sammen før utrulling, og dataene og ferdighetene som utvikles der, brukes i senere modellversjoner. Deretter ruller Neuraverse-plattformen ut og oppdaterer disse funksjonene på tvers av robotflåter og gir kundene verktøy til å finjustere modellen for sine egne oppgaver, slik at kundens prosesskunnskap blir til robotferdigheter. Ferdighetene kan forbli private for kunden. Hvis en kunde deler ferdigheter eller data fra utrulling, kan disse bidragene ifølge NEURA styrke det bredere økosystemet og den videre modellutviklingen.

Selskapet bruker Time-to-Skill – hvor raskt en robot lærer en ny oppgave og utfører den pålitelig – som et sentralt mål på fremgang. For industrikunder er det avgjørende å redusere denne tiden for å kunne ta i bruk fysisk KI i flere prosesser og tilpasse den når kravene endres, sa NEURA.

Utvikling i Tyskland og demonstrasjonen på GTC Berlin

Utviklingen og treningen foregikk internt ved NEURAs anlegg i Metzingen, der selskapet samler robotene, hendene, sensorteknologien, datainfrastrukturen og AI-utviklingen som trengs for å knytte modelltreningen til fysisk ytelse. NEURA opplyste at Tysklands industrigrunnlag, med komplekse produksjonsprosesser, spesialisert kompetanse og krevende driftsmiljøer, gir et viktig utgangspunkt for dette arbeidet, og at datapartnerskap med industriselskaper, blant annet Schaeffler og Bosch, kommer i tillegg til treningen som foregår i NEURA Gyms.

På NVIDIA GTC Berlin 2026 skal NEURA demonstrere humanoidroboten sin, 4NE1 («For alle»), med den nyeste versjonen av Neuron AI gjennom en elleve minutter lang sekvens der den håndterer klesvask. I sekvensen sorterer 4NE1 tøy, legger det i en vaskemaskin, lukker og åpner maskinen igjen, tar ut tøyet og flytter det til en tørketrommel – alt uten menneskelig inngripen. Selskapet opplyste at utfordringen ikke ligger i én enkelt bevegelse: Roboten må holde fast på relevant kontekst gjennom hele sekvensen, fullføre hvert trinn og gå videre til det neste. Demonstrasjonen er planlagt på Station-Berlin, hall 3, stand #3031, fra 20. til 22. oktober 2026.