NEURA Robotics prezentuje bazowy model Neuron AI dla fizycznej sztucznej inteligencji

NEURA Robotics zaprezentowała Neuron AI, swój multimodalny model podstawowy dla fizycznej sztucznej inteligencji, 14 października 2026 r. w komunikacie z Metzingen w Niemczech. Według firmy architektura modelu Perception-Language-Action (PLA) łączy wzrok, słuch i dotyk robota z tym, co robot już zrobił, przekształcając informacje z wielu zmysłów w fizyczne działanie.

Założyciel i dyrektor generalny David Reger powiedział, że inteligentne roboty potrzebują mózgu, który łączy ich zmysły i pamięta przeszłe zdarzenia. „Dzięki Neuron AI budujemy mózg świata fizycznego” — powiedział, opisując model jako fizyczną sztuczną inteligencję opracowaną w Niemczech i stworzoną dla całego świata.

Na stronie produktu model podzielono na trzy części: warstwę percepcji, dzięki której robot widzi, dotyka i słyszy, zna własne ciało oraz odbiera polecenia użytkownika; model językowy, który przenosi wszystkie dane wejściowe do wspólnej przestrzeni językowej i analizuje polecenie; oraz model działania, który przekłada decyzje na precyzyjne i bezpieczne ruchy robota. W tym potoku każda modalność jest kodowana we wspólnej reprezentacji zsynchronizowanej w czasie, a następnie przetwarzana w celu wygenerowania jednego strumienia działań.

Percepcja wielozmysłowa i pamięć

Uzasadnienie dla stworzenia modelu NEURA zaczyna od ograniczeń kamer: rejestrują one geometrię, kolor i położenie, ale nie dostarczają informacji o kontakcie, sile ani dźwięku. Jak zauważono w komunikacie, ludzie nie polegają wyłącznie na wzroku: wyczuwają, że śruba stawia opór, i słyszą, jak złącze wskakuje na miejsce. Neuron AI stosuje tę samą zasadę w robotyce.

Firma podkreśliła, że dodatkowe zmysły są najważniejsze przy zadaniach, z którymi same kamery nie mogą sobie poradzić. Gdy robot otwiera zamek, tylko dźwięk i dotyk potwierdzają, że rzeczywiście jest otwarty, a dotyk pozwala robotowi chwytać obiekty niewidoczne dla kamery. Zmysły te zwiększają też precyzję zadań, z którymi wzrok już sobie radzi: podczas spawania dźwięk procesu może wskazywać na jakość spoiny.

Model ma również funkcję pamięci. NEURA argumentuje, że działanie w świecie fizycznym wymaga rozumienia przyczyn i skutków oraz stałości obiektów — zdolności do pamiętania o obiektach, gdy znikają z pola widzenia, którą ludzie nabywają w pierwszych dwóch latach życia. Jak twierdzi firma, w odróżnieniu od czysto cyfrowej sztucznej inteligencji robot działa w ciągłym świecie fizycznym i musi śledzić obiekty oraz skutki własnych działań w czasie, często nie widząc ich. NEURA poinformowała, że przebudowała architekturę specjalnie po to, by wprowadzić pamięć, i trenuje model na dedykowanych zbiorach danych przygotowanych z myślą o jej wykorzystaniu.

Na stronie produktu firma porównuje model Neuron AI z modelami vision-language-action (VLA), w których najważniejszą rolę odgrywa wzrok. Według NEURA modele VLA są optymalizowane pod kątem ruchu i rozumują głównie na podstawie bieżącej klatki z obrazu kamery. Neuron AI obejmuje ten sam zakres co model VLA, a dodatkowo wykorzystuje dotyk, dźwięk i pamięć, by uwzględniać informacje niedostępne kamerom.

Trzy filary danych i pięć konstrukcji robotów

Neuron AI jest trenowany na podstawie trzech uzupełniających się źródeł doświadczeń fizycznych. Roboty o różnych konstrukcjach wykonują zadania w NEURA Gyms, infrastrukturze szkoleniowej firmy dla robotów kognitywnych i fizycznej sztucznej inteligencji, a także w rzeczywistych warunkach, generując zsynchronizowane strumienie danych dotyczących wzroku, dotyku, siły, dźwięku i ruchu. Data Amplifier firmy NEURA oraz jej zestaw narzędzi symulacyjnych rozszerzają te dane o symulowane warianty zadań i środowisk. Dane z demonstracji ludzi pochodzą natomiast od osób noszących wyposażone w czujniki kombinezony do zbierania danych. Zarejestrowane ruchy i demonstracje zadań przekazują modelowi praktyczną wiedzę.

Jak poinformowała firma, trzy filary — rzeczywiste interakcje fizyczne, symulowane zróżnicowanie i wiedza ludzi — dostarczają danych do trenowania jednego wspólnego modelu podstawowego dla pięciu konstrukcji robotów NEURA, wyposażonych w różne chwytaki i dłonie. Na stronie produktu wymieniono pięć konstrukcji: 4NE-1 Gen 3, 4NE-1 Gen 4, kołowy model 4NE-1 oraz dwie kolejne platformy dwuręczne. Wskazano tam również, że jeden model jest trenowany i wdrażany w całej rodzinie robotów obejmującej MAiRA, MiPA, MAV+ i 4NE1.

Wdrażanie bezpośrednio na robotach i platforma Neuraverse

Jak podano na stronie produktu, Neuron AI działa lokalnie, bezpośrednio na robocie: decyzje są podejmowane na nim w czasie rzeczywistym, bez konieczności komunikacji z serwerem i z powrotem. Robot działa również bez połączenia z chmurą, a dane produkcyjne pozostają pod kontrolą klienta. Strona określa to jako kluczową kwestię dla producentów w Europie.

W ramach NEURA Gyms gromadzenie danych, trenowanie umiejętności i testy porównawcze są ze sobą powiązane jeszcze przed wdrożeniem, a zebrane tam dane i wypracowane umiejętności są wykorzystywane w kolejnych wersjach modelu. Platforma Neuraverse wdraża i aktualizuje te możliwości w całych flotach robotów oraz udostępnia klientom narzędzia do dostrajania modelu pod kątem ich własnych zadań, dzięki czemu wiedza o procesach danego klienta przekłada się na umiejętności robotów. Umiejętności mogą pozostać prywatne i dostępne wyłącznie dla klienta. Jak poinformowała NEURA, jeśli klient udostępni umiejętności lub dane z wdrożenia, mogą one wesprzeć szerszy ekosystem i rozwój przyszłych modeli.

Firma uznaje Time-to-Skill — czas, w jakim robot uczy się nowego zadania i zaczyna wykonywać je niezawodnie — za kluczową miarę postępów. Według NEURA skrócenie tego czasu jest niezbędne, by rozszerzać zastosowanie fizycznej sztucznej inteligencji na kolejne procesy przemysłowe i dostosowywać ją do zmieniających się wymagań.

Opracowanie w Niemczech i demonstracja podczas GTC Berlin

Prace rozwojowe i trening odbywały się we własnym zakresie w zakładzie NEURA w Metzingen, gdzie firma skupia roboty, dłonie robotyczne, technologie czujnikowe, infrastrukturę danych i zespół rozwijający AI, niezbędne do powiązania treningu modeli z osiągami fizycznymi. NEURA poinformowała, że niemiecki przemysł, obejmujący złożone procesy produkcyjne, specjalistyczną wiedzę i wymagające warunki pracy, stanowi ważne środowisko dla tych prac, a partnerstwa w zakresie danych z firmami przemysłowymi, w tym Schaeffler i Bosch, uzupełniają trening prowadzony w NEURA Gyms.

Podczas NVIDIA GTC Berlin 2026 NEURA zaprezentuje swojego humanoidalnego robota 4NE1 („Dla każdego”), działającego na aktualnej wersji Neuron AI i wykonującego trwającą jedenaście minut sekwencję obsługi prania. W jej trakcie 4NE1 sortuje pranie, wkłada je do pralki, zamyka ją i ponownie otwiera, wyjmuje pranie, a następnie przenosi je do suszarki — wszystko bez ingerencji człowieka. Firma poinformowała, że trudność nie polega na wykonaniu pojedynczego ruchu: robot musi zachować istotny kontekst przez całą sekwencję, wykonać każdy etap i przejść do następnego. Pokaz zaplanowano w Station-Berlin, w Hali 3, na stoisku nr 3031, w dniach 20–22 października 2026 r.