NEURA Robotics presenterar grundmodellen Neuron AI för fysisk AI

NEURA Robotics presenterade Neuron AI, sin multimodala grundmodell för fysisk AI, den 14 oktober 2026 i ett tillkännagivande från Metzingen i Tyskland. Enligt företaget kopplar modellens Perception-Language-Action-arkitektur (PLA) samman robotens syn, hörsel och känsel med det den redan har gjort och omvandlar information från flera sinnen till fysisk handling.

Grundaren och vd:n David Reger sade att intelligenta robotar behöver en hjärna som förenar deras sinnen och minns tidigare händelser. ”Med Neuron AI bygger vi den fysiska världens hjärna”, sade han och beskrev modellen som fysisk AI utvecklad i Tyskland och byggd för världen.

På produktsidan delas modellen upp i tre delar: ett perceptionslager där roboten ser, känner och hör, känner sin egen kropp och tar emot användarens kommando; en språkmodell som för samman alla indata i ett gemensamt språkligt utrymme och resonerar kring begäran; samt en handlingsmodell som omvandlar beslut till precisa och säkra robotrörelser. I den här processen kodas varje modalitet till en gemensam, tidsmässigt synkroniserad representation innan den bearbetas till en enda handlingsström.

Perception med flera sinnen och minne

NEURA:s argument för modellen utgår från kamerornas begränsningar: de fångar geometri, färg och position, men ger ingen information om kontakt, kraft eller ljud. Som det påpekas i tillkännagivandet använder människor inte bara synen: de känner när en skruv får fäste och hör när en kontakt klickar på plats. Neuron AI tillämpar samma princip på robotar.

Företaget sade att de extra sinnena är viktigast för uppgifter som kameror inte kan lösa på egen hand. När en robot öppnar ett lås är det bara ljud och känsel som bekräftar att det verkligen är öppet, och känseln gör det möjligt för roboten att greppa föremål som inte syns. De förbättrar också uppgifter som synen redan klarar av: vid svetsning kan ljudet från processen ge en indikation på fogens kvalitet.

Modellen har också en minnesfunktion. NEURA hävdar att handlingar i den fysiska världen kräver en förståelse för orsak och verkan samt objektpermanens – förmågan att minnas föremål även när de försvinner ur synfältet, något människor utvecklar under sina två första levnadsår. Till skillnad från helt digital AI agerar en robot, enligt företaget, i en kontinuerlig fysisk värld och måste över tid hålla reda på föremål och följderna av sina egna handlingar, ofta utan att se dem. NEURA sade att företaget byggde om arkitekturen specifikt för att införa minne och tränar modellen på särskilda datamängder som utformats för att använda det.

På produktsidan jämför företaget synbaserade modeller för syn, språk och handling (VLA), som enligt företaget är optimerade för rörelse och främst resonerar utifrån den aktuella bildrutan från kameran, med Neuron AI. Företaget säger att Neuron AI täcker samma område som en VLA-modell, men även omfattar känsel, ljud och minne för att fånga upp sådant som kameror missar.

Tre datapelare och fem robotutföranden

Neuron AI tränas på tre kompletterande källor till fysisk erfarenhet. Robotar med olika utföranden utför uppgifter i NEURA Gyms, företagets träningsinfrastruktur för kognitiva robotar och fysisk AI, samt i verkliga miljöer. Det ger synkroniserade strömmar av data om syn, känsel, kraft, ljud och rörelse. NEURA:s Data Amplifier och simuleringslösning breddar datamängderna med simulerade variationer av uppgifter och miljöer. Data från mänskliga demonstrationer kommer från personer som bär datautrustade dräkter med sensorer. Deras registrerade rörelser och demonstrationer av uppgifter tillför praktisk expertis till träningen.

De tre pelarna tillför verklig fysisk interaktion, simulerade variationer och mänsklig kunskap och används för att träna en gemensam grundmodell för fem av NEURA:s robotutföranden med olika gripdon och händer, sade företaget. På produktsidan anges de fem som 4NE-1 Gen 3, 4NE-1 Gen 4, en hjulförsedd 4NE-1 och ytterligare två plattformar med två armar. Där listas också MAiRA, MiPA, MAV+ och 4NE1 som den robotfamilj där en och samma modell tränas och används.

Driftsättning i roboten och Neuraverse-plattformen

Neuron AI körs lokalt på själva roboten, enligt produktsidan: besluten fattas i realtid i roboten utan någon rundresa till en server, den fortsätter att fungera även utan molnanslutning och produktionsdata förblir under kundens kontroll. Produktsidan beskriver detta som en viktig fråga för tillverkare i Europa.

I NEURA Gyms kopplas datainsamling, färdighetsträning och jämförelsetester samman före driftsättningen, och data och färdigheter som tas fram där ligger till grund för senare modellversioner. Därefter driftsätter och uppdaterar Neuraverse-plattformen dessa funktioner i robotflottor och ger kunderna verktyg för att finjustera modellen för sina egna uppgifter, så att kundernas processexpertis blir till robotfärdigheter. Färdigheterna kan förbli privata för kunden. Om en kund delar färdigheter eller driftsättningsdata kan dessa bidrag, enligt NEURA, stödja det bredare ekosystemet och framtida modellutveckling.

Företaget betraktar Time-to-Skill – den tid det tar för en robot att lära sig en ny uppgift och utföra den tillförlitligt – som ett centralt mått på framsteg. För industrikunder är det enligt NEURA avgörande att korta den tiden för att kunna införa fysisk AI i fler processer och anpassa den när kraven förändras.

Utveckling i Tyskland och demonstrationen på GTC Berlin

Utvecklingen och träningen skedde internt vid NEURAs anläggning i Metzingen, där företaget samlar robotar, händer, sensorteknik, datainfrastruktur och AI-utveckling för att koppla mod träning till fysisk prestanda. NEURA uppgav att Tysklands industriella bas, med komplexa tillverkningsprocesser, specialiserad expertis och krävande driftmiljöer, erbjuder en viktig miljö för arbetet. Datapartnerskap med industriföretag, däribland Schaeffler och Bosch, kompletterar dessutom träningen som bedrivs vid NEURA Gyms.

På NVIDIA GTC Berlin 2026 kommer NEURA att demonstrera sin humanoida robot 4NE1 (”For Anyone”) med den aktuella versionen av Neuron AI, i en elva minuter lång sekvens där roboten hanterar tvätt. Under sekvensen sorterar 4NE1 tvätten, lägger in den i en tvättmaskin, stänger och öppnar luckan igen, tar ut tvätten och flyttar den till en torktumlare – allt utan mänsklig inblandning. Företaget uppgav att utmaningen sträcker sig bortom enskilda rörelser: roboten måste behålla relevant sammanhang genom hela sekvensen, slutföra varje moment och gå vidare till nästa. Demonstrationen är planerad till Station-Berlin, hall 3, monter #3031, den 20–22 oktober 2026.