Die sieben dominierenden Klassen im Profil
01
Vision-Language-Action-Models
VLA · Multimodal-Policy
Funktion
Großes Transformer-Modell verarbeitet Kamerabilder, Sprachanweisungen und Robotik-Aktionen in einem gemeinsamen Token-Raum. Ausgabe sind motorische Aktionen oder Sub-Goals.
Modelle
Stärken
Sprach-konditionierte Generalisierung; Few-Shot-Adaption an neue Aufgaben; profitiert von Internet-Pretraining-Daten.
Schwächen
Hohe Inferenz-Latenz (oft 50 – 200 ms); benötigt Edge-Beschleuniger; Long-Horizon-Planung bleibt schwierig.
Beispiel
Figure 02 sortiert Pakete nach Sprachanweisung („leg die roten Beutel ins linke Fach"), gesteuert durch Helix.
02
End-to-End-Policy-Networks
Pixels-to-Torques
Funktion
Ein einziges neuronales Netz bildet rohe Sensordaten (oft Pixel und Proprioception) direkt auf Aktoren-Befehle ab. Keine explizite Zwischen-Repräsentation.
Modelle
Stärken
Sehr niedrige Inferenz-Latenz möglich; einfache Datenpipeline; hohe Reaktivität bei feinmotorischen Aufgaben.
Schwächen
Schlechte Generalisierung außerhalb der Trainingsverteilung; benötigt sehr große, aufgabenspezifische Demonstrationskorpora.
Beispiel
Stanford ALOHA-Setup für bimanuale Manipulation (Schuhe binden, Eier einsortieren) — trainiert auf wenigen Hundert Demonstrationsminuten pro Aufgabe.
03
Hierarchical Reinforcement Learning
Hierarchical-RL
Funktion
Zwei oder mehr Policy-Ebenen: ein langsamer Manager wählt Sub-Goals, ein schneller Worker setzt sie als Bewegungssequenz um. Trainiert mit Reinforcement-Learning oder Imitation.
Modelle
Stärken
Kann längere Aufgabenketten meistern; bessere Trainings-Effizienz auf komplexen Aufgaben durch Sub-Goal-Abstraktion.
Schwächen
Komplexe Trainings-Pipeline; Sub-Goal-Definition ist nicht-trivial; viele Forschungs-Setups sind nicht skalierbar produktiv.
Beispiel
In Forschungsprojekten zur autonomen Lager-Navigation: Manager wählt Regal-Ziel, Worker fährt kollisionsfrei dorthin.
04
Diffusion-Policies
Generative Action-Decoder
Funktion
Diffusionsmodell erzeugt aus Rauschen eine vollständige Bewegungstrajektorie über mehrere Schritte. Kann multi-modale Aktionsverteilungen darstellen — wichtig, wenn mehrere gültige Lösungen existieren.
Modelle
Stärken
Robust gegen Multi-Modalität; hohe Trajektorien-Qualität; lässt sich gut mit VLA-Encodern kombinieren.
Schwächen
Inferenz traditionell langsam (mehrere Diffusionsschritte). Flow-Matching reduziert das, ist aber jüngere Technik.
Beispiel
Pi-0 nutzt Flow-Matching, um aus dem VLA-Output direkt 50-Hz-Trajektorien für 7-DOF-Greifer zu erzeugen.
05
Behavior-Cloning
Imitation-Learning · Supervised-Policy
Funktion
Klassische überwachte Lernaufgabe: Eingabe ist Sensor-Beobachtung, Ziel ist die vom Demonstrator gezeigte Aktion. Keine Belohnungs-Signale, kein RL.
Modelle
Stärken
Einfach umzusetzen; benötigt keinen Simulator; ist die Standard-Trainingsmethode für nahezu alle aktuellen VLAs in der Imitationsphase.
Schwächen
Verteilungsverschiebung: Wenn der Roboter vom Demonstrationspfad abweicht, kollabiert die Policy oft. Lösung: DAgger oder zusätzliches Online-Finetuning.
Beispiel
Sortier-Aufgabe in Lager: 1.000 Teleoperations-Demonstrationen → Behavior-Cloning → 80 % Erfolgsrate auf bekannten Objekten.
06
Model-Predictive Control + ML-Heuristik
MPC · MPPI · Hybrid-Stack
Funktion
Klassisches MPC plant Bewegungen über einen kurzen Vorhersage-Horizont durch numerische Optimierung. ML-Komponenten liefern entweder Kosten-Funktionen, Welt-Modelle oder Sampling-Verteilungen (etwa MPPI mit gelernter Proposal-Verteilung).
Modelle
Stärken
Formale Stabilitätsgarantien möglich; hohe Daten-Effizienz; bewährt in Industrieanwendungen mit Sicherheitsanforderungen.
Schwächen
Benötigt verlässliches Welt-Modell; numerische Optimierung kann bei komplexen Kontakten teuer werden; weniger flexibel bei unstrukturierten Szenen.
Beispiel
Boston Dynamics Atlas Locomotion: Whole-Body-MPC mit 500-Hz-Loop, jüngere Generationen mit gelernten Welt-Modellen für Geländewechsel.
07
Reinforcement-Learning + Sim-to-Real
Sim2Real-RL · Domain-Randomization
Funktion
Policy wird vollständig in Simulation mit RL trainiert (PPO, SAC, DreamerV3) und auf den realen Roboter übertragen. Domain-Randomization randomisiert Reibung, Massen, Sensorrauschen, Beleuchtung.
Modelle
Stärken
Skaliert mit Compute statt mit Demonstrationsdaten; nahezu unbegrenzte Trainingsepisoden; ideal für Locomotion und stark dynamische Aufgaben.
Schwächen
Reality-Gap bleibt für Manipulation und kontaktreiche Aufgaben hartnäckig; Sim-Setup ist arbeitsintensiv; Belohnungsgestaltung kann fragil sein.
Beispiel
ANYbotics ANYmal-Vierbeiner — Locomotion-Policy in NVIDIA Isaac trainiert, läuft auf realer Hardware ohne weitere Anpassung.
Wie diese Klassen kombiniert werden
In der Praxis ist der Stack hybrid.
Eine moderne humanoide Robotik-Plattform 2026 nutzt selten eine einzige Architektur. Typische Kombinationen: VLA als High-Level-Planer + Diffusion-Policy als Action-Decoder + klassischer MPC als Low-Level-Whole-Body-Controller. Locomotion läuft häufig vollständig über Sim-to-Real-RL, während Manipulation auf VLA mit Behavior-Cloning-Phase basiert.
Wer die einzelnen Modelle namentlich vergleichen möchte, findet im Foundation-Models-Dossier die League-Table aller relevanten VLAs. Wer die zugrunde liegende Hardware verstehen will, findet im Hardware-Stack die vollständige Schichtenübersicht.
Weiterlesen
Foundation-Models 2026
Helix, Pi-0, RT-2, GR00T und die wichtigsten Open-Source-VLAs im Datenblatt-Vergleich.
→ 10 Modelle
Hardware-Stack
Vom GPU-Cluster zum Aktor — Edge-Compute, Sensorik, Echtzeit-OS, Servomotoren.
→ Schicht-Diagramm
Glossar A – Z
VLA, MPPI, Diffusion-Policy, Sim-to-Real, Whole-Body-Control, Embodiment — Definitionen.
→ Nachschlagewerk