Roboter, die nicht nur sehen, sondern auch hören, fühlen und sich an vorherige Handlungen erinnern: NEURA Robotics stellt mit Neuron AI ein neues multimodales Foundation Model für Physical AI vor. Die in Metzingen entwickelte künstliche Intelligenz soll unterschiedliche Sinneseindrücke mit Sprache und einem Gedächtnis verbinden und daraus konkrete physische Handlungen ableiten.
Damit verfolgt NEURA einen Ansatz, der deutlich über klassische kamerabasierte Robotik hinausgeht. Neuron AI verarbeitet 3D-Sehen, Tastsinn, Kraftinformationen, Hören, den Eigenzustand des Roboters und Sprache innerhalb einer gemeinsamen Perception-Language-Action-Architektur, kurz PLA.
Neuron AI verbindet Sehen, Hören, Fühlen und Gedächtnis
Kameras können erkennen, wo sich ein Objekt befindet, welche Form es besitzt oder welche Farbe es hat. Ob eine Schraube tatsächlich festgezogen wurde, ein Steckverbinder eingerastet ist oder ein Gegenstand richtig gegriffen wurde, lässt sich allein über Bilder jedoch nicht immer zuverlässig feststellen.
Genau hier setzt Neuron AI an. Das Modell soll verschiedene sensorische Informationen gleichzeitig auswerten. Ein Roboter kann beispielsweise hören, ob ein Schloss beim Öffnen klickt, über Kraft- und Tastsensoren einen Widerstand wahrnehmen oder ein Objekt greifen, obwohl es sich gerade nicht in seinem Sichtfeld befindet.
Auch in industriellen Anwendungen sollen zusätzliche Sinne Vorteile bringen. Als Beispiel nennt NEURA einen Schweißroboter, der anhand von Geräuschen erkennen kann, ob ein Prozess wie vorgesehen abläuft.
Roboter sollen sich an Objekte und frühere Handlungen erinnern
Eine zentrale Neuerung ist das integrierte Gedächtnis. Roboter bewegen sich in einer kontinuierlichen physischen Umgebung und müssen deshalb nicht nur auf das reagieren, was sie in diesem Moment wahrnehmen.
Neuron AI soll auch relevanten Kontext über längere Abläufe hinweg behalten. Verschwindet ein Objekt aus dem Sichtfeld, soll der Roboter weiterhin berücksichtigen können, wo es sich befindet und welche Handlungen zuvor durchgeführt wurden.
Die Architektur verbindet damit aktuelle Sinneseindrücke mit Informationen darüber, was der Roboter bereits getan hat. Das ist insbesondere bei mehrstufigen Aufgaben wichtig, bei denen einzelne Arbeitsschritte aufeinander aufbauen.
NEURA-Gründer und CEO David Reger beschreibt den Ansatz so: „Ein intelligenter Roboter braucht ein Gehirn, das seine Sinne zusammenführt und sich daran erinnert, was passiert ist.“
Ein KI-Modell für fünf verschiedene Roboterformen
Neuron AI ist nach Angaben des Unternehmens nicht auf einen einzelnen Robotertyp beschränkt. Das Modell soll auf NEURA-Robotern in fünf unterschiedlichen Formfaktoren laufen und dabei mit verschiedenen Greifern und Roboterhänden funktionieren.
Für das Training kombiniert NEURA drei unterschiedliche Datenquellen.
- Reale Roboterdaten: Roboter führen Aufgaben in den NEURA Gyms sowie in realen Umgebungen aus und erzeugen synchronisierte Daten aus Sehen, Tasten, Kraft, Hören und Bewegung.
- Simulation: Der sogenannte Data Amplifier und Simulationsumgebungen erzeugen zusätzliche Varianten von Aufgaben und Einsatzbedingungen.
- Menschliche Demonstrationen: Menschen führen Bewegungen mit sensorausgestatteten Datenanzügen aus und übertragen dadurch praktisches Wissen in die Trainingspipeline.
Reale Robotererfahrungen, Simulationen und menschliches Fachwissen sollen so in einer gemeinsamen Datengrundlage zusammengeführt werden.
Ein wichtiger Baustein dieser Strategie sind die Trainingsumgebungen des Unternehmens. Gemeinsam mit der Technischen Universität München baut NEURA beispielsweise ein großes Trainingszentrum für Physical AI auf. City-News berichtete bereits über das TUM RoboGym und die gemeinsame Trainingsdaten-Infrastruktur von NEURA und TUM.
Einmal lernen, Fähigkeiten auf ganze Roboterflotten übertragen
Entscheidend ist für NEURA nicht nur, dass ein einzelner Roboter eine neue Aufgabe erlernen kann. Über die Plattform Neuraverse sollen entwickelte Fähigkeiten anschließend auf weitere Roboter beziehungsweise ganze Flotten übertragen und kontinuierlich aktualisiert werden können.
Unternehmen können Neuron AI dabei an eigene Aufgaben und Prozesse anpassen. Ihr spezifisches Prozesswissen lässt sich so in Roboterfähigkeiten übertragen. Partner sollen selbst entscheiden können, ob sie dieses Wissen ausschließlich intern nutzen oder Fähigkeiten und Einsatzdaten mit dem größeren Ökosystem teilen.
Eine zentrale Kennzahl nennt NEURA dabei Time-to-Skill: Entscheidend soll sein, wie schnell ein Roboter eine neue Fähigkeit erlernt und anschließend zuverlässig einsetzen kann.
Gerade für industrielle Anwender könnte dies entscheidend werden. Je schneller sich bestehende Roboter an neue Produkte, Abläufe oder Produktionsbedingungen anpassen lassen, desto breiter kann Physical AI eingesetzt werden.
Physical AI wird in Metzingen entwickelt und trainiert
Neuron AI wird nach Angaben von NEURA am Unternehmensstandort Metzingen entwickelt und trainiert. Das Unternehmen verbindet dabei eigene Roboterhardware, Sensorik, Dateninfrastruktur und KI-Entwicklung.
Zusätzliche Trainingsdaten entstehen durch Kooperationen mit Industrieunternehmen. NEURA nennt unter anderem Datenpartnerschaften mit Schaeffler und Bosch.
Der industrielle Hintergrund spielt dabei eine wichtige Rolle: Komplexe Produktionsprozesse und praktisches Fachwissen sollen direkt in die Entwicklung der Physical-AI-Systeme einfließen.
NEURA baut ein gemeinsames Physical-AI-Ökosystem auf
Neuron AI ist Teil einer größeren Strategie. Unterschiedliche Robotertypen sollen langfristig über eine gemeinsame KI-, Daten- und Software-Infrastruktur miteinander verbunden werden.
Wie dieses Ökosystem auch auf mobile Robotik ausgeweitet wird, zeigte NEURA zuletzt mit der Übernahme des ACTIVE Shuttle von Bosch Rexroth. NEURA Robotics übernimmt ACTIVE Shuttle von Bosch Rexroth und will die bewährte Plattform schrittweise mit eigenen KI-Technologien und dem Neuraverse verbinden.
Physical AI soll gleichzeitig nicht ausschließlich in Fabriken eingesetzt werden. Ende September stellte NEURA einen eigenen HealthTech-Bereich und eine autonome Plattform für Krankenhäuser vor. Der Roboter soll leere Krankenhausbetten autonom transportieren und Pflegekräften mehr als 1.300 Arbeitsstunden pro Jahr für andere Aufgaben zurückgeben.
Damit zeichnet sich zunehmend ab, wie NEURA seine Strategie aufbaut: unterschiedliche Roboter für Industrie, Intralogistik, Gesundheitswesen und weitere Einsatzbereiche sollen auf einer gemeinsamen Physical-AI-Infrastruktur lernen und Fähigkeiten austauschen können.
Humanoider Roboter 4NE1 zeigt elf Minuten autonome Arbeit
Wie Neuron AI in einem humanoiden Roboter eingesetzt werden kann, will NEURA auf der NVIDIA GTC Berlin 2026 demonstrieren.
Der humanoide Roboter 4NE1 soll dort mit der aktuellen Version von Neuron AI eine rund elfminütige, mehrstufige Haushaltsaufgabe vollständig autonom absolvieren.
Die Sequenz beginnt mit dem Sortieren von Wäsche. Anschließend belädt der Roboter eine Waschmaschine, schließt und öffnet sie wieder, entlädt die Wäsche und legt sie schließlich in einen Trockner um.
Entscheidend ist dabei nicht eine einzelne Bewegung. Der Roboter muss sich über die gesamte Sequenz hinweg merken, welche Arbeitsschritte bereits abgeschlossen wurden, den aktuellen Zustand erkennen und anschließend selbstständig den nächsten Schritt ausführen.
Planung, multisensorische Wahrnehmung, Gedächtnis und physische Handlung sollen dabei innerhalb eines Systems zusammenarbeiten.
Die Demonstration ist vom 20. bis 22. Oktober 2026 auf der NVIDIA GTC im Station-Berlin in Halle 3 am Stand 3031 zu sehen.
Vom einzelnen Roboter zur lernenden Flotte
Mit Neuron AI verschiebt NEURA den Fokus damit weiter von einzelnen Roboterfunktionen hin zu einer gemeinsamen lernenden Infrastruktur. Entscheidend soll künftig nicht nur sein, was ein bestimmter Roboter bereits kann, sondern wie schnell neue Fähigkeiten erlernt, auf andere Systeme übertragen und in realen Anwendungen eingesetzt werden können.
Das 2019 gegründete Unternehmen aus Metzingen entwickelt dafür kognitive Roboter sowie die dazugehörige Sensor-, Daten- und KI-Infrastruktur. Mit Neuron AI, den NEURA Gyms und dem Neuraverse sollen diese Bereiche nun enger miteinander verbunden werden.
Quelle: NEURA Robotics