NEURA Robotics stellt Neuron AI vor: multisensorisches Modell für Roboter

14. Oktober 2026, 08:00Quelle: NEURA Robotics

NEURA Robotics hat Neuron AI vorgestellt, ein multimodales Foundation Model für Physical AI, das 3D-Sicht, Tastsinn, Audio, Roboterzustand und Sprache mit einem Gedächtnis verbindet. Nach Angaben des Unternehmens ermöglicht das Perception-Language-Action-Modell (PLA) Robotern, auf Informationen zu reagieren, die Kameras allein nicht erfassen, und Objekte im Blick zu behalten, die aus ihrem Sichtfeld verschwinden.

Das Wichtigste in Kürze

NEURA Robotics hat Neuron AI vorgestellt, ein Perception-Language-Action-Modell, das 3D-Sicht, Tastsinn, Audio, Roboterzustand und Sprache mit einem Gedächtnis kombiniert.
Das Modell wird mit realen Roboterdaten, simulationserweiterten Daten und menschlichen Demonstrationen trainiert und läuft auf fünf NEURA-Roboterbauformen.
Kunden können Neuron AI für eigene Aufgaben feintunen und Skills über den Neuraverse auf Flotten ausrollen. Zentrale Messgröße ist die Time-to-Skill.
Der Humanoide 4NE1 führt auf der NVIDIA GTC Berlin vom 20. bis 22. Oktober eine elfminütige autonome Wäscheaufgabe vor.
Neuron AI wurde in Eigenregie im deutschen Metzingen entwickelt und trainiert.

Sinne jenseits des Sehens, dazu ein Gedächtnis

Kameras erfassen laut NEURA Geometrie, Farbe und Position, liefern aber keine Informationen über Kontakt, Kraft oder Geräusche. Genau an dieser Lücke setzt Neuron AI an. Statt jeden Sensor als eigenen Eingang zu behandeln, kodiert das Modell 3D-Sicht, taktile und Kraftdaten, Audio, Roboterzustand und Sprache, bringt sie über die Zeit in einem gemeinsamen Raum zusammen und übersetzt sie in einen einzigen Strom von Aktionen.

Das Unternehmen nennt Aufgaben, bei denen das den Unterschied macht. Öffnet ein Roboter ein Schloss, bestätigen nur Geräusch und Berührung, dass es wirklich offen ist. Mit Tastsinn kann ein Roboter Gegenstände greifen, die er nicht sieht. Beim Schweißen lässt sich die Qualität einer Naht am Klang des Prozesses beurteilen.

Das Modell verfügt außerdem über eine Gedächtnisfunktion. NEURA beschreibt Objektpermanenz, also die Fähigkeit, sich an Objekte außerhalb des Sichtfelds zu erinnern, als etwas, das Menschen in den ersten beiden Lebensjahren erwerben. Da ein Roboter in einer kontinuierlichen physischen Welt agiert, muss er Objekte und die Folgen seiner eigenen Handlungen über die Zeit verfolgen, oft ohne sie zu sehen. Laut NEURA wurde die Architektur des Modells gezielt angepasst, um ein Gedächtnis einzuführen, und das Modell wird mit eigens dafür vorgesehenen Datensätzen trainiert.

Drei Datenquellen, fünf Roboterkörper

Neuron AI wird mit drei Arten physischer Erfahrung trainiert:

Reale Roboterdaten: Roboter mit unterschiedlichen Bauformen erledigen Aufgaben in den NEURA Gyms, der Trainingsinfrastruktur des Unternehmens, und in realen Umgebungen. Dabei entstehen synchronisierte Daten zu Sicht, Tastsinn, Kraft, Audio und Bewegung.
Durch Simulation erweiterte Daten: NEURAs Data Amplifier und Simulations-Stack vergrößern die Trainingsdaten durch simulierte Variationen von Aufgaben und Umgebungen.
Daten aus menschlichen Demonstrationen: Personen mit sensorbestückten Datenanzügen erfassen Bewegungen und Aufgabendemonstrationen.

Zusammen bilden diese Quellen die Grundlage für ein gemeinsames Fundament über fünf NEURA-Roboterbauformen mit verschiedenen Greifern und Händen. Das Unternehmen nennt zudem Datenpartnerschaften mit Industrieunternehmen, darunter Schaeffler und Bosch, die das Training in den Gyms ergänzen.

Vom einzelnen Skill zur Roboterflotte

Die NEURA Gyms verbinden Datenerfassung, Skill-Training und Benchmarking vor dem Einsatz, und die daraus entstehenden Daten und Skills fließen in spätere Modellversionen ein. Der Neuraverse ist die Plattform, um diese Fähigkeiten über Roboterflotten hinweg auszurollen und zu aktualisieren. Kunden erhalten dort zudem Werkzeuge, um das Modell für ihre eigenen Aufgaben feinzutunen und so Prozesswissen in Roboter-Skills zu verwandeln.

Kunden können ihre Skills privat halten. Entscheiden sie sich, Skills oder Einsatzdaten zu teilen, können diese Beiträge laut NEURA das breitere Ökosystem und die künftige Modellentwicklung unterstützen.

Als zentrale Fortschrittsgröße nennt das Unternehmen die Time-to-Skill: wie schnell ein Roboter eine neue Aufgabe lernen und zuverlässig ausführen kann. Für Industriekunden sei die Verkürzung dieser Zeit entscheidend, um Physical AI in mehr Prozesse zu bringen und bei sich ändernden Anforderungen anzupassen, so NEURA.

Wäsche-Demo auf der NVIDIA GTC Berlin

Auf der NVIDIA GTC Berlin 2026 zeigt NEURA seinen humanoiden Roboter 4NE1 ("For Anyone") bei einer elfminütigen Wäscheabfolge mit der aktuellen Version von Neuron AI. Der Roboter sortiert Wäsche, befüllt eine Waschmaschine, schließt und öffnet sie wieder, entleert sie und legt die Wäsche in einen Trockner, ohne menschliches Eingreifen.

NEURA zufolge liegt der Schwerpunkt der Demonstration auf Handhabung und Aufgabenkoordination. Die Herausforderung gehe über einzelne Bewegungen hinaus: Der Roboter müsse Kontext durch die gesamte Abfolge tragen und von einem Schritt zum nächsten übergehen. Zu sehen ist die Demo in der Station-Berlin, Halle 3, Stand #3031, vom 20. bis 22. Oktober.

Was das bedeutet

Neuron AI wurde in Eigenregie im deutschen Metzingen entwickelt und trainiert. David Reger, Gründer und CEO von NEURA Robotics, sagte: "Mit Neuron AI bauen wir das Gehirn der physischen Welt." Für industrielle Anwender lautet das Angebot: ein einziges Modell, das mehrere Robotertypen abdeckt und sich über den Neuraverse auf eigene Prozesse abstimmen lässt. Angaben zu Preisen, Verfügbarkeit oder Benchmark-Werten macht die Quelle nicht. Wie das Modell außerhalb von NEURAs eigener Demonstration abschneidet, bleibt daher abzuwarten.