Tesla hat seine Trainingsstrategie für seinen humanoiden Roboter Optimus geändert. Statt auf Motion-Capture-Anzüge und Teleoperation zu setzen, bewegt sich Tesla in Richtung eines ausschließlich auf visuellen Daten basierenden Ansatzes.
Mitarbeiter tragen nun Kameraausrüstung in Form von Helmen und Rucksäcken mit fünf hauseigenen Kameras, die alltägliche Aufgaben wie das Falten eines T-Shirts oder das Aufheben eines Gegenstands aufzeichnen. Diese Videos werden anschließend verwendet, um Optimus darauf zu trainieren, die Handlungen nachzuahmen.
Laut Insidern soll die Änderung Tesla dabei helfen, die Datenerfassung schneller zu skalieren. Für Elon Musk ist das ein vertrautes Konzept, denn es handelt sich um dieselbe kameraorientierte Strategie, mit der das Unternehmen seine Software für autonomes Fahren trainiert hat.
Die Umstellung erfolgt, nachdem Milan Kovac als Leiter des Optimus-Programms zurückgetreten ist im Juni 2025. Seitdem hat Tesla-AI-Direktor Ashok Elluswamy die Leitung übernommen. Bis Juni setzte das Optimus-Projekt stark auf Motion-Capture-Anzüge und VR-Headsets – Werkzeuge, die in der gesamten Robotikbranche weit verbreitet sind. Im Juli sagte Musk dann bei einer Veranstaltung für Tesla Owners, Optimus könnte 30 Billionen US-Dollar Umsatz generieren, und bezeichnete humanoide Roboter als „wahrscheinlich größtes Produkt der Welt.“
Vorteile und Risiken von Teslas Strategiewechsel
Christian Hubicki, Leiter des Robotiklabors an der FAMU-FSU, erklärte gegenüber Business Insider, dass die Kameraanordnung aus mehreren Blickwinkeln wahrscheinlich „winzige Details wie die Position von Gelenken und Fingern“ erfasst und die Daten dadurch präziser macht.
Andere betrachten die Änderung jedoch mit Vorsicht. Robert Griffin, leitender Forschungswissenschaftler am Institute for Human and Machine Cognition, erklärte BI in einem exklusiven Gespräch, dass Teleoperationsdaten Robotern etwas vermitteln, was Videos allein nicht können: die Fähigkeit, durch die physische Interaktion mit ihrer Umgebung zu lernen. Ohne dieses praktische Element sei es für die KI wesentlich schwieriger, das, was sie auf Videos sieht, aufzugreifen und zuverlässig auf die reale Welt anzuwenden.
Das Skalierungsproblem
Eine große Herausforderung wird darin bestehen, Optimus Fähigkeiten beizubringen, die sich auf viele Aufgaben anwenden lassen, anstatt jede einzelne Handlung auswendig zu lernen. Business Insider zitierte den Robotikexperten Jonathan Aitken von der University of Sheffield, der es so formulierte: „Bei einer solchen Größenordnung müssen sie über einen verallgemeinerten Satz von Handlungen verfügen, sonst würde es ewig dauern, sie alle auszuführen.“
Musk räumt das ein. Während einer Telefonkonferenz zu den Quartalszahlen im Januar sagte er, „der Trainingsbedarf für den humanoiden Roboter Optimus liegt letztlich wahrscheinlich mindestens beim Zehnfachen dessen, was für das Auto erforderlich ist.“
Ein typisch Tesla-typischer Ansatz
Trotz dieser Hürden steht die Strategie im Einklang mit Teslas übergeordneter Philosophie, die auf visuelle Daten setzt und diese massiv skaliert. Während die meisten Entwickler autonomer Fahrzeuge neben Kameras Light Detection and Ranging (LiDAR) oder Radar einsetzen, verlässt sich Tesla fast ausschließlich auf visuelle Eingaben und sammelt Daten von Millionen Autos auf den Straßen. Optimus scheint derselben Formel zu folgen.
Wie Aitken im BI-Artikel zusammenfasste: „Das ist eine sehr Tesla-typische Art, Robotik zu entwickeln. Niemand sonst versucht, dies in derselben Größenordnung zu tun.“
Ob videobasiertes Lernen ausreichen wird, um Optimus vom Falten von T-Shirts zur Arbeit in echten Fabriken zu bringen, bleibt eine offene Frage.
Weitere Nachrichten aus der Robotik finden Sie in der Berichterstattung von eWeek über die ersten World Humanoid Robot Games und einen Roboterkampfclub.