Kann KI mit der realen Welt umgehen? AGIBOTs jüngste Challenge soll darauf eine Antwort geben.
AGIBOT nutzte die diesjährige AGIBOT World Challenge 2026, um die Bewertung verkörperter KI über virtuelle Umgebungen hinaus auf Tests in der realen Welt auszuweiten. Während der ICRA 2026 brachte das Unternehmen 526 Forschungs- und Unternehmensteams aus 27 Ländern zusammen.
Das in Shanghai ansässige Robotikunternehmen konzipierte den Wettbewerb vor dem Hintergrund einer wachsenden Sorge in der Branche: Können KI-Systeme, die in Simulationen gute Leistungen erbringen, bei ihrem Einsatz auf physischen Robotern dieselben Ergebnisse liefern? Anstatt sich ausschließlich auf Benchmark-Ergebnisse aus virtuellen Umgebungen zu stützen, umfasste die Challenge reale Roboter, reale Aufgaben und standardisierte Bewertungsmethoden.
Die Finalisten mussten die Aufgaben mit dem humanoiden Roboter AGIBOT G2 bei einem Präsenzfinale in Wien bewältigen. Dadurch lag ein stärkerer Fokus auf Faktoren wie Stabilität, Anpassungsfähigkeit und langfristiger Aufgabenausführung – Eigenschaften, die für den Einsatz in der realen Welt entscheidend sind, sich aber allein durch Simulationen oft nur schwer messen lassen.
Zwei Kategorien testeten zentrale KI-Fähigkeiten
Der Wettbewerb war in zwei Kategorien unterteilt, die unterschiedliche Aspekte verkörperter Intelligenz untersuchten.
In der Kategorie Reasoning to Action (R2A) wurde untersucht, wie Roboter Anweisungen interpretieren, ihre Umgebung verstehen, Pläne entwickeln und Aufgaben in physischen Umgebungen ausführen. Die Kategorie stellt eine Erweiterung der früheren, auf Manipulation ausgerichteten Bewertung von AGIBOT dar und weitet die Beurteilung von der einfachen Aufgabenausführung auf eine vollständige Pipeline aus Schlussfolgern und Handeln aus.
Die Kategorie World Model (WM) konzentrierte sich auf Vorhersagen und das Verständnis der Umgebung. Die Teams sollten Systeme entwickeln, die prognostizieren können, wie sich physische Umgebungen als Reaktion auf Roboteraktionen und Sensordaten verändern.
Laut AGIBOT spiegelt die Struktur mit zwei Kategorien den Fortschritt der Branche wider: weg davon, Robotern lediglich beizubringen, wie sie Aufgaben ausführen, hin dazu, sie in die Lage zu versetzen, dynamische Umgebungen zu verstehen, vorherzusagen und in ihnen Entscheidungen zu treffen.
Die Teilnehmer kamen aus Universitäten, Forschungseinrichtungen, Start-ups und Technologieunternehmen. Mehr als 100 Teams übertrafen die grundlegenden Leistungsanforderungen des Wettbewerbs.
vivo-Team holt den Sieg in der Kategorie Reasoning
Die Teilnehmer der R2A-Kategorie trainierten Modelle mit dem Open-Source-Datensatz AGIBOT WORLD und testeten sie mit Genie Sim 3.0. Der Benchmark maß mehrere Fähigkeiten, darunter Sprachverständnis, räumliches Schlussfolgern, den Umgang mit Störungen, grundlegende Manipulationsfähigkeiten und die Zero-Shot-Transferleistung.
PrismBot, ein Team von vivo, belegte in der finalen Rangliste den ersten Platz. Shanghai RoboPartys RP-VLA wurde Zweiter, während GreenVLA den dritten Platz erreichte.
Ein echter Supermarkt wird zum Testgelände
Eine der praxisnäheren Neuerungen der Veranstaltung war ein gemeinsam von AGIBOT und Dexmal entwickelter Supermarkt-Benchmark.
Bei diesem Benchmark mussten sich Roboter in einer Einzelhandelsumgebung durch Gänge bewegen, Produkte finden, Artikel greifen, transportieren und an dafür vorgesehenen Stellen ablegen. Die Teams mussten unter realen Bedingungen wie begrenzten Regalhöhen und einer zufälligen Platzierung der Produkte arbeiten.
Anstatt rein in einer Simulation zu arbeiten, steuerten die Teilnehmer physische Roboter aus der Ferne über APIs, sodass die Organisatoren die Leistung der Algorithmen unter realistischen Einsatzbedingungen bewerten konnten.
Der Benchmark umfasste außerdem Herausforderungen wie fallengelassene Gegenstände und fehlgeschlagene Greifvorgänge und schuf damit Bedingungen, die dem realen Roboterbetrieb stärker ähneln.
Team der Chinesischen Akademie der Wissenschaften führt die Weltmodell-Rangliste an
Der Wettbewerb um das Weltmodell brachte eine andere Gruppe von Gewinnern hervor. NeoVerse-ABot, ein gemeinsames Team des Institute of Automation of the Chinese Academy of Sciences und des Amap CV Lab, belegte den ersten Platz.
Das Team PAI@IAII vom Institute of Industrial Artificial Intelligence der Chinese Academy of Sciences erreichte den zweiten Platz, während das Loop-Team von der University of Science and Technology of China Dritter wurde.
In dieser Kategorie wurde untersucht, wie effektiv KI-Systeme Interaktionen in der physischen Welt modellieren und vorhersehen können, insbesondere bei unerwarteten Ereignissen.
AGIBOT öffnet seinen Entwicklungs-Stack
Über den Wettbewerb hinaus stellte AGIBOT außerdem ein umfassenderes Entwicklungs-Framework bereit, das die Forschung an verkörperter KI unterstützen soll.
Der Stack umfasst den Open-Source-Datensatz AGIBOT WORLD, die Simulationsplattform Genie Sim 3.0 und die Plattform für den humanoiden Roboter AGIBOT G2. Zusammengenommen sollen diese Tools Entwicklern dabei helfen, robotische KI-Systeme von der Simulation bis zum physischen Einsatz zu trainieren, zu bewerten und zu validieren.
Das Unternehmen erklärte, die im Rahmen der Challenge entwickelten Ressourcen würden in seine laufenden Benchmark- und Open-Source-Initiativen einfließen. Zu den Zukunftsplänen gehören eine Online-Rangliste für Simulationen, neue Testaufgaben und eine Ausweitung der Benchmark-Abdeckung, um umfassendere Messungen der Leistungsfähigkeit verkörperter KI zu ermöglichen.
Lesen Sie auch: Unitrees Prüfung des geplanten Börsengangs könnte einen weiteren Test am öffentlichen Kapitalmarkt für Chinas humanoide Robotikbranche darstellen.