Die jüngste Demo eines Büroroboters von Flexion Robotics zeigt die softwareseitige Herausforderung hinter der humanoiden Robotik. In einem am 29. Juni 2026 veröffentlichten Video zeigte das Unternehmen einen modifizierten humanoiden Roboter von Unitree, der auf eine einzige Anweisung in natürlicher Sprache ein Snackpaket holte, Treppen und einen Aufzug nutzte, den Karton auspackte und die Gegenstände in eine Schublade legte.
Die Aufgabe war überschaubar, die technische Aussage jedoch nicht. Flexion argumentiert, dass humanoide Roboter nur dann an Arbeitsplätzen nützlich werden, wenn ihre KI-Systeme planen, wahrnehmen, sich von Fehlern erholen und längere Aufgabenfolgen abschließen können, ohne für jeden einzelnen Schritt programmiert zu werden.
Reflect v1.0 macht aus einem Bürobesorgungsgang einen Softwaretest
Flexion beschrieb Reflect v1.0 als Plattform für Robotikintelligenz bei lang andauernden Aufgaben mit humanoiden Robotern. Nach Angaben des Unternehmens wurde die Mission autonom und ohne menschliche Steuerung des Roboters abgeschlossen.
Die Aufgabe umfasste mehrere Schritte: das Bewegen durch verschiedene Bereiche, die Interaktion mit Türen, die Nutzung von Treppen und eines Aufzugs, den Umgang mit einem Paket, das Auspacken von Gegenständen und das Ablegen in einer Schublade. Ein Fehler an jeder beliebigen Stelle hätte die Mission stoppen können. Deshalb stellte Flexion Reflect als End-to-End-Autonomiestack und nicht als einzelne Roboterfertigkeit dar.
Die Architektur verwendet ein eigens entwickeltes Vision-Language-Modell als Missionssteuerung, das den Fortschritt verfolgt, Werkzeuge auswählt und bei Bedarf neu plant. Eine Bewegungsschicht kombiniert ein Vision-Language-Action-Modell mit auf Reinforcement Learning basierenden Fähigkeiten, während ein Ganzkörper-Controller für Gleichgewicht und Bewegung zuständig ist. Eine Laufzeitschicht verwaltet Inferenz, Protokollierung, Kommunikation, Prozessisolierung und Sicherheitsprüfungen.
Bei einem Missionstest mit 16 Schritten erreichte überwachtes Fine-Tuning laut Flexion eine End-to-End-Abschlussquote von 38 %, während Fine-Tuning per Reinforcement Learning 90 % erreichte. Die Zahlen sind Teil von Flexions Argumentation für die Modellebene, bleiben jedoch ein Unternehmensbenchmark und keine unabhängige Validierung der kommerziellen Einsatzreife.
Ein WIRED-Profil berichtete, dass Flexion von ehemaligen Robotikforschern von Nvidia gegründet wurde. Der ABI-Research-Analyst George Chowdhury sagte der Publikation, dass der Wert humanoider Robotik möglicherweise stärker in KI-Modellen als in den Roboterkörpern liege. ABI Research schätzt, dass der Markt für Foundation-Modelle für Roboter bis 2036 ein Volumen von 150 Milliarden US-Dollar erreichen könnte, wie WIRED berichtet.
Die Modellebene wird zur entscheidenden Frage für den Einsatz
Humanoide Roboter werden in Unternehmen nicht skalieren, wenn jede neue Aufgabe, jeder neue Bürogrundriss oder jeder neue Fehlerfall eine individuelle Programmierung erfordert. Eine Softwareschicht, die sich auf verschiedene Objekte, Räume und Anweisungen übertragen lässt, könnte den Integrationsaufwand verringern, Pilotzyklen verkürzen und Einsätze besser reproduzierbar machen, insbesondere da Unternehmen für verkörperte KI sich in Richtung Fertigung und realer Einsätze bewegen. Die Demo von Flexion ist bemerkenswert, weil sie zeigt, wie sich die humanoide Robotik von isolierten Aufgabendemonstrationen hin zu wiederverwendbaren Autonomieplattformen entwickeln könnte.
Diese softwareseitige Herausforderung überschneidet sich mit dem breiteren Wettlauf um die Entwicklung von KI-Agenten für die reale Welt. Physische Roboter unterliegen strengeren Einschränkungen: Geschicklichkeit, Akkulaufzeit, Fortbewegung, Sensoren, Sicherheitssysteme und Arbeitsumgebungen, die für Menschen ausgelegt sind.
Aktuelle Forschung zur Robotik zeigt, wie sich die Architektur auf die Leistung eines Roboters auswirken kann. SpatialVLA konzentriert sich auf 3D-bewusste räumliche Repräsentationen, während TraceVLA Visual-Trace-Prompting nutzt, um den Modellen mehr Kontext zu vorherigen Roboterbewegungen zu geben. Diese Studien liefern Kontext, waren jedoch keine Tests von Flexions Büroablauf oder eines laufenden Unternehmenseinsatzes.
Rechenkapazität bleibt eine weitere Einschränkung, während Unternehmen ihre KI-Infrastrukturpläne von Pilotprojekten in die Produktion überführen. Chowdhury sagte WIRED, dass Flexion enge Hardwarepartnerschaften benötigen und auf erheblichen Wettbewerb stoßen werde.
Flexion legte außerdem wichtige Einschränkungen offen. Reflect v1.0 funktioniert weiterhin innerhalb einer begrenzten Aufgabenverteilung; einige Objekte lassen sich nach wie vor nur schwer greifen; die Missionssteuerung kann visuelle Eingaben falsch interpretieren; und die Wiederherstellungsverhalten decken nicht jeden Fehlerfall ab.
Die Demo zeigt, wohin sich der Wettbewerb in der humanoiden Robotik bewegt, ist aber kein Beleg dafür, dass Büroroboter bereit für einen breiten Einsatz in Unternehmen sind. Käufer sollten nach Belegen dafür suchen, dass Modelle mit unbekannten Aufgaben umgehen, sich auf verschiedene Roboterkörper übertragen, schnell Entscheidungen treffen und sich erholen können, wenn sich die Bedingungen ändern.
Mehr dazu: Agility Robotics bereitet einen Börsengang im Umfang von 2,5 Milliarden US-Dollar vor, um seine Digit-Roboterplattform auszubauen, während sich die humanoide Robotik der kommerziellen Skalierung nähert.