Robotik & physische KI

Bedarfssignatur

Was es ist & Reifegrad

Physische bzw. Embodied AI (verkörperte KI) bezeichnet Systeme, die Wahrnehmung, Steuerung und Aktion in der echten Welt vereinen: Humanoide Roboter, autonome Fahrzeuge (AV), Drohnen sowie Lager- und Industrierobotik. Das verbindende Element ist die Schleife Sensorik → Modell → Aktor in physischer Umgebung. Die Steuerung übernimmt zunehmend eine Policy (gelernte Steuerungsstrategie, die Sensoreingaben auf Aktionen abbildet) — häufig in Form eines VLA-Modells (Vision-Language-Action-Modell, das Bild, Sprachinstruktion und Aktion in einem Netz verbindet).

Reifegrad (Einschätzung): stark unterschiedlich je Segment. Industrierobotik und Lagerautomatisierung sind teils produktiv und skalieren; autonome Fahrzeuge befinden sich im Pilotbetrieb mit wachsenden Flotten; humanoide Roboter sind früh — erste Demonstrations- und Kleinserienprogramme, aber keine Massenproduktion. Drohnen im kommerziellen Bereich (Logistik, Inspektion) wachsen, regulatorisch unterschiedlich weit.

Stand der Dinge / Dynamik

Beim nächsten Review hier aktualisieren — das ist der lebende Teil der Seite.

• VLA-Modelle als Architektur-Front: Die methodische Front liegt bei VLA-Modellen (Vision-Language-Action) und Weltmodellen — ein einziges Netz bildet Kamerabild plus Sprachinstruktion auf Roboteraktionen ab. Hier sitzt die hohe IP-Intensität (proprietäre Architektur, Trainingsdaten, R&D). (Einschätzung, zu belegen.)
• Sim-to-Real und Demonstrationsdaten: Trainiert wird teils per Sim-to-Real (Lernen in Simulation, Übertragung auf reale Umgebung) und teils per Imitation Learning aus realen Demonstrationen. Reale Daten entstehen vor allem durch Teleoperation (ein Mensch steuert den Roboter ferngesteuert, die Bewegung wird als Lehrbeispiel aufgezeichnet) — operativ teuer und der eigentliche Engpass Engpass: hoch. Belegte Größenordnung offener Forschungsdatensätze: DROID umfasst 76.000 Demonstrations-Trajektorien bzw. 350 Stunden Interaktionsdaten, erhoben über 12 Monate an 13 Instituten; Open X-Embodiment aggregiert über 1 Mio. Trajektorien aus 60 Datensätzen (siehe Diagramm).
• Onboard-Compute am Edge: Plattformen wie der Nvidia Jetson Thor positionieren die Inferenz on-device — 128 GB LPDDR5X-Speicher direkt im Roboter, nicht im Datacenter. Das ist die strukturelle Grenze: laufender Betrieb belastet kaum DC-HBM/DRAM. (Anbieter-Spezifikation, siehe Kennzahlen.)
• Humanoide Programme & AV-Skalierung: Mehrere Unternehmen investieren substanziell in humanoide Roboter-Programme; autonome Fahrzeuge skalieren in Pilotmärkten. Aktuelle Stückzahlen, Zeitpläne und Flottengrößen sind noch nachzutragen. (Sekundärinfo, zu belegen.)

VLA-/Sim-to-Real-Aussagen sind Einschätzungen; die Datensatz-Größenordnungen (DROID, OXE) und die Jetson-Thor-Spezifikation sind belegt (siehe Diagramm und Kennzahlen). Vor harter Verwendung in der These gegen Primärquellen prüfen.

Treiber-Mechanik → Hardware

Warum Robotik Storage (im Datacenter) und Edge-Compute treibt:

Größenordnung offener Demonstrations-/Trainingsdatensätze

Zeitraum: 2023–2024 · Einheit: Anzahl realer Demonstrations-Trajektorien (logarithmische Größenordnung, Balken gestaucht) · Legende: reale Trajektorien.

Quelle: DROID (RSS 2024) — 76.000 Trajektorien bzw. 350 Std., 564 Szenen, 86 Aufgaben, 12 Monate, ein Robotertyp; Open X-Embodiment (arXiv 2310.08864) — >1 Mio. Trajektorien, 22 Embodiments, Aggregat aus 60 Datensätzen. Reported. Balkenlängen sind nur Größenordnung — die Aussage ist, wie aufwendig reale Robotik-Daten zu erheben sind und dass sie als DC-Storage anfallen. Rohdaten: assets/data/robotik-demonstrationsdaten.csv.

Kennzahlen

Quantitative Anker — vor Eintrag belegen (Quelle, Zeitraum, Einheit, reported/geschätzt).

Belegt: Datensatz-Größenordnungen (DROID, OXE) und Jetson-Thor-Spezifikation. Übrige Zeilen sind Platzhalter — belegte Rohdaten nach assets/data/ legen und mit dieser Tabelle synchron halten. Rohdaten: assets/data/robotik-demonstrationsdaten.csv, assets/data/robotik-edge-compute.csv. DROID und OXE bilden einen Robotertyp bzw. ein Aggregat ab — keine Markt-/Flottenzahl, sondern Indikator für den Aufwand realer Datenerhebung.

Edge vs. Datacenter

Inferenz am Edge — die laufende Policy (gelernte Steuerungsstrategie) und der Perception-Stack werden auf dem Gerät ausgeführt (Roboter, Fahrzeug, Drohne), typisch auf einer NPU bzw. einem System-on-Module. Konkretes Beispiel: der Nvidia Jetson AGX Thor trägt 128 GB LPDDR5X-Speicher und 2.070 TFLOPS (FP4) direkt im Gerät, bei 40–130 W — der gesamte Inferenz-Speicher sitzt also am Edge, nicht im Rechenzentrum. Das Datacenter ist zuständig für Training und Simulation: Weltmodelle, Policy-Training (auch per VLA-Modellen), große Simulations-Batches. Der Datacenter-Anteil ist zeitlich konzentriert (Trainingskampagnen) statt gleichmäßig verteilt. Genau deshalb erzeugt eine wachsende Roboterflotte heute kaum aggregierte DC-HBM/DRAM-Last.

Bedeutung für die Speicher-/Storage-These

Beobachten / offene Fragen

• Skalierung der Humanoiden-Programme: Stückzahlen, Zeitpläne und Kosten je Einheit als Indikatoren für die Adoptionsgeschwindigkeit.
• Volumen der Simulations- und Sensordaten: Wächst es proportional zur Flottengröße oder gibt es Effizienzgewinne durch bessere Sim-to-Real-Methoden? (Bessere Sim-to-Real-Übertragung kann den Bedarf an teurer Teleoperation senken.)
• Sim-to-Real-Fortschritt: Wie viel synthetische vs. reale Demonstrationsdaten brauchen VLA-/Weltmodelle? Das bestimmt den Storage-Bedarf maßgeblich (vgl. DROID-/OXE-Größenordnung im Diagramm).
• Ob Weltmodell-Training (Foundation Models für Robotik, d. h. breit vortrainierte Basismodelle) große, stetige DC-Trainingsflotten erfordert — das würde den Datacenter-Compute- und damit indirekt den HBM/DRAM-Beitrag erhöhen.

Quellen & Update-Log

Quellen mit klickbaren Links (Primär- bzw. anbieternah vor Sekundärquellen):

• DROID: A Large-Scale In-The-Wild Robot Manipulation Dataset (RSS 2024) — 76.000 Trajektorien / 350 Std., Demonstrationsdaten-Größenordnung.
• Open X-Embodiment: Robotic Learning Datasets and RT-X Models (arXiv 2310.08864, 2023) — >1 Mio. aggregierte Trajektorien, 22 Embodiments.
• NVIDIA Jetson Thor — Edge-Onboard-Compute/Speicher (128 GB LPDDR5X, 2.070 TFLOPS FP4, 40–130 W).

VLA-/Sim-to-Real-Methodenaussagen und Reifegrad bleiben Einschätzungen. Markt-/Flottenzahlen (Stückzahlen Humanoide/AV, PB je Programm) sind weiterhin offen — vor Verwendung in der These mit Primärquellen härten.