de.wedoany.com-Bericht: Das PrismBot-Roboterteam von vivo hat beim ICRA 2026 AGIBOT World Challenge in Wien den Titel in der Kategorie „Reasoning to Action“ gewonnen. Der Wettbewerb, der Teil der IEEE International Conference on Robotics and Automation ist, zog 526 Teams aus 27 Ländern und Regionen an. Das vivo-Team sicherte sich im Finale mit echten Robotern mit einem entscheidenden Vorsprung den ersten Platz und demonstrierte damit die Fähigkeit seines technischen Ansatzes, Aufgabenverständnis in komplexen realen Umgebungen in Handlungsentscheidungen umzusetzen.
Das vivo-Roboterteam belegte außerdem in der Kategorie „Ganzkörpersteuerung“ einen Platz unter den weltweit besten drei, was die Forschungs- und Entwicklungskompetenz des Unternehmens im Bereich der verkörperten Intelligenz weiter unterstreicht. Diese Ergebnisse spiegeln die strategische Ausrichtung von vivo wider: Aufbau von Wahrnehmungssystemen auf Basis von Bildgebungstechnologie und Entwicklung eines KI-gesteuerten Roboter-„Gehirns“, um intelligente Fähigkeiten in die physische Welt zu bringen. Hu Baishan, Präsident und Chief Operating Officer von vivo sowie Leiter der zentralen Forschungsakademie von vivo, erläuterte diese Strategie auf der Jahrestagung 2026 des Boao Forums für Asien.
Die AGIBOT World Challenge ist einer der anspruchsvollsten internationalen Wettbewerbe im Bereich der verkörperten Intelligenz, der den Schwerpunkt auf den Einsatz in der realen Welt legt und strenge Tests mit echten Robotern zur Bewertung der Systemleistung verwendet. Die Kategorie „Reasoning to Action“ konzentriert sich auf die zentrale Herausforderung, Aufgabenverständnis in Handlungsentscheidungen umzusetzen. Sie kombiniert Online-Simulationsbewertungen mit Offline-Tests an echten Robotern in Wien. Die Bewertung basiert auf der Aufgabenerfüllungsrate in realen Umgebungen, der langfristigen Stabilität und der Generalisierungsfähigkeit in komplexen Szenarien. Die teilnehmenden Modelle müssen eigenständig Aufgabenintention verstehen, Aufgaben zerlegen, Unterziele priorisieren und Anomalien beheben, bevor sie den Entscheidungsprozess über einen Roboterarm in physische Ausführung umsetzen. Das vivo-Roboterteam entwickelte ein Trainings- und Inferenz-Framework, das auf Keyframe-Optimierung und kontrastivem Lernen basiert. Die Gewichtung des Keyframe-Verlusts hilft dem Modell, kritische Aktionspunkte effektiver zu erlernen, während das kontrastive Lernen die semantische Lücke zwischen textbasierten Anweisungen und physischer Aktionsausführung verkleinert.
In der Kategorie „Ganzkörpersteuerung“ mussten die Roboter in einem realistischen Supermarktszenario eigenständig bestimmte Produkte aufnehmen und in einen Einkaufswagen legen, wobei sie mit einer Vielzahl von Produktkategorien, wechselnden räumlichen Anordnungen sowie komplexem semantischem Verständnis und Aktionsgeneralisierung umgehen mussten. Das vivo-Roboterteam wandte dasselbe auf Reasoning ausgerichtete technische System auf dieses Szenario an, verbesserte die Greifgenauigkeit durch Keyframe-Verlustgewichtung und identifizierte Greifrichtungen besser durch kontrastives Lernen, was zu einem Platz unter den ersten drei führte. Dieses Ergebnis bestätigt die Übertragbarkeit und technische Robustheit des vivo-Ansatzes über verschiedene Aufgabentypen hinweg.
vivo betrachtet das Zuhause als Ausgangspunkt für die Roboterentwicklung, da häusliche Umgebungen hohe Anforderungen an langfristige Aufgaben, beidarmige Kooperation, Feinmotorik, Reasoning und Entscheidungsfindung stellen – Fähigkeiten, die stark mit den beim ICRA 2026 getesteten Kompetenzen übereinstimmen. Das vivo-Roboterteam bewegt sich von der Fernbedienung hin zur autonomen Intelligenz und verbessert schrittweise die Ausführbarkeit und skalierbare Validierungsfähigkeit komplexer Aufgaben. Basierend auf seiner Erfahrung mit Gerätesystemen, Bildgebungsfähigkeiten und globaler Produktentwicklung baut vivo ein Robotik-Kompetenzsystem auf, das Hardware und Software integriert und sich im Laufe der Zeit kontinuierlich weiterentwickelt.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
