Einleitung Universelle robotische Intelligenz hängt von Datenabdeckung und Verteilungsübereinstimmung ab, nicht allein von der Modellgröße. Treffen Systeme auf Szenarien außerhalb der Trainingsverteilung, ist die Generalisierung begrenzt und die Leistung fällt ab. Robuste Generalisierung erfordert daher Training auf Interaktionsdaten, die die Aufgaben, Umgebungen und physikalischen Randbedingungen des Einsatzes schrittweise abdecken – erreicht durch eine strukturierte Progression über benachbarte Aufgaben. Das begründet einen bewussten Ansatz dafür, wie reale Daten über die Zeit erhoben und ausgeweitet werden. Generalisierung bricht bei großen Verteilungssprüngen ein Robotersysteme generalisieren zuverlässig innerhalb von Domänen, die in ihren Trainingsdaten gut repräsentiert sind, doch die Leistung fällt bei großen Verteilungssprüngen stark ab – etwa beim direkten Transfer von industrieller Manipulation zu humanoiden Haushaltsaufgaben. In solchen Fällen treffen Policies auf Interaktionsregime außerhalb der Verteilung, mit unvertrauter Kontaktdynamik, zeitlicher Struktur und Umgebungsunsicherheit, was zu fehlkalibrierten Wahrnehmungs-Handlungs-Zuordnungen und fehlenden Wiederherstellungsverhalten führt. Robuste Generalisierung hängt daher davon ab, die Kontinuität zwischen Trainings- und Einsatzverteilung zu wahren, statt direkten Transfer zwischen strukturell verschiedenen Umgebungen zu versuchen. Ein strategischer Weg zur Generalisierung Wir erreichen diese Kontinuität, indem wir bewusst strukturieren, wie reale Interaktionsdaten über die Zeit erhoben werden. Statt die Aufgabenvielfalt von Anfang an zu maximieren, weiten wir die Trainingsverteilung schrittweise über benachbarte Aufgaben aus, die bestehende Interaktionsprimitive wiederverwenden und dabei kontrolliert an Komplexität zunehmen. Jede Stufe erweitert die Erfahrung des Modells entlang bestimmter Achsen – etwa Koordination, Unsicherheit oder Zeithorizont – und bewahrt zugleich die Verteilungsüberlappung mit früheren Daten. Diese strategische Ausweitung erlaubt es dem System, schrittweise übertragbares Wissen über reale Physik, Systemdynamik und Interaktionsstruktur zu erwerben und so stabile, sich potenzierende Generalisierung ohne abrupte Leistungseinbrüche zu erreichen. Stufe 1: Lager-Pick-and-Place als kontrollierte Ankerdomäne Lager-Pick-and-Place ist ein idealer Ausgangspunkt für Generalisierung, weil es interaktionsdicht, wiederholbar und sicherheitsbegrenzt ist und dennoch einen bedeutenden Teil der Manipulations-Mannigfaltigkeit abdeckt. Die Aufgabe setzt Roboter vielfältigen Objektgeometrien, Verpackungsmaterialien, Unordnungsmustern und Greif-Affordanzen aus – unter strengen Durchsatz- und Zuverlässigkeitsvorgaben. Entscheidend ist, dass diese Domäne großmaßstäbliche reale Datenerhebung mit hoher Handlungstreue ermöglicht, sodass Modelle robuste visuomotorische Ausrichtung, Kontaktdynamik und Wiederherstellungsverhalten lernen können. Aus Datensicht bildet sie einen dichten Kern im Aktions-Embedding-Raum, an den benachbarte Aufgaben schrittweise angeknüpft werden können. Pick-and-Place-Zusammenschnitt Diese Domäne bietet: Reale Interaktionsdaten in hoher Menge und Wiederholbarkeit Klare Erfolgsmetriken und dichte Supervision Starke Kopplung zwischen Wahrnehmung und Manipulation Aus Lernsicht sampelt Lager-Pick-and-Place dicht: Objektzentrierte Wahrnehmung bei Unordnung Greif- und Platzierungsprimitive Fehlerbehebung im geschlossenen Regelkreis Long-Tail-Objektverteilungen Diese Primitive werden direkt in der Retourenbearbeitung wiederverwendet; ohne die hier gelernte robuste Griffkorrektur, Posekorrektur und Handhabung von Unordnung würden komplexere Multi-Objekt- oder bimanuelle Aufgaben katastrophal scheitern. Stufe 2: Benachbarte Ausweitung – Retourenbearbeitung und Dual-Arm-Koordination Die Retourenbearbeitung erweitert das Lager-Picking auf natürliche Weise und führt dabei neue Interaktions-Regime ein statt gänzlich neuer Primitive. Aufgaben wie das Auspacken von Paketen, das Sortieren heterogener Artikel und grobe Qualitätsprüfungen erfordern verstärkte Wahrnehmung unter Unsicherheit, die Handhabung verformbarer Objekte und fehlertolerantes Schlussfolgern. Dual-Arm-Aufbauten fügen eine entscheidende neue Dimension hinzu: bimanuelle Koordination und Rollenspezialisierung, die den Aktionsraum erweitern, ohne zuvor gelernte Affordanzen aufzugeben. Wichtig ist, dass die zugrunde liegenden Datenverteilungen – Objekte, Verpackungen, Logistikumgebungen – teilweise mit dem Lagerbetrieb überlappen. Das ermöglicht wirksamen Transfer und zwingt das Modell zugleich, über einarmige Einzelaktionssequenzen hinaus zu generalisieren. Retourenbearbeitung – Ausschnitt Verformbare Verpackungen und unbekannte Ausgangszustände Multi-Objekt-Schlussfolgern innerhalb einer Episode Bimanuelle Koordination und Übergabedynamik Die hier gelernte bimanuelle Koordination und die Objekt-zu-Objekt-Beziehungen sind Voraussetzung für Kitting und Sequenzierung, wo Korrektheit von relativer Platzierung, Reihenfolge und Koordination abhängt statt von isolierten Aktionen. Stufe 3: Kitting und Sequenzierung in der Automobillogistik Kitting- und Sequenzierungsaufgaben führen zeitliche Struktur und zielkonditionierte Manipulation ein und verlangen vom Roboter, über geordnete Mengen, Zwischenzustände und enge Toleranzen zu schlussfolgern. Weiterhin in industriellen Umgebungen verankert, verschieben diese Aufgaben das Lernsignal von isolierten Griffen hin zu Konsistenz über lange Horizonte, Präzisionsplatzierung und Erfüllung von Randbedingungen. Aus Generalisierungssicht erweitert diese Stufe den Datensatz entlang der Planungs- und Gedächtnisachsen, statt bloß neue Objekte hinzuzufügen. Die entstehenden Daten schlagen die Brücke zwischen reaktiver Manipulation und Ausführung auf Aufgabenebene – eine Voraussetzung für komplexere Formen verkörperter Intelligenz. Kitting BMW Reihenfolgeabhängige Aufgabenausführung Engere Toleranzen und Platzierungsgenauigkeit Stärkere Kopplung zwischen Wahrnehmung, Planung und Handlung Konsistenz über lange Horizonte und Sequenzierung sind für die Fertigung notwendig, wo Handlungen Prozessabhängigkeiten und Teilmontagen respektieren müssen. Stufe 4: Fertigung und prozessbegleitende Interaktion Fertigungsumgebungen erweitern die bisherigen Domänen um Prozesskopplung und kontaktreiche Manipulation. Roboter müssen mit teilweise fertiggestellten Baugruppen, Werkzeugen und Vorrichtungen interagieren, oft unter engen Kraft-, Ausrichtungs- und Genauigkeitsvorgaben. Handlungen stehen nicht mehr isoliert, sondern sind in einen Prozesskontext eingebettet, wodurch die Aktionsverteilung strukturierter und Fehler weniger verzeihlich werden. Das erfordert höherwertige Repräsentationen von Zustand, Absicht, Kontaktdynamik und Unsicherheit. Diese Stufe reichert den Datenbestand mit kausalen, kontaktgetriebenen Interaktionsdaten an und ermöglicht Modellen, über Mustererkennung hinaus zu verstehen, wie Handlungsfolgen teilmontierte Systeme in vorhersagbarer Weise verändern. Kontaktreiche Montage- und Fügeaufgaben Werkzeugeinsatz und vorrichtungsbasierte Interaktionen Prozessabhängige Toleranzen und Randbedingungen Halbstrukturierte, sich verändernde Umgebungen Prozessrandbedingungen und werkzeugvermittelte, kontaktreiche Manipulation zu lernen, ist Voraussetzung für den Betrieb in halbstrukturierten öffentlichen Umgebungen, wo Fehler höhere Kosten tragen und erfolgreiches Verhalten von antizipierender statt rein reaktiver Steuerung abhängt. Stufe 5: Regalauffüllung und halbstrukturierte öffentliche Räume Aufgaben zur Regalauffüllung führen Roboter in halbstrukturierte Umgebungen mit höherer visueller Variabilität, dynamischen Hindernissen und schwächeren Umgebungs-Priors. Wenngleich weiterhin kommerziell eingegrenzt, bringen diese Situationen menschliche Anwesenheit, Verdeckungen und häufige Verteilungsverschiebung mit sich. An diesem Punkt hängt der Erfolg des Modells nicht von aufgabenspezifischem Feintuning ab, sondern von seiner Fähigkeit, Policies online anzupassen und dabei die angesammelte Vielfalt früherer Interaktionsdaten zu nutzen. Darunter: Regalauffüllung und halbstrukturierte Räume Open-World-Layouts Häufige Verteilungsverschiebungen (Saisonalität, Planogramme) Sicherheitskritische Interaktion mit Menschen Die Exposition gegenüber menschennahen, nur teilweise vorhersagbaren Umgebungen bereitet das System auf Haushalts- und Gesundheitsdomänen vor, in denen Struktur minimal ist und Sicherheitsanforderungen dominieren. Stufe 6: Haushalts- und Gesundheitsdomänen Haushalts- und Gesundheitsumgebungen bilden den Höhepunkt dieser Entwicklung: unstrukturierte Umgebungen, hohe Objektvielfalt, verformbare Objekte, sicherheitskritische Interaktionen und Long-Tail-Sonderfälle. Wichtig ist, dass diese Domänen nicht direkt angegangen werden, sondern mit einem Modell, das auf einem reichen Geflecht benachbarter Aufgaben vor- und nachtrainiert wurde. Weil das System bereits große Teile der Manipulations-, Wahrnehmungs- und Koordinations-Mannigfaltigkeiten erkundet hat, werden diese Domänen zu einer Frage von Datendichte und -ausrichtung, nicht architektonischer Neuerfindung. Zu diesen Domänen gehören: Sehr vielfältige Objekte und Umgebungen Geringe Wiederholbarkeit und spärliche Supervision Hohe Anforderungen an Sicherheit, Zuverlässigkeit und Vertrauen Haushalts- und Gesundheitsdomänen