Ein Paradigmenwechsel in der Robotik-Architektur
Physical AI gilt seit einigen Jahren als das nächste große Versprechen der Robotik: künstliche Intelligenz, die nicht nur digitale Daten verarbeitet, sondern physische Interaktionen mit der realen Welt meistert. Doch während die meisten Ansätze dabei auf immer ausgefeiltere Software-Algorithmen setzen, die auf konventioneller Hardware laufen, geht das kalifornische Startup morph einen radikal anderen Weg. Das Unternehmen hat eine Plattform vorgestellt, die Physical AI direkt in die physische Hardware von Soft-Robotik-Komponenten einbettet – eine Entwicklung, die das Potenzial hat, die Art und Weise zu verändern, wie wir über Roboter-Architekturen nachdenken.
Der zentrale Unterschied liegt in der grundlegenden Herangehensweise: Statt intelligentes Verhalten ausschließlich durch Rechenleistung und ausgeklügelte Algorithmen zu erzeugen, nutzt morph die inhärenten physikalischen Eigenschaften weicher Materialien selbst als Teil des “Denkprozesses”. Die sogenannten “soft robotic cells” des Unternehmens sind keine passiven mechanischen Komponenten, die von einem zentralen Computer gesteuert werden, sondern aktive Elemente, deren Materialeigenschaften bereits einen Teil der Problemlösung übernehmen.
Von der Software zur Materie
Um die Bedeutung dieses Ansatzes zu verstehen, lohnt ein Blick auf die aktuelle Entwicklung im Bereich Physical AI. Während sich die jüngste Robotikforschung intensiv mit Fragen der Dexterität und Geschicklichkeit beschäftigt hat – man denke an die spektakulären Fortschritte bei humanoiden Roboterhänden –, rückt zunehmend eine andere Dimension in den Fokus: die Qualität und Intelligenz des physischen Kontakts selbst.
Ein anschauliches Beispiel dafür lieferte kürzlich das chinesische Unternehmen AGILINK auf der ICRA 2026 in Wien. Die Demonstration einer Roboterhand, die ein Ballontier formt, zog nicht zufällig besondere Aufmerksamkeit auf sich. Ballons zu verdrehen ist deshalb so schwierig, weil das Material extrem leicht, hochgradig verformbar, rutschig und kraftempfindlich ist. Jede Verdrehung verändert die Geometrie und den Innendruck – ein kontinuierliches physikalisches Interaktionsproblem, das Menschen intuitiv lösen, Roboter aber vor enorme Herausforderungen stellt.
AGILINK löste diese Aufgabe durch eine Kombination aus “Motion Intelligence” – der Fähigkeit, koordinierte Bewegungsabläufe zu planen – und “Contact Intelligence” – der Fähigkeit, physischen Kontakt aufrechtzuerhalten und anzupassen, während sich Kraftverteilung, Reibung und Kontaktgeometrie ständig verändern. Die dafür vorgestellte OmniHand 3 Ultra-M vereint 20 aktive Freiheitsgrade, Direct-Drive-Antriebe für schnelle Kraftregelung und über 300 dreidimensionale taktile Sensorpunkte.
Hardware als intelligente Schicht
Hier setzt morphs neuartiger Ansatz an – allerdings auf einer fundamentaleren Ebene. Anstatt die gesamte Intelligenz in Sensoren, Aktoren und Steuerungssoftware zu verlagern, nutzt das Unternehmen die physikalischen Eigenschaften weicher Materialien als eigenständige Informationsverarbeitungsschicht.
Das Konzept der “soft robotic cells” basiert auf der Erkenntnis, dass weiche Materialien von Natur aus bereits eine Art mechanische Intelligenz besitzen. Wenn ein weicher Greifer einen unregelmäßig geformten Gegenstand umschließt, passt sich das Material automatisch an dessen Konturen an – ohne dass dafür komplexe Berechnungen und präzise Motorsteuerungen nötig wären. Diese passive Nachgiebigkeit ist eine inhärente Eigenschaft des Materials selbst.
morph geht jedoch noch einen Schritt weiter: Das Unternehmen entwickelt weiche Materialien mit spezifisch gestalteten mechanischen Eigenschaften, die bestimmte Verhaltensmuster quasi “einprogrammiert” haben. Durch geschicktes Design der Materialstruktur, der Steifigkeitsverteilung und der geometrischen Anordnung entstehen Komponenten, die auf externe Kräfte auf vorhersagbare, aber hochgradig adaptive Weise reagieren – ohne dass jede einzelne Reaktion von einem zentralen Prozessor berechnet werden müsste.
Verteilte Intelligenz statt zentraler Kontrolle
Dieser Ansatz steht im Kontrast zur konventionellen Robotik-Architektur, die typischerweise auf einem hierarchischen Modell basiert: Ein zentrales Steuerungssystem sammelt Sensordaten, berechnet die optimale Reaktion und sendet Befehle an die Aktoren. Jede Entscheidung durchläuft diesen Zyklus – was Zeit kostet und erhebliche Rechenleistung erfordert.
Die soft robotic cells von morph implementieren dagegen eine Art verteilte Intelligenz: Einfache, aber häufig auftretende physikalische Interaktionen werden direkt von der Hardware selbst “gelöst”, ohne dass die übergeordnete Steuerung involviert werden muss. Das Material reagiert unmittelbar auf Druckänderungen, passt seine Form an Hindernisse an und stabilisiert den Kontakt – alles mit der Geschwindigkeit mechanischer Prozesse, nicht digitaler Berechnungen.
Diese Philosophie erinnert an Konzepte aus der neuromorphen Elektronik, wo Rechenarchitekturen entwickelt werden, die der Funktionsweise biologischer Nervensysteme nachempfunden sind. Ähnlich wie biologische Organismen nicht alle Entscheidungen im Gehirn treffen, sondern viele Reflexe und Reaktionen direkt in peripheren Nervensystemen ablaufen, delegiert morphs Ansatz grundlegende physikalische Interaktionen an die “intelligente” Hardware selbst.
Praktische Vorteile und neue Möglichkeiten
Die praktischen Implikationen dieses Paradigmenwechsels sind erheblich. Zunächst reduziert die Verlagerung von Intelligenz in die Hardware den Bedarf an Rechenleistung und komplexer Sensorik – beides kostspielige und energieintensive Komponenten moderner Robotersysteme. Wenn ein Material bereits “weiß”, wie es auf bestimmte physikalische Situationen reagieren soll, müssen diese Situationen nicht erst durch Sensoren erfasst, von Algorithmen analysiert und durch Aktoren umgesetzt werden.
Gleichzeitig erhöht dieser Ansatz die Robustheit: Da die grundlegenden physikalischen Reaktionen nicht von der Funktionstüchtigkeit elektronischer Komponenten abhängen, können solche Systeme auch bei Sensorausfällen oder Kommunikationsproblemen weiterhin sinnvoll agieren. Die Hardware bietet eine Art mechanisches Backup-System.
Besonders interessant wird der Ansatz für Anwendungen, bei denen schnelle, adaptive physikalische Interaktionen gefragt sind – genau jene “contact-rich manipulation”, die auch AGILINKs Forschung in den Mittelpunkt stellt. Ob bei der Handhabung deformierbarer Objekte, beim Arbeiten mit empfindlichen Materialien oder bei der Kollaboration mit Menschen: Systeme, die physikalische Intelligenz direkt in ihre Hardware integrieren, könnten deutlich natürlicher und sicherer interagieren.
Herausforderungen und offene Fragen
Trotz des vielversprechenden Ansatzes bleiben erhebliche technische Herausforderungen. Die Entwicklung von Materialien mit spezifischen mechanischen Eigenschaften ist komplex und erfordert fundiertes Verständnis von Materialwissenschaft, Mechanik und Fertigungstechnologien. Zudem ist die “Programmierung” solcher physikalischen Systeme fundamental anders als das Schreiben von Software – einmal hergestellt, lässt sich das Verhalten eines Materials nicht einfach durch ein Update ändern.
Auch die Frage der Skalierbarkeit ist ungeklärt: Während sich Software-basierte Lösungen leicht replizieren lassen, erfordert jede soft robotic cell möglicherweise aufwendige Fertigung. Die Wirtschaftlichkeit dieses Ansatzes hängt davon ab, ob sich standardisierte Komponenten entwickeln lassen, die für verschiedene Anwendungen adaptierbar sind.
Ausblick: Hybride Architekturen als Zukunft?
Die Entwicklungen bei morph und AGILINK zeigen komplementäre Wege auf: Während AGILINK demonstriert, was durch hochentwickelte Sensorik, präzise Aktuatorik und ausgefeilte Lernalgorithmen möglich wird, erforscht morph, wie sich durch geschicktes Materialdesign ein Teil dieser Komplexität in die Hardware selbst verlagern lässt.
Die Zukunft liegt vermutlich nicht in einem “Entweder-oder”, sondern in hybriden Architekturen, die beide Ansätze kombinieren: Intelligente Materialien übernehmen grundlegende physikalische Interaktionen, während übergeordnete Software-Systeme komplexe Planungs- und Entscheidungsaufgaben meistern. Physical AI würde dann tatsächlich auf beiden Ebenen existieren – in der Software und in der Materie selbst.
Dieser Paradigmenwechsel erinnert daran, dass Intelligenz mehr ist als Berechnung. In der realen Welt, wo Physik unausweichlich ist, kann es manchmal klüger sein, mit der Physik zu arbeiten, statt gegen sie anzuprogrammieren.