Auf der NVIDIA GTC Berlin 2026, die vom 20. bis 22. Oktober in der Station-Berlin stattfand, absolvierte unser humanoider Roboter 4NE1 Wheels am Stand 3031 in Halle 3 – live vor Ort und online – autonom einen kompletten Wäschezyklus, immer wieder, ohne Unterbrechung während der gesamten Messe.
Die Live-Demo: ein elfminütiger Wäschezyklus ohne menschliches Eingreifen
Die Aufgabe wirkt einfach, weil Menschen sie jede Woche erledigen. Für einen Roboter ist sie eine lange Kette von Schritten, in der jeder Schritt vom vorherigen abhängt:
- Sortieren. 4NE1 trennte helle und dunkle Kleidungsstücke.
- Waschen. Er öffnete die Tür der Waschmaschine, belud sie mit der Wäsche und schloss die Tür.
- Trocknen. Nach Ende des Waschgangs öffnete er die Tür erneut, entlud die Wäsche, legte sie in den Trockner und schloss die Trocknertür.
Der gesamte Ablauf dauerte rund elf Minuten und lief ohne menschliches Eingreifen. Damit er für das Publikum gut verfolgbar blieb, wurden die Wasch- und Trockengänge der BSH-Geräte auf etwa zehn Sekunden verkürzt. Alle anderen Begebenheiten entsprachen realen Bedingungen für den Roboter, der autonom über unser multimodales Foundation Model agierte. Am Mittwoch wurde die Demo zudem live auf YouTube und LinkedIn gestreamt.
Das Team hat dabei bewusst eine Abwägung getroffen: Bei diesem ersten öffentlichen Durchlauf gingen Zuverlässigkeit und Sicherheit im Umfeld der Besucherinnen und Besucher vor Geschwindigkeit. Ziel war es, jeden Zyklus vollständig abzuschließen. Die Geschwindigkeit wird in späteren Updates der Modelle optimiert.
Warum ein Wäschezyklus für einen Roboter schwierig ist: Gedächtnis und Sinne jenseits des Sehens
Besonders schwierig wird es für den Roboter, wenn sich die Gerätetür schließt. Die Wäsche verschwindet aus dem Blickfeld, doch der Roboter muss weiterhin wissen, wo sie ist, was er bereits getan hat und was als Nächstes kommt. Menschen lernen diese sogenannte Objektpermanenz in ihren ersten beiden Lebensjahren, bei einem Roboter hingegen muss diese Fähigkeit von Grund auf erlernt werden.
4NE1 läuft mit Neuron AI, dem multimodalen Foundation Model, das NEURA am 14. Oktober vorgestellt hat. Als Perception-Language-Action-Model (PLA) verbindet Neuron AI dreidimensionales Sehen, Tastsinn, Kraft, Audio, Sprache und die Kenntnis über den eigenen Zustand des Roboters mit einem Gedächtnis und setzt all das in einen durchgängigen Handlungsstrom um. Am Stand bedeutete das:
- Sehen auf zwei Ebenen. Eine Brustkamera erfasste den Arbeitsbereich, während Kameras in den Händen jeden einzelnen Griff steuerten.
- Tastsinn, wo Kameras an ihre Grenzen stoßen. In der Trommel ist die Sicht versperrt, also übernimmt die taktile Sensorik.
- Klang als Bestätigung. Das Einrasten einer Tür oder eines Steckverbinders ist zu hören, bevor es zu sehen ist.
Das Modell lernt, auf welchen Sinn es sich in jeder Phase der Aufgabe verlassen kann. Dasselbe Prinzip lässt sich auf die Industrie übertragen: Beim Schweißen etwa lässt sich die Qualität einer Naht an ihrem Klang beurteilen.
Die Keynote: From Europe, for the World
Am Donnerstag hielt Arne Nordmann, VP Technology & Innovation bei NEURA Robotics, im Sponsored Expo Theater den Vortrag „From Europe, for the World: Building the Ecosystem for Physical AI“. Seine Kernaussage: Ein leistungsfähiger Roboter ist nur das sichtbare Ende eines Ökosystems, das dahinter existieren muss.
Im Vortrag beschrieb Arne Nordmann, wie dieses Ökosystem in der Praxis funktioniert. In den NEURA Gyms bringen Fachexpertinnen und -experten, etwa wie Schweißmeister und Fertigungsingenieure, den Robotern ihre Aufgaben in realen Umgebungen bei. NVIDIA-Simulationstools vervielfachen diese realen Daten anschließend über hunderte Variationen von Beleuchtung, Objektgeometrie und Umgebung. Das Training läuft täglich in der Cloud, die Inferenz hingegen direkt auf dem Roboter – auf der in seiner Brust verbauten Rechenhardware. Über das Neuraverse lässt sich ein Skill, den ein Roboter gelernt hat, auf eine ganze Flotte unterschiedlicher Robotertypen übertragen und Partnerunternehmen können ihr eigenes Prozesswissen in Skills verwandeln.
Datenpartnerschaften mit Industrieunternehmen wie Schaeffler und Bosch speisen reale Fertigungsprozesse in diese Pipeline ein. Wie Arne Nordmann es formulierte: Das Ergebnis ist deutsche Hardware mit einem deutschen Foundation Model, die deutsche Haushaltsgeräte bedient – entwickelt in Europa für den weltweiten Einsatz.
„Die GTC Berlin war die perfekte Bühne, um zu zeigen, was Physical AI heute schon leisten kann: ein humanoider Roboter, der eine komplexe Aufgabe aus der realen Welt selbstständig erledigt – live und ohne Schnitt. Ich danke unserem Team und NVIDIA, deren Partnerschaft dabei hilft, das möglich zu machen. So sieht Physical AI from Europe, for the world aus.“
Arne Nordmann, VP Technology & Innovation, NEURA Robotics
Auch wenn es sich um eine Haushaltsaufgabe handelt, betonte Arne, dass es nicht nur um die Aufgabe selbst geht. Die Zusammenarbeit mit BSH dient auch dazu, Geräte zu testen und weiterzuentwickeln, mit denen Roboter einfach interagieren können. NEURAs Fokus liegt weiterhin primär auf der Industrie, wo die Nachfrage hoch und der operative Nutzen klar ist. Die Servicerobotik folgt, Privathaushalte bleiben ein längerfristiges Ziel.
4NE1 Gen 4 läuft von der Bühne zu NEURA’s Messestand
Die Keynote endete mit einer Premiere: 4NE1 Gen 4, die neue Generation unseres humanoiden Roboters, die am selben Tag bei der Eröffnung des TUM RoboGym in München vorgestellt wurde, begleitete Arne von der Keynote-Bühne bis zum NEURA-Stand zurück. 4NE1 Gen 4 ist für die Serienproduktion ausgelegt, 20 Prozent leichter als sein Vorgänger, hat einen schlankeren Körper mit einer textilen Außenhaut und agiert auf Basis unseres Foundation Models Neuron AI.
Auch NVIDIA-Gründer und CEO Jensen Huang besuchte den Stand, um die Roboter bei der Arbeit zu sehen.
