# Humanoider Roboter meistert sieben Aufgaben zu 85,7 Prozent

> Ein System bewertet geplante Befehlsfolgen, bevor der Roboter sie ausführt. Bei ungewohnten Objektanordnungen sank die Erfolgsquote laut Forschenden auf 65,7 Prozent.

Oossa · 2026-11-04 · https://oossa.com/de/humanoid-robot-system-scores-85-7-on-seven-real-robot-tasks

Forschende haben „action-conditioned latent foresight“ vorgestellt: ein System, mit dem ein humanoider Roboter geplante Bewegungs- und Handbefehlsfolgen bewerten kann, bevor er sie ausführt. Es sagt voraus, ob eine Befehlsfolge dem Erreichen des Aufgabenziels näherkommt. Anschließend führt der Roboter einen Teil der am besten bewerteten Folge aus und plant auf Basis einer neuen Beobachtung weiter.

In Tests der Forschenden war das System unter Standardbedingungen bei sieben Aufgaben mit einem echten Roboter zu 85,7 Prozent erfolgreich, gegenüber 70,0 Prozent bei GR00T N1.7. Bei zuvor unbekannten Objektanordnungen sank die Erfolgsquote auf 65,7 Prozent; bei GR00T N1.7 lag sie bei 48,6 Prozent.

## Die Fakten

- Laut der Studie erzielte das System im Simulationsbenchmark SIMPLE über zehn Aufgaben hinweg eine durchschnittliche Erfolgsquote von 89,7 Prozent, verglichen mit 82,0 Prozent bei DiT4DiT.
- Die Studie wurde am 3. November 2026 bei arXiv eingereicht.

## Warum es wichtig ist

Für Forschende, die die Leistung humanoider Roboter bei Aufgaben untersuchen, deuten die Ergebnisse darauf hin, dass die Vorschau auf Befehlsfolgen hilfreich sein kann. Die niedrigere Erfolgsquote bei ungewohnten Anordnungen zeigt jedoch, dass die Leistung weiterhin von der Platzierung der Objekte abhängt.

## Quellen und Referenzen

1. [Coordinating Humanoid Loco-Manipulation through Action-Conditioned Latent Foresight](https://arxiv.org/abs/2611.04839) – arXiv cs.RO, 2026-11-04

Zuletzt aktualisiert: 2026-11-04