Astribots „SmoothRL“ verdreifacht den Erfolg bei anspruchsvollen Roboteraufgaben
Eine Optimierung der Trainings-Pipeline namens „SmoothRL“ steigerte die Erfolgsraten des humanoiden Roboters Astribot bei anspruchsvollen Manipulationsaufgaben von 39 % auf 94 %, ohne dass neue Hardware erforderlich war.

Die Erfolgsquote von Astribot beim dynamischen Werfen stieg von 39 Prozent auf 94 Prozent. Bei der Aufgabe, eine Stiftspitze aufzusetzen, verbesserte sich die Erfolgsquote von 8 Prozent auf 83 Prozent. Das Öffnen von Verpackungen stieg von 30 Prozent auf 90 Prozent. Keine dieser Verbesserungen war auf neue Hardware, ein größeres Modell oder zusätzliche Trainingsdaten zurückzuführen. Sie ergaben sich aus der Behebung eines Buchungsfehlers bei der Art und Weise, wie der Algorithmus für verstärktes Lernen des Roboters seine eigenen Aktionen zählte – eine Korrektur, die das in Shenzhen ansässige Unternehmen als „SmoothRL“ bezeichnet und diese Woche veröffentlichte.
Astribot, gegründet im Dezember 2022 und mit Sitz in Shenzhen, entwickelt den S1, einen humanoiden Roboter auf Rädern mit zwei Armen, der eher für mobile Manipulation als für zweibeiniges Gehen konzipiert ist. Das Unternehmen setzt darauf, dass eine stabile Rollbasis einem Roboter schneller zu kommerziell nutzbarer Zuverlässigkeit verhilft als Beine dies tun. Bei „SmoothRL“ handelt es sich weder um einen neuen Roboter noch um ein neues Modell; es ist vielmehr eine Korrektur einer Diskrepanz zwischen der Art und Weise, wie diese Systeme trainiert werden, und der Art und Weise, wie sie nach ihrer Inbetriebnahme tatsächlich funktionieren. Das Ausmaß des daraus resultierenden Leistungssprungs ist eine nützliche Erinnerung daran, dass bei verkörperter KI die Trainingsmethodik ebenso wichtig sein kann wie die Hardware, in die sie eingebettet ist.
Die Diskrepanz zwischen dem Training und der tatsächlichen Funktionsweise von Robotern
Die meisten Setups für das verstärkende Lernen bei Robotern gehen von einer sauberen, synchronen Schleife aus: Das Modell generiert eine Aktion, der Roboter führt sie vollständig aus, das Modell beobachtet das Ergebnis und erst dann berechnet es den nächsten Schritt. Echt eingesetzte Roboter warten jedoch nicht auf diese Weise, da das Innehalten zum Nachdenken langsamer ist, als es die Aufgabe erfordert. Stattdessen arbeiten sie asynchron: Der Roboter führt seine aktuelle Bewegung weiter aus, während das Modell im Hintergrund bereits berechnet, was als Nächstes folgt, sodass zwischen den Aktionen keine Leerlaufzeit entsteht. Die Ingenieure von Astribot unter der Leitung des Forschers Wang Jianan stellten fest, dass dieser Effizienztrick stillschweigend die Annahme untergräbt, auf der das verstärkende Lernen beruht. Wenn ein Roboter eine Abfolge geplanter Bewegungen – einen sogenannten Aktionsblock – generiert, diese jedoch nur teilweise ausführt, bevor ein neuerer, aktualisierter Block den Rest überschreibt, dann gilt nach dem Standard
Beim verstärkenden Lernen wird dem verworfenen Teil weiterhin Verdienst oder Schuld zugeschrieben, als ob er tatsächlich stattgefunden hätte. Das Modell wird letztendlich auf eine Version von Ereignissen trainiert, die nie eingetreten sind.Die Lösung von SmoothRL besteht darin, drei unterschiedliche Bereiche innerhalb jedes Aktionsblocks zu verfolgen: den „committed region“ – also die bereits aus einem früheren Inferenzzyklus festgelegten Aktionen; den „execution region“ – die vom Roboter tatsächlich ausgeführten Aktionen; und den „discarded region“ – Bewegungen, die zwar geplant, aber nie ausgeführt wurden, da sie durch einen neueren Block ersetzt wurden. Das Framework wendet seine Gradientenaktualisierungen ausschließlich auf den Ausführungsbereich an, sodass das Modell ausschließlich aus dem lernt, was der Roboter tatsächlich getan hat, und nicht aus dem, was er lediglich zu tun beabsichtigte. Astribot kombiniert dies mit einer Technik namens „Reinforce in Deployment“, die die Strategie unter denselben asynchronen Bedingungen trainiert, denen sie im Einsatz begegnen wird, anstatt sie in einer sauberen, synchronen Simulation zu trainieren und darauf zu hoffen, dass sich das Verhalten übertragen lässt.
Warum sich die Verbesserung in weniger schweren Fehlern zeigt
Die Prozentangaben in den Schlagzeilen sind der einfache Teil der Berichterstattung; aussagekräftiger sind die Details, die sich dahinter verbergen. Astribots interne Tests am S1 ergaben, dass sich die Fehler nach der SmoothRL-Korrektur grundlegend veränderten: Weg von grundlegenden Fehlern – wie dem Greifen des falschen Objekts oder dem weit verfehlten Ziel – hin zu millimetergenauen Platzierungsabweichungen, die sich mit einer nachträglichen Anpassung weitaus leichter korrigieren lassen. Diese Unterscheidung ist für einen Systemintegrator von größerer Bedeutung als der reine Anstieg der Erfolgsquote, denn einen Roboter, der um wenige Millimeter daneben liegt, kann man mit einem Firmware-Update optimieren, während ein Roboter, der völlig daneben greift und das falsche Objekt ergreift, aus der Produktionslinie genommen werden muss.
Das „dynamische Werfen“ – die Aufgabe, bei der SmoothRL den größten Sprung erzielte – ist ein bewusst anspruchsvoller Test: Dabei muss ein Roboter ein Objekt genau im richtigen Moment mitten in der Bewegung loslassen, ohne dass nach dem Loslassen noch eine Korrekturmöglichkeit besteht, was
Dies ist ein ungewöhnlich aussagekräftiger Test dafür, ob eine Steuerungsstrategie tatsächlich die physikalischen Folgen einer Aktion versteht, anstatt lediglich Muster mit Trainingsdaten abzugleichen. Eine fast dreifache Steigerung der Erfolgsquote bei einer Aufgabe, bei der Timing-Fehler so streng bestraft werden, ist eine wesentlich aussagekräftigere Leistung als eine ähnliche Verbesserung bei einer langsameren, fehlertoleranteren „Pick-and-Place“-Aufgabe.Was sich dadurch tatsächlich für Käufer ändert
Nichts davon wurde außerhalb der eigenen Tests von Astribot unabhängig verifiziert, und das Unternehmen hat weder den Umfang noch die Vielfalt seines Bewertungsdatensatzes veröffentlicht; daher sollten die konkreten Prozentsätze eher als vom Unternehmen angegebene Richtwerte denn als peer-reviewte Ergebnisse betrachtet werden. Was die zugrunde liegende Behauptung glaubwürdiger macht als einen typischen Anbieter-Benchmark, ist die Tatsache, dass der beschriebene Fehlermodus – die asynchrone Ausführung, die die Zuweisung von Belohnungspunkten beim verstärkenden Lernen stört – ein strukturelles Problem darstellt, das jede humanoide Plattform betreffen würde, die Inferenz bei realistischen Geschwindigkeiten durchführt, und nicht eine Lösung ist, die eng auf die Hardware eines einzigen Unternehmens zugeschnitten wurde. Sollte sich die Kern Erkenntnis von SmoothRL verallgemeinern lassen, handelt es sich um eine methodische Verbesserung, die Wettbewerber letztendlich in irgendeiner Form übernehmen müssen – unabhängig davon, ob sie den spezifischen Ansatz von Astribot lizenzieren oder eigenständig zu einer ähnlichen Lösung gelangen.
Für ein Beschaffungsteam, das humanoide Anbieter hinsichtlich der Zuverlässigkeit bei der Manipulation bewertet, lautet die praktische Erkenntnis, eine spezifischere Frage zu stellen als „Wie hoch ist Ihre Erfolgsquote?“. Fragen Sie stattdessen, wie die Trainingspipeline eines Anbieters die Lücke zwischen geplanten und ausgeführten Aktionen während der Echtzeit-Inferenz handhabt, da diese Lücke bei jedem asynchronen Einsatz unabhängig von der Marke besteht und Anbieter, die dieses Problem nicht angegangen sind, stillschweigend einen Zuverlässigkeitsverlust hinnehmen, den sie möglicherweise nicht einmal korrekt messen. Ein Anbieter, der diese Frage überhaupt nicht beantworten kann, trainiert nach wie vor unter der Annahme einer synchronen Abwicklung, gegen die seine eigene Hardware bei jedem Durchlauf verstößt.
Eine punktuelle Lösung mit weitreichenden Auswirkungen
Astribot hat nicht
Es wurde noch nicht bekannt gegeben, ob und wann SmoothRL als kundenorientiertes Update für bestehende S1-Implementierungen bereitgestellt wird oder ob es sich vielmehr um einen Forschungsbeitrag handelt, den das Unternehmen für die breitere Fachwelt veröffentlicht. Beide Wege sind von Bedeutung. Sollte es sich um ein flottenweites Software-Update handeln, erhalten bestehende Astribot-Kunden eine bedeutende Verbesserung der Zuverlässigkeit ohne neue Hardware-Ausgaben – genau die Art von softwarebasiertem Gewinn, die eine Abonnement- oder Servicevertragsbeziehung mit einem Robotik-Anbieter lohnenswert macht. Bleibt es hingegen bei einer veröffentlichten Methodik, wird sich in der Praxis zeigen, ob unabhängige Labore oder konkurrierende Humanoid-Unternehmen die berichteten Verbesserungen auf ihrer eigenen Hardware reproduzieren können – was bestätigen würde, dass die Korrektur einen echten, branchenweiten Schwachpunkt behebt und nicht nur eine Besonderheit des Steuerungsstacks von Astribot.So oder so ist das Ergebnis eine nützliche Korrektur einer weit verbreiteten Annahme in der Berichterstattung über humanoide Robotik, wonach Fortschritte meist auf größere Modelle oder bessere Aktuatoren zurückzuführen sind. Manchmal entstehen sie dadurch, dass man bemerkt, dass die Trainingsberechnungen stillschweigend nicht mehr mit dem übereinstimmten, was der Roboter tatsächlich tat, und dass man diese Diskrepanz behebt.
Der übergeordnete Trend im chinesischen Humanoid-Sektor
Der Zeitpunkt von Astribot ist kein Zufall. Chinesische Hersteller humanoider Roboter haben einen Großteil des Jahres 2026 damit verbracht, im zunehmend umkämpften Markt mit differenzierten technischen Angaben um die Wette zu veröffentlichen, und ein wachsender Teil dieses Wettbewerbs verlagert sich von reinen Hardware-Spezifikationen, Freiheitsgraden, Drehmomentwerten und Höchstgeschwindigkeiten hin zur Software- und Trainingsschicht, die darüber entscheidet, ob ein Roboter tatsächlich zuverlässig genug ist, um den Vorführstand zu verlassen. SmoothRL passt genau in dieses Muster: Es handelt sich nicht um eine Behauptung darüber, was der S1 physisch leisten kann, sondern darum, wie viel konsistenter er das tun kann, was er bereits konnte – was sich schwerer überzeugend vortäuschen lässt und, sofern echt, einen dauerhafteren Wettbewerbsvorteil darstellt als ein Datenblatt.
Diese Verlagerung verändert auch die Art von Nachweisen, die Käufer bei der Bewertung von Anbietern einfordern sollten. A
Die Anzahl der Freiheitsgrade oder ein Nenn-Drehmoment lassen sich anhand eines Datenblatts innerhalb weniger Minuten überprüfen. Eine Behauptung bezüglich der Schulungsmethodik, der Zuweisung von Leistungspunkten und der asynchronen Ausführung erfordert entweder eine unabhängige Nachprüfung oder ein Maß an technischem Vertrauen in den Anbieter, das die meisten Beschaffungsprozesse bislang noch nicht beurteilen können. Dass Astribot seine Methodik so detailliert veröffentlicht, dass die Fachpresse den „Three-Region-Action-Chunk“-Mechanismus beschreiben kann, stellt eine wesentlich besser überprüfbare Offenlegung dar als die eines Unternehmens, das lediglich eine verbesserte Zuverlässigkeit behauptet, ohne zu erklären, warum. Käufer, die in diesem Jahr die Zuverlässigkeitsangaben eines beliebigen Anbieters humanoider Roboter bewerten, sollten dieselbe Ebene an mechanistischen Details einfordern, bevor sie einen Prozentwert für bare Münze nehmen.Diese Analyse stützt sich auf Astribots öffentliche technische Offenlegung des „SmoothRL“-Frameworks sowie auf unabhängige chinesischsprachige Technologieberichte über dessen Veröffentlichung im September 2026. Dieser Artikel dient ausschließlich allgemeinen Informationszwecken und stellt keine Anlage-, Finanz- oder Rechtsberatung dar.












