Mit „PASSAGE“ von Galbot können Humanoide selbst entscheiden, wie sie Hindernisse überwinden

Ein humanoider Roboter, der sich durch einen überfüllten Raum bewegen kann, muss ein Problem lösen, das trivial klingt, es aber nicht ist: Er muss entscheiden, welche Teile seines eigenen Körpers sich bewegen müssen, um durch einen Raum zu passen, da selbst ein freier Weg für seine Füße dazu führen kann, dass seine Schultern oder sein Kopf weiterhin auf Kollisionskurs sind. Galbot, das in Peking ansässige Unternehmen für verkörperte KI, das im Mai 2023 von He Wang, einem Forscher der Peking-Universität, gegründet wurde, stellte am 13. Oktober 2026 ein Framework namens PASSAGE vor, das es einem humanoiden Roboter ermöglicht, in Echtzeit zu entscheiden, ob er über ein niedriges Hindernis steigen, sich unter einer über ihm liegenden Barriere duckt oder sich seitlich dreht, um sich durch eine enge Lücke zu zwängen – in Anlehnung an eine Forschungsarbeit, die das Unternehmen im September veröffentlicht hatte.

Galbot entwickelt den ET1, einen zweibeinigen Humanoiden, der für Unterhaltungs- und Performance-Anwendungen konzipiert ist und dessen Preis bei 79.000 Yuan – umgerechnet etwa 11.000 US-Dollar – liegt, wobei drei Hardware-Versionen erhältlich sind. Dieser Preis liegt deutlich unter dem vieler westlicher Humanoid-Plattformen und verdeutlicht, dass Galbots Geschäftsstrategie auf Stückzahlen und erschwingliche Preise setzt und nicht allein auf hochpreisige Industrieaufträge. PASSAGE selbst wurde auf einer anderen Maschine vorgeführt, einem Unitree G1, der als Forschungsplattform diente. Dies ist wichtig für die Interpretation der Ergebnisse durch den Käufer: Galbot veröffentlicht ein Leistungsergebnis und keine Produktangabe darüber, was heute mit dem ET1 ausgeliefert wird.

Die Zahlen hinter einer Demo, die einfacher aussieht, als sie ist

PASSAGE funktioniert durch die Verbindung zweier Komponenten: eines Planers, der kurze Bewegungssequenzen berechnet, und eines Controllers, der diese ausführt und sich dabei in Echtzeit an die Geometrie der Umgebung des Roboters anpasst – alles innerhalb eines kombinierten Systems, anstatt für jede Art von Hindernis, auf das ein Roboter stoßen könnte, eine separate Regel zu verwenden. Laut Galbots Projektseite verknüpfen die Trainingsdaten menschliche Bewegungen direkt mit der Umgebung, in der sie stattfinden: Bediener nutzten Virtual Reality und inertiale Bewegungserfassung, um das Überqueren von Hindernissen zu demonstrieren, und das Team sammelte 100 Stunden dieser menschlichen Bewegungsdaten in 1.500 virtuellen Szenen. Auf der

Der Roboter selbst wird durch LiDAR mit Umgebungsdaten versorgt, und das gesamte System läuft auf einem Nvidia Jetson AGX Orin-Bordcomputer – ohne vorgefertigte Karten oder externe Rechenleistung. Das bedeutet, dass der Roboter einen Raum erfasst und darauf reagiert, den er zuvor noch nie kartiert hat.

Das herausragende Ergebnis – eine Erfolgsquote von 98,67 Prozent bei 750 simulierten Versuchen in 150 nicht in die Auswertung einbezogenen Szenarien – misst lediglich, ob der Roboter sein Ziel erreicht hat. Stellt man die Anforderung, dass er dies tun muss, ohne dabei ein Hindernis zu berühren, sinkt dieser Wert auf 70,3 Prozent – eine Differenz, die für jeden, der die Technologie selbst bewertet und sich nicht auf Presseberichte verlässt, die wichtigste Kennzahl in dieser Pressemitteilung darstellt. Ein Roboter, der sein Ziel erreicht, indem er an einem Regal vorbeistreift oder eine Türöffnung streift, ist in einem Forschungs-Benchmark akzeptabel, kann jedoch in einem Lagerhaus, einem Krankenhausflur oder einem Verkaufsraum, wo die Hindernisse zerbrechlich, teuer oder von Menschen besetzt sind, kostspielige Folgen haben.

Physikalische Tests liefern konservativere Ergebnisse als Simulationen

Galbot führte PASSAGE zudem auf einem physischen Unitree G1 über 50 zuvor unbekannte Layouts durch, wobei jeder Versuch einmalig durchgeführt und nicht über wiederholte Versuche gemittelt wurde – ein deutlich strengerer Test als die simulierten Versuche. Der Roboter absolvierte alle 50 Versuche ohne Sturz oder Sicherheitsintervention, und 45 dieser 50 Versuche – also 90 Prozent – wurden ohne jeglichen Kontakt mit Hindernissen abgeschlossen. Diese kontaktfreie Quote in der realen Welt ist deutlich höher als der simulierte Wert von 70,3 Prozent; allerdings bedeutet die weitaus geringere Stichprobengröße – 50 reale Versuche gegenüber 750 simulierten – dass das physische Ergebnis eher als ermutigendes erstes Signal denn als statistisch fundierte Aussage an sich gewertet werden sollte. Galbots eigene veröffentlichte Darstellung ist hier angemessen zurückhaltend: Die Autoren nennen die Kollisionsvermeidung – und nicht die Kursabsolvierung – als den Bereich, in dem noch der größte Verbesserungsbedarf besteht; ein Eingeständnis, das für einen Käufer nützlicher ist, als es eine wohlklingendere Marketingaussage gewesen wäre.

Galbot hat ein Muster entwickelt, bei dem

Die Veröffentlichung dieser Leistungsdemonstrationen auf dem G1 anstelle der eigenen Hardware, darunter „RoboGesture“, ein System zur Koordination von Gesten in Echtzeit mit Sprache, sowie „AstraTennis“, bei dem ein mit Galbot trainierter Humanoid in einem Live-Tennismatch mehr als 100 aufeinanderfolgende Ballwechsel absolvierte. PASSAGE erweitert diesen Forschungsansatz auf das Umgehen von Hindernissen mit dem gesamten Körper, was in Kombination mit der Gestenkoordination und der Feinmotorik, die ein Tennisballwechsel erfordert, den Grundstein für ein Leistungsspektrum legt, das direkt auf Humanoide ausgerichtet ist, die in solchen unstrukturierten, von Menschen frequentierten Räumen eingesetzt werden, in denen Unterhaltungs- und Serviceroboter, Galbots erklärter kommerzieller Schwerpunkt, tatsächlich eingesetzt werden müssen.

Warum das Umgehen von Hindernissen mit dem gesamten Körper schwieriger ist, als es anhand eines Datenblatts den Anschein hat

Die meisten veröffentlichten Ergebnisse zur Fortbewegung von Humanoiden – von der Gangstabilität bis zum Treppensteigen – behandeln den Weg des Roboters als bekannte oder weitgehend vorhersehbare Variable: Dem Roboter wird mitgeteilt, wohin er gehen soll, und die Forschungsfrage lautet, ob seine Beine und seine Gleichgewichtskontrolle ihn dorthin bringen können. PASSAGE befasst sich mit einem anderen und wohl schwierigeren Problem: der Entscheidung, wie sich der Körper verhalten soll, wenn das Ziel zwar klar ist, der direkte Weg dorthin jedoch nicht – eine Entscheidung, bei der die Schultern, der Kopf und die Arme des Roboters ebenso berücksichtigt werden müssen wie seine Füße. Ein durch einen geparkten Wagen verengter Lagergang, eine Türöffnung mit einer darüber verlaufenden Rohrleitung, ein Krankenhausflur mit einer schräg abgestellten Trage – all dies gehört zum Alltag in von Menschen genutzten Räumen, und in all diesen Fällen muss ein Roboter seine eigenen Körpermaße im Verhältnis zu einer ihm bisher unbekannten Geometrie einschätzen, anstatt einfach nur einer vorab kartierten Route zu folgen.

Deshalb ist die von Galbot beschriebene Planer-Steuerer-Architektur von größerer Bedeutung, als es aus der kurzen Zusammenfassung auf der Projektseite hervorgeht. Ein System, das auf separaten Strategien für verschiedene Hindernisarten – Übersteigen, Untertauchen, seitliches Ausweichen – basiert, müsste jedes neue Hindernis vor dem Handeln in eine dieser Kategorien einordnen – ein anfälliger Ansatz, sobald ein echtes

Die Umgebung bietet etwas, das teilweise alle drei Aspekte zugleich aufweist, wie beispielsweise ein niedriges Regal, das aus einer schmalen Lücke herausragt. Ein einziger kombinierter Planer und Controller, der diese Bewegungen ohne diesen Klassifizierungsschritt auswählt und miteinander verbindet, stellt ein allgemeiner anwendbares Design dar, und die Zielerreichungsrate von 98,67 Prozent in zuvor unbekannten Test-Szenarien ist der Beweis dafür, dass die Behauptung zur Verallgemeinerbarkeit zumindest in der Simulation zutrifft, auch wenn die berührungsfreie Rate zeigt, dass es noch echten Spielraum gibt, die Präzision des Reglers zu verbessern.

Was ein Beschaffungsteam aus den Ergebnissen einer Forschungsplattform mitnehmen sollte

Die nützlichste Erkenntnis für einen Einkäufer, der Behauptungen zur Navigation humanoider Roboter allgemein bewertet, ist jene, die Galbot nicht hätte offenlegen müssen, es aber dennoch tat: Die veröffentlichte Bewertung von PASSAGE belegt nicht die gleichen Fähigkeiten auf Galbots eigenem ET1, und das Unternehmen liefert in seinen Unterlagen keine Erklärung dafür, warum der G1 als Demonstrationsplattform anstelle der eigenen Hardware gewählt wurde. Das ist nicht unbedingt ein Warnsignal – Forschungsteams validieren die Leistungsfähigkeit einer Software häufig auf dem Roboter, der für das Experiment am besten ausgestattet ist –, aber es bedeutet, dass ein Käufer, der daran interessiert ist, eine hindernisbewusste Navigation auf einem tatsächlichen ET1-Gerät einzusetzen, diese Veröffentlichung als Beweis dafür betrachten sollte, dass die Forschungsabteilung von Galbot diese Fähigkeit entwickeln kann – und nicht als Bestätigung, dass diese Fähigkeit in dem Produkt enthalten ist, das Galbot heute verkauft.

Für Beschaffungsteams, die humanoide Plattformen für Lagerhäuser, Krankenhäuser oder stark frequentierte Geschäftsräume evaluieren, ist das Umgehen von Hindernissen mit dem gesamten Körper genau die Art von Fähigkeit, die einen Roboter, der in einem kontrollierten Demonstrationsbereich funktioniert, von einem unterscheidet, dem man in einem möblierten, unvorhersehbaren Raum, der gemeinsam mit Menschen genutzt wird, vertrauen kann. Die von PASSAGE selbst vorgelegten Zahlen – eine kontaktfreie Quote von 90 Prozent bei einem tatsächlich „blinden“ physischen Test – stellen ein aussagekräftiges und starkes vorläufiges Ergebnis für diesen Anwendungsfall dar, und die Lücke zwischen dieser Zahl und einer Garantie für den einsatzbereiten Zustand ist genau die Art von Nachweis, die ein ernsthafter Käufer einfordern sollte.

Galbot oder jeder andere humanoide Anbieter, der ähnliche Behauptungen aufstellt, sollte den Abschluss vor und nicht erst nach einer Bestellung vornehmen.

Es lohnt sich zudem, PASSAGE vor dem Hintergrund der breiteren Forschung zur Navigation humanoider Roboter zu betrachten, die in diesem Jahr sowohl aus chinesischen als auch aus westlichen Labors hervorgeht. Mehrere konkurrierende Ansätze haben die Überwindung von Hindernissen durch einfachere, zweckgebundene Strategien verfolgt, wie beispielsweise kletter-spezifische Steuerungen, die eng auf Treppen oder Plattformen abgestimmt sind und dabei Allgemeingültigkeit zugunsten einer höheren Erfolgsquote innerhalb ihres engeren Anwendungsbereichs opfern. Galbots Strategie mit PASSAGE ist das Gegenteil: ein einziges System, das darauf ausgelegt ist, verschiedene Hindernistypen zu verallgemeinern – auf Kosten einer kurzfristig geringeren Präzision –, unter der Prämisse, dass eine reale Einsatzumgebung Kombinationen von Hindernissen aufweist, für die kein eng gefasster Regler trainiert wurde. Ob sich diese Wette kommerziell auszahlt, hängt davon ab, wie schnell Galbot und seine Forschungskollegen die Lücke zwischen der Zielerreichungsrate von 98,67 Prozentund der kontaktfreien Quote von 70,3 Prozent schließen können, da ein generalistisches System, das immer noch bei drei von zehn Versuchen gegen Hindernisse stößt, noch kein System ist, für das ein risikoscheuer Käufer eine Versicherung gegen Sachschäden in einer belegten Einrichtung abschließen kann.

Der Code hinter PASSAGE wird auf der Projektseite von Galbot als „in Kürze verfügbar“ und nicht als bereits heute verfügbar aufgeführt, was bedeutet, dass externe Forscher die gemeldeten Zahlen noch nicht unabhängig überprüfen können, indem sie die Experimente selbst wiederholen. Eine unabhängige Reproduktion ist in der Forschung zur verkörperten KI generell zu einem immer wichtigeren Glaubwürdigkeitstest geworden, da sich frühe Leistungsversprechen sowohl chinesischer als auch westlicher Humanoid-Labore in der Praxis oft als eingeschränkter erwiesen haben, als ihre anfängliche Darstellung vermuten ließ. Beschaffungsteams, die über das technische Personal zur Bewertung einer veröffentlichten Codebasis verfügen, sollten diese eventuelle Veröffentlichung – und nicht die vorliegende Ankündigung – als den Zeitpunkt betrachten, ab dem die Behauptungen zu PASSAGE vollständig überprüfbar sind.

Diese Analyse fasst Unternehmenserklärungen und veröffentlichte Forschungsergebnisse zum Zeitpunkt der Veröffentlichung zusammen und

sollte nicht als Anlage-, Finanz- oder Fachberatung verstanden werden; er dient ausschließlich allgemeinen Informationszwecken.