Roboterprogrammierung könnte früher in den Entwicklungsprozess rücken
UC Berkeley und NVIDIA haben Open-Source-Werkzeuge veröffentlicht, die die Programmierung, Erprobung und Verbesserung industrieller Roboteranwendungen verändern sollen. Der Ansatz nutzt Teams von KI-Coding-Agenten, um lesbare Roboterprogramme zu erzeugen, Aufgabenbestandteile zu verbinden und sie vor dem Einsatz in der Simulation zu testen.
Industrieroboterzellen sind oft schwer zu programmieren, weil die Softwarearbeit an den physischen Aufbau gebunden ist. Roboter, Zuführungen, Förderbänder und andere Ausrüstung müssen in der Regel installiert sein, bevor Teams den Code vollständig implementieren und abstimmen können. Dadurch geraten Softwareentwickler gegen Ende eines Projekts unter Zeitdruck.
Die von Berkeley geleitete Arbeit soll diesen Engpass verringern, indem mehr Programmierung und Tests in eine simulierte Umgebung verlagert werden. Statt großer, aufgabenbezogener Trainingsdatensätze oder manueller Feinabstimmung jedes Verhaltens beschreiben die Forschenden einen Ablauf, in dem Agenten Programme erzeugen, testen und verbessern, die Menschen prüfen können.
Lesbare Programme stehen im Mittelpunkt
Das Projekt wird nicht als System dargestellt, das menschliche Ingenieure aus der industriellen Automatisierung entfernt. Die zentrale Aussage lautet, dass agentische Werkzeuge die Erstellung von Roboterprogrammen beschleunigen können, während diese für die zuständigen Personen interpretierbar bleiben.
Ken Goldberg, William S. Floyd Jr. Distinguished Chair in Engineering an der UC Berkeley, beschrieb agentische Robotik als Wandel in der Roboterprogrammierung. Nach dem Verständnis des Teams können mehrere Agenten Programme schnell erzeugen und testen, während Ingenieure nachvollziehen können, wie sie funktionieren, und sie bei Bedarf anpassen.
Diese Unterscheidung ist in industriellen Umgebungen wichtig. Ein erzeugtes Verhalten, das nicht verstanden werden kann, lässt sich nur schwer validieren, insbesondere wenn Maschinen neben teurer Ausrüstung, sorgfältig angeordneten Werkstücken und Menschen arbeiten. Lesbarer Code ersetzt weder Sicherheitsengineering noch Validierung, macht die Ergebnisse automatisierter Programmierung aber leichter prüfbar.
GaP zerlegt Aufgaben in modulare Fähigkeiten
Eines der vorgestellten Werkzeuge ist Graph-as-Policy, kurz GaP. Das modulare Framework teilt eine Roboteraufgabe in einzelne Fähigkeiten auf, darunter Wahrnehmung, Greifplanung und kollisionsfreie Bewegung.
KI-Agenten können diese Komponenten erzeugen, zu einer größeren Aufgabe verbinden und das Ergebnis in der Simulation testen. Das entspricht der Realität vieler Automatisierungsaufgaben, bei denen Objekterkennung, geeignete Greifauswahl, sichere Bewegung und die eigentliche Aktion zusammenspielen müssen.
Indem diese Elemente als verbundene Module behandelt werden, soll das Framework den Aufbau und die Überarbeitung von Roboterprogrammen erleichtern. Ein Team kann sich auf den Teil konzentrieren, der Aufmerksamkeit benötigt, statt eine Anwendung vollständig neu zu erstellen.
Ein Benchmark für unterschiedliche Manipulationsaufgaben
Die Forschenden stellten außerdem den Variational Automation Benchmark for Agentic Robotics, kurz VABAR, vor. Der Benchmark umfasst sechs Aufgaben: Werkzeugsortierung, Aufhängen von Werkzeugen, Verzahnen von Getrieben, Verpacken von Spritzen, Einführen von Kabeln und Kabelführung.
Die Aufgaben decken verschiedene Manipulationsprobleme ab. Sortieren und Aufhängen erfordern Objekterkennung und Platzierung; das Verzahnen verlangt Ausrichtung; das Verpacken von Spritzen umfasst Handhabung und Anordnung; Kabelaufgaben bringen verformbare Objekte und begrenzte Wege hinzu.
VABAR basiert auf Isaac Lab-Arena und Newton und enthält standardisierte Varianten und Schwierigkeitsstufen. Ein gemeinsamer Benchmark ermöglicht den Vergleich unter festgelegten Bedingungen und zeigt, wann ein System erfolgreich ist, scheitert oder bei veränderten Aufgaben an Zuverlässigkeit verliert.
Simulation als Testumgebung
RoboSimStudio ist ein weiteres im Bericht beschriebenes Open-Source-Projekt. Es unterstützt agentische KI beim Programmieren robotischer Simulationsumgebungen. Die Arbeit wurde auf der CoRL 2026 in Austin, Texas, vorgestellt und zielt darauf, Agenten sowohl Roboterlogik als auch die zugehörigen Simulationsszenen erstellen zu lassen.
Nach Goldbergs Darstellung stellte ein Doktorand GPT-6 Astra ein Video und RoboSimStudio bereit; das Modell erzeugte innerhalb einer Stunde eine Newton-Simulation. Das Beispiel zeigt die Forschungsrichtung: eine visuelle Vorlage in eine Simulation zu übertragen, die Programmentwicklung und Bewertung unterstützt.
Simulationen können nicht jedes physische Detail einer Fabrik perfekt nachbilden. Reale Roboter stoßen auf Kalibrierungsunterschiede, Sensorgrenzen, wechselnde Materialien und unerwartete Interaktionen. Dennoch kann das Erstellen und Ausführen eines Programms vor der vollständigen Installation einer Arbeitszelle mehr Zeit für die Fehlersuche und Verhaltensverbesserung schaffen.
Warum die Veröffentlichung wichtig ist
Die Bedeutung der Veröffentlichung von Berkeley und NVIDIA liegt weniger in einer einzelnen Roboteraufgabe als im vorgeschlagenen Entwicklungsablauf. Er verbindet Codegenerierung, Multi-Agenten-Koordination, Simulation und für Menschen lesbare Ergebnisse.
Die Werkzeuge sind Open Source. Andere Forschende und Ingenieurteams können den Ansatz daher in ihren eigenen Umgebungen und unter ihren eigenen Bedingungen prüfen. Entscheidend wird sein, wie sich die Systeme verhalten, wenn Simulationen auf reale Geräte, Produktionsanforderungen und Sicherheitsprüfungen treffen.
Die Arbeit bietet vorerst eine konkrete Alternative zu dem traditionellen Ablauf, bei dem Robotersoftware wartet, bis der größte Teil der physischen Zelle fertiggestellt ist. Wenn agentische Systeme zuverlässig Programme erzeugen, die Ingenieure prüfen und verbessern können, könnte mehr Automatisierungsarbeit in eine frühere, iterativere Phase der industriellen Entwicklung verlagert werden.
Dieser Artikel basiert auf einer Berichterstattung von The Robot Report. Originalartikel lesen.
Originally published on therobotreport.com






