Kognitive Robotik mit rekurrenten Gedächtnisarchitekturen für Industrieautomatisierung

NEURA Robotics und das österreichische Deep-Tech-Unternehmen NXAI entwickeln gemeinsam ein Gedächtnismodul für kognitive Robotik in der Industrieautomatisierung und im Alltagseinsatz. Die Kooperation kombiniert multimodale Robotik-Basismodelle mit rekurrenten neuronalen Netzwerken, um Maschinen die Verarbeitung mehrstufiger Arbeitsabläufe über lange Zeiträume zu ermöglichen.

Herausforderungen der Zustandsspeicherung in der Robotik
Im Gegensatz zu textbasierten Dialogsystemen, die diskrete Anfragen nacheinander abarbeiten, agieren Industrieroboter in einer kontinuierlichen Regelschleife aus Wahrnehmen, Entscheiden und Handeln. Diese Prozesse laufen mehrfach pro Sekunde über gesamte Produktionsschichten hinweg ab. In der industriellen Fertigung und Montage erfordert dies eine präzise Zustandsspeicherung auf zwei Ebenen. Das Arbeitsgedächtnis erfasst den unmittelbaren Prozessstatus, etwa ob ein Bauteil bereits montiert, eine Schutztür geöffnet oder ein Startschalter betätigt wurde. Das episodische Gedächtnis speichert hingegen langfristige Erfahrungswerte aus wiederholten Prozessdurchläufen, damit das System bei identischen Situationen auf frühere Operationsdaten zurückgreifen kann. Da diese Anforderungen sowohl tiefgreifende Robotik-Hardware-Integration als auch spezialisierte Algorithmen für lange Zeitreihen erfordern, bündeln NEURA Robotics aus Metzingen und NXAI aus Linz ihre jeweiligen Fachgebiete.

Technische Architektur und Rollenverteilung
Die technische Lösung basiert auf der Kopplung des Physical-AI-Stacks von NEURA Robotics mit der von NXAI unter Prof. Dr. Sepp Hochreiter entwickelten xLSTM-Architektur. Grundlage auf Seiten von NEURA Robotics ist das multimodale Foundation-Modell Neuron AI, das 3D-Bildverarbeitung, Tastsinn, Audiosignale, interne Roboterzustandsdaten und Sprachverarbeitung mit einer Gedächtnisfunktion fusioniert. NXAI steuert die rekurrente Architektur xLSTM bei, die auf Zeitreihen und Robotik ausgelegt ist, um Systemzustände über lange Sequenzen speichereffizient zu halten und zu aktualisieren.

„Gedächtnis und Erfahrungen sind die Voraussetzungen für Roboter, Aufgaben über viele Schritte zuverlässig zu lösen“, sagt Prof. Dr. Sepp Hochreiter, Gründer von NXAI. „xLSTM ist dafür gebaut, ist schnell, speichereffizient und kann den Zustand über lange Sequenzen halten.“

Plattformintegration und industrielle Erprobung
Neben der gemeinsamen Forschung an den Gedächtnisbausteinen stellt NXAI ein eigenständiges, auf der xLSTM-Architektur basierendes Modell auf der Plattform Neuraverse bereit. Dieses Modell steht Anwendern als zusätzliche Option neben dem unabhängig weiterentwickelten Modell Neuron AI zur Verfügung. NEURA Robotics liefert hierfür die physische Infrastruktur, die Sensorik, reale Trainingsdaten aus den sogenannten NEURA Gyms sowie die Software-Toolchain. Anwenderunternehmen können das NXAI-Modell über die Toolchain des Neuraverse auf spezifische Fertigungsaufgaben abstimmen, in den physischen Trainingsumgebungen der NEURA Gyms validieren und anschließend auf kompatiblen Robotersystemen im Betrieb ausrollen.

Betrieblicher Nutzen und Skalierbarkeit
Durch die Zusammenführung von multimodaler Sensorik und effizienter Sequenzverarbeitung erhöht sich die Prozessstabilität bei komplexen, mehrstufigen Handhabungs- und Montageaufgaben. Roboter behandeln wiederkehrende Betriebszustände nicht mehr als isolierte Einzelereignisse, sondern nutzen gespeicherte Prozesshistorien zur Fehlervermeidung und Ablaufoptimierung. Die Bereitstellung verschiedener Modellarchitekturen innerhalb derselben Trainings- und Ausführungsumgebung reduziert den Integrationsaufwand für Industriebetriebe. Zudem ermöglicht die Systemarchitektur des Neuraverse, dass antrainierte Fähigkeiten zwischen verschiedenen Maschinen und Produktionsumgebungen übertragen werden, während die Unternehmen die vollständige Datenhoheit über ihr internes Prozesswissen behalten und die Freigabe von Trainingsdaten eigenständig steuern.

Bearbeitet von Sucithra Mani, Redakteurin bei Induportals – angepasst durch KI.

www.neura-robotics.com