Stand der Robotik 2024

Jahresbericht · 2024

Im Jahr der Flexivität , als das Grundmodelldenken in die Robotik trat, prolifererten sich humanoide Plattformen und die Kosten für die Datenerhebung begannen ihren entscheidenden Rückgang.

Lies den Bericht Download PDF

Veröffentlicht März 2024 46 Seiten kostenlos

2024 durch die Zahlen

Sechs Datenpunkte, die den Stand der globalen Robotikindustrie dieses Jahr definieren.

17,8 Milliarden Dollar.

Der globale Robotermarkt im Jahr 2024 steigt um 25% gegenüber dem Vorjahr.

5% VLA

Die Modelle Vision-Language-Action erreichten 5% der neuen Einsätze von der Forschungsinteresse bis zu den ersten Produktionsversuchen.

-43%

Die Kosten für die Datenerhebung pro Stunde fielen von 520 auf 295 Dollar bis 2024, was die Kostenkurve zum ersten Mal verbiegt.

3

Handels-Humanoid-Plattformen sind jetzt zum Kauf oder Mieten verfügbar Agility Digit, Abbildung 01, und Unitree H1.

• 4,8 Milliarden Dollar.

Die globalen Investitionen in Robotik stiegen auf 4,8 Milliarden Dollar zurück, geführt von strategischem Kapital von Big Tech und Verteidigung.

IL Steigt

Imitierungslernen erreichten 38% der Annahme, gegenüber 28% im Jahr 2023, getrieben von ACT, Diffusion Policy und OpenVLA.

Inhaltsplan

• Ich weiß .

01-

Zusammenfassung

](T1)

02

Hardware: Arms Race und Humanoid Dawn

](T2) [

03

Die Dateninfrastrukturwechsel

](T3) [

Stiftungsmodelle kommen zur Robotik

](T4)

0 0 0 0 0

Ausbildungsprozesse in der Übergangsphase

](T5) [

06

Verteidigung nach Vertikal

](T6) [

07

Investitionen: Übernahme des strategischen Kapitals

](T7) [

Die Zeitpunkte des Jahres 2024

](T8) [

0 0 0 0

Was 2025 bringen wird

](T9)

Kapitel 1

Zusammenfassung

2024 ist das Jahr der Verlagerung. Nicht weil ein einzelnes Produkt versandt oder ein einzelnes Papier veröffentlicht wurde, sondern weil sich die Art und Weise, wie die Industrie über Robotik denkt, unumkehrbar verändert hat. Die Auswirkungen sind enorm: Anstatt für jeden Roboter und jede Aufgabe eine maßgeschneiderte Steuerung zu entwickeln, begannen die Teams zu fragen, ob ein vorgeübtes Vision-Language-Action-Modell, das auf wenige hundert Demonstrationen abgestimmt ist, stattdessen die Arbeit erledigen könnte.

Die Antwort ist 2024 "manchmal". VLA-Modelle erreichten bis zum 4. Quartal 5% der neuen kommerziellen Einführung, von Anfang des Jahres fast null. Die Unternehmen, die VLAs 2024 einsetzen, sind keine Hobbyisten sie sind Amazon (Sparrow Pick-Systeme), Agility (Digit Warehouse-Implementierungen) und eine Handvoll gut finanzierte Startups, die frühzeitig auf end-to-end gelernte Kontrolle setzen.

Inzwischen erweiterte sich die Hardware-Schicht in zwei kritischen Richtungen. Erstens wuchs der unter 10.000 Dollar hohe Roboterarmmarkt von acht auf vierzehn glaubwürdige Hersteller, von denen sechs jetzt chinesisch sind. Zweitens wurden drei kommerzielle humanoide Plattformen wirklich zum Kauf verfügbar keine Pressemitteilungen, keine Wartelisten, sondern versandbare Produkte mit Dokumentation und Supportverträgen. Agility's Digit wurde in Amazon-Einrichtungen eingesetzt. Abbildung 01 entstand aus Stealth mit einer Steigerung von 675 Millionen US-Dollar und einer OpenAI-Partnerschaft. Unitrees H1 wurde zu einem Preis geliefert, der die Branche dazu zwang, ihre Annahmen über die humanoide Wirtschaft neu zu überdenken.

Die zentrale These dieses Berichts: 2024 ist das Jahr, in dem die Robotik kein Hardwareproblem mehr ist und zu einem Daten- und Modellproblem wird.

Die Kosten für die Datenerhebung, der wichtigste Engpässe für die Skalierung von erlernten Roboterpolitiken, sanken von 520 USD/Stunde im ersten Quartal 2023 auf etwa 295 USD/Stunde im vierten Quartal 2024. Diese 43%-Reduzierung wurde durch drei Faktoren angetrieben: die Verbreitung kostengünstiger Teleoperationssysteme für Führungskräfte (viele sind in China hergestellt), die Veröffentlichung von Open-Source-Daten-Set-Tooling (DROID, frühe LeRobot-Arbeit) und die zunehmende Standardisierung von Episodenformaten.

Die Investitionsmuster erzählen eine komplementäre Geschichte. Die globale VC-Investition in der Robotik erreichte 4,8 Milliarden Dollar, eine bescheidene Erholung von 4,1 Milliarden Dollar im Jahr 2023. Das intelligente Geld ist nicht auf Roboter wetten; es ist auf die Daten und Modell-Infrastruktur wetten, die Roboter nützlich macht.

Kapitel 2

Hardware: Arms Race und Humanoid Dawn

Die Hardware-Landschaft im Jahr 2024 wird durch zwei parallele Geschichten definiert: die schnelle Vermarktung von Roboterarmen und das Aufkommen der ersten wirklich kommerziellen humanoiden Plattformen. Beide Trends zeigen in die gleiche Richtung zu einer Welt, in der das differenzierende Gut nicht der Roboter selbst ist, sondern die darauf gesammelten Daten und die für ihn ausgebildeten Richtlinien.

Der Waffenmarkt unter 10.000 Dollar erweitert sich

Anfang 2024 boten etwa acht Hersteller sechs oder sieben DoF-Roboterwaffen unter 10.000 Dollar an. Die wichtigsten neuen Eintreter sind die Chinesen: Unternehmen wie Unitree (die Branche von Vierfuchsen in Waffen), AgileX, Elephant Robotics, LEBAI und Flexiv haben die Komponentenversorgungskette von Shenzhen genutzt, um Waffen zu Preisen von 3050% unter den westlichen Äquivalenten herzustellen.

Dieser Produktionsvorteil geht nicht nur um Kosten. Chinesische Hersteller bauen Arme, die explizit für die Datenerhebung entwickelt wurden Rücklauffähige Gelenke für die Führungspartner-Telebetrieb, USB-C für die Integration von Kamera mit niedriger Latenz und Kompatibilität mit Standard-URDF-Formaten für die Simulation. Die Hardware wird von der Annahme aus entwickelt, dass jemand sie teleoperationieren, Demonstrationen sammeln und eine Politik ausbilden will. Das ist eine grundlegend andere Designphilosophie als der traditionelle Industrie-Markt.

** Schlüsselinformationen:** Sechs der vierzehn Hersteller von Arms unter 10K Dollar sind jetzt chinesisch. Dies ist kein Qualitätsproblem Es ist ein struktureller Vorteil, der sich in der Nähe der Lieferkette verwurzelt. US-amerikanische und europäische Hersteller reagieren mit Softwareintegration und Supportdichte anstatt Preiswettbewerb.

Die Menschen überschreiten die Handelsgrenze

Drei kommerzielle humanoide Plattformen wurden 2024 für strukturierten Kauf oder Mietvertrag zur Verfügung gestellt. Eine Zahl, die klein klingt, aber ein echtes Marktbildungsevent darstellt. Im Jahr 2022 war nur eine Plattform (Boston Dynamics Atlas, in begrenzten Forschungskonfigurationen) verfügbar. Im Jahr 2023 waren zwei. Die Ergänzungen von 2024 bedeuten, weil sie verschiedene Strategien repräsentieren:

• Agility Digit: Zweckgebundene für die Logistik. In Amazon-Fulfillment-Zentren für Taschen mit der Bewegung von Taschen eingesetzt. Nicht ein allgemeiner Humanoid ein spezialisiertes Biped, das für einen definierten Workflow optimiert ist. Dies ist der pragmatische Ansatz: Bauen Sie eine Humanoidform, weil die Umgebung für Menschen konzipiert wurde, nicht weil die Humanoidform von Natur aus überlegen ist.
• Bild 01: Das Flaggschiff der "Fundation Model humanoid" -Thesis. Die 675 Millionen Dollar Steigerung und die OpenAI-Partnerschaft signalisieren eine Wette, dass ein allgemein zweckfähiger humanoid, angetrieben von einem großen Sprachmodell für das Verständnis von Aufgaben und einem VLA für Manipulation, innerhalb von 35 Jahren kommerziell lebensfähig sein wird.
• Unitree H1:** Preis aggressiv bei etwa 90.000 $ ungefähr ein Drittel von dem, was Industriebeobachter für einen vollen zweistufigen humanoiden erwartet. Unitree Strategie spiegelt sein vierkoppiges Spielbuch wider: Schiff Hardware in Skala, bei niedriger Marge, und lassen das Ökosystem Wert aufbauen.

Weltmarktgröße für Robotik (B)

Quelle: RCSV Research, IFR 2024, PitchBook

Kommerzielle Humanoidplattformen verfügbar

Quelle: RCSV-Forschung

Kapitel 3

Die Dateninfrastrukturwechsel

Der wichtigste Trend für die Roboterindustrie ist nicht die Produkteinführung oder die Finanzierungsrunde, sondern die Verbesserung der Kostenkurve für die Datenerhebung. Dieser Rückgang um 43% über acht Quartale ist das Ergebnis von komponierten Verbesserungen in Hardware, Software und Prozessstandardisierung.

Was die Kosten verringert hat

Die drei Kräfte konvergierten. Zuerst wurde die Teleoperations-Hardware von Führungskräften verwertet. Systeme, die 2022 $ 8.000 bis 12.000 kosten, sind nun für $ 2.000 bis $ 4.000 von chinesischen Herstellern verfügbar, mit vergleichbarer Qualität und deutlich kürzeren Lieferzeiten. Dies machte es wirtschaftlich praktikabel, mehrere Telebetriebsstationen gleichzeitig zu einsetzen, was eine Voraussetzung für die Datenerhebung im Stückzahl von hunderten Stunden war, die moderne Politik erfordert.

Zweitens entwickelte sich das Open-Source-Datensatz-Tooling. Das DROID-Projekt (Stanford/Berkeley) veröffentlichte einen groß angelegten Multi-Robot-Datensatz mit standardisierter Episodeformatierung. Hugging Face begann frühzeitig mit LeRobot, einem Framework für die Sammlung, Kuratierung und Weitergabe von Roboterdemonstrationsdaten. Diese Werkzeuge eliminierten die technischen Anstrengungen der Datenerhebung nicht, sondern reduzierten sie von Wochen auf Tage für Teams, die neue Sammelleitungen bauten.

Drittens begann die Standardisierung des Episodenformats zu finden. Die Konvergenz der von Google entwickelten RLDS- und HDF5-Systeme reduzierte die "Integrationssteuer" die technischen Overhead, die erforderlich ist, um die auf einer Plattform gesammelten Daten auf einer anderen Plattform nutzbar zu machen. Dies ist eine weltweite, aber kritische Entwicklung: Ohne Formatstandardierung erfordert jede neue Hardwareplattform eine maßgeschneiderte Datenleitung, und plattformübergreifendes Training wird unpraktisch.

Die Schrittschwelle verschiebt sich: Bei 520 USD/Stunde kostet die Sammlung von 500 Stunden Demonstrationsdaten für eine einzelne Aufgabe 260.000 USD ein Forschungslaborbudget. Bei 295 USD/Stunde kostet derselbe Datensatz 147.500 USD. Dies ist immer noch teuer, ist aber jetzt für gut finanzierte Pilotprogramme im Unternehmen in Reichweite. Die Kostenkurve ist noch nicht auf ihren Höhepunkt gekommen; wir erwarten, dass sie 2025 weiter sinken wird, da sich die Werkzeug- und Hardware weiter verbessern wird.

Der DROID-Daten- und Open-Daten-Set

Die Veröffentlichung des DROID-Datensatzes im Jahr 2024 war ein Meilenstein für die Roboter-Lerngemeinschaft. Die Auswirkungen waren weniger auf die Daten selbst, die nützlich waren, aber nicht ausreichend für die Produktionsimplementierung waren, als auf den Konzeptnachweis: Großformat, Multi-Site, Multi-Roboter-Daten-Sammlung ist möglich und die daraus resultierenden Datensätze können in standardisierten Formaten geteilt werden.

Die frühe Arbeit des Hugging Face-Teams an LeRobot ergänzte DROID durch die Bereitstellung von Werkzeugen für den Sammlung und Curation-Workflow. Während LeRobot noch in seinen frühen Stadien war, signalisierte es eine wichtige Richtung: Die Infrastruktur für die Roboterdaten-Sammlung wird von den gleichen Institutionen gebaut, die die Infrastruktur für Sprachmodell-Trainingsdaten gebaut haben. Dies ist kein Zufall. Es ist eine Anerkennung, dass sich der Engpass im Roboterlernen von Algorithmen auf Daten verlagert hat.

Kosten pro Stunde für die Datenerhebung (USD)

Quelle: RCSV Research, Marktplatzdaten des Betreibers

Kapitel 4

Stiftungsmodelle kommen zur Robotik

Die Übergangsphase des Grundmodelldenkens von Sprache und Vision in physische Manipulation ist die definierende intellektuelle Entwicklung von 2024 in der Robotik. Es geht um einen Paradigmenwechsel: Die Erkenntnis, dass große Modelle, die vorab auf breiten Daten ausgebildet und auf Aufgabenspezifische Demonstrationen abgestimmt sind, maßgeschneiderte Steuerungsleitungen bei einer immer größeren Palette von Manipulationsarbeiten übertreffen können.

Die Folgen von RT-2

Das RT-2-Papier von Google (mitten 2023 veröffentlicht) zeigte, dass ein Vision-Language-Action-Modell im Wesentlichen ein großes Sprachmodell mit einem Aktionsdekoder erweitert die Natursprachenanweisungen in Roboteraktionen verwandeln könnte. Die Auswirkungen waren weniger auf die spezifischen Fähigkeiten von RT-2 (die beeindruckend waren, aber auf die Hardware von Google beschränkt waren) als auf den konzeptionellen Präzedenzfall, den es etablierte: Sprachmodelle sind nicht nur für Text. Sie können über physischen Raum, Objekteigenschaften und Manipulationsstrategien reden, die auf eine reale Roboterkontrolle übertragen werden.

Die Reaktion der Forschungsgemeinschaft auf das Projekt 2024 war schnell und breit.

• OpenVLA (Stanford/Berkeley): Ein auf dem Llama-Backbone basierendes, auf benutzerdefinierten Demonstrationsdaten-Sets abgestimmtes, offenes VLA-Modell. Die Ausbildung wurde Mitte 2024 ernsthaft begonnen; die ersten Ergebnisse zeigten mit 200500 Aufgaben-spezifischen Demonstrationen eine wettbewerbsfähige Leistung.
• ACT++ und Diffusion Policy: Diese Imitations-Lernarchitekturen wurden zwar nicht VLAs an sich, aber 2024 wurden die Standardforschungsgrundlagen für Manipulationspolitikstraining. Tony Zhao's ACT-Papier (ursprünglich im Jahr 2023) zeigte, dass die Aktions-Cunking Vorhersage von Aktionssequenzen anstatt einzelner Aktionen die Politikrobustheit dramatisch verbesserte. Die Diffusion Policy (Chi et al.) hat Diffusionsmodelltechniken zur Aktionsgenerierung angewandt und so reibungslosere und zuverlässigere Manipulationsbahnen erzeugt.
• Physical Intelligence (Pi0): Im Jahr 2024 mit einer Sammelrunde von 70 Millionen US-Dollar (die größte in der Geschichte der Robotik) gegründet, begann Physical Intelligence, ein allgemein zweckgebundenes Fundamentmodell für die Roboterkontrolle zu bauen. Pi0s erste Arbeit konzentrierte sich auf die Ausbildung eines Modells, das mehrere Roboterformfaktoren aus einem einzigen Gewichtssatz kontrollieren konnte.

Das wirtschaftliche Argument für VLAs: Die Ausbildung einer auf die Aufgabe spezifischen Politik von Grund auf erfordert mehr als 1.000 Demonstrationen und Wochen von Engineering. Die Fein-Tuning einer vorgeübten VLA auf die gleiche Aufgabe erfordert 200500 Demonstrationen und Tage von Engineering. Bei den Kosten für die Datenerhebung bis 2024 bedeutet dies eine 35x reduzierte Gesamtkosten für die Bereitstellung einer neuen Manipulation. Der VLA-Ansatz ist für sicherheitskritische Aufgaben noch nicht zuverlässig genug, aber für die Auswahl, Sortierung und einfache Montage befürwortet es die Wirtschaft bereits.

Annahme von VLA (% der neuen Einrichtungen)

Quelle: RCSV Research, Unternehmensentwicklungsschreiber

Kapitel 5

Ausbildungsprozesse in der Übergangsphase

Die Ausbildungssysteme im Jahr 2024 sind ein Übergangsmarkt. Das Verstärkungslernen (REL) bleibt der dominierende Ansatz, der in 65% der kommerziellen Manipulationsimplantationen verwendet wird. Die Hybridansätze in der Regel IL für die anfängliche Politikbildung, gefolgt von RL für die Feinarierung bleiben bei 7% der Einführung nur gering, aber konstant.

Warum RL immer noch dominiert

Die meisten Roboter-Ingenieursteams, die vor 2023 eingestellt wurden, wurden in RL-Methoden ausgebildet. Das Werkzeug ist reif (Stable Baselines3, RLlib, Isaac Gym). Die Bereitstellungspipelines sind gut verstanden. Für Teams mit bestehendem RL-Infrastruktur führt der Wechsel zu IL zu einem Integrationsrisiko ohne garantierte Verbesserung. RL bietet auch klare Vorteile für Aufgaben, bei denen die Belohnungseffekt leicht definiert werden kann (z. B. die Erreichung einer Zielposition), Demonstrationsdaten jedoch schwer zu sammeln sind (z. B. Aufgaben, bei denen eine präzise Kraftkontrolle erforderlich ist).

Der schnelle Aufstieg von IL

Die Erhöhung des Imitationslernens von 28% auf 38% in einem Jahr spiegelt zwei Entwicklungen wider. Zuerst zeigte das ACT-Papier (Zhao et al.) an, dass einfache, gut gestaltete IL-Architekturen ohne die Belohnungstechnik und Hyperparameter-Ausrichtung, die RL erfordert, Richtlinien erstellen könnten, die sich über Aufgabenvariationen hinweg verallgemeinern. Der Aktions-Machschnitt-Ansatz des ACT die Vorhersage von Sequenzen von 20100 zukünftigen Aktionen anstelle von einzelnen Aktionen ließ sich reibungslose Abläufe und dramatisch verbesserte Erfolgsraten bei zweimannigen Aufgaben ergeben.

Zweitens hat die in Kapitel 3 beschriebene Daten-Infrastruktur IL erstmals wirtschaftlich rentabel gemacht. IL erfordert Demonstrationsdaten; RL erfordert einen Simulator oder eine Belohnungfunktion. Für Teams, die 2024 neue Manipulationsprojekte starten, wird die Berechnung zunehmend: Sammeln 300500 Demonstrationen und trainieren eine IL-Politik, anstatt Wochen damit zu verbringen, einen Simulator und eine Belohnung für RL zu erstellen.

Wann RL vs. IL im Jahr 2024 verwendet werden soll: RL bleibt die beste Wahl für Aufgaben mit gut definierten Belohnungsschwerpunkten, Aufgaben, bei denen neuartige Strategien erforscht werden müssen, und Aufgaben, bei denen Simulationen bereits verfügbar sind. IL ist die bessere Wahl für Aufgaben, bei denen Demonstrationen leichter zu sammeln sind als Belohnungen zu definieren, Aufgaben, die natürliche und reibungslose Bewegungen erfordern, und Aufgaben, bei denen das Ziel ist, menschliches Verhalten zu replizieren, anstatt eine Metrik zu optimieren. Die Hybridansätze IL-Wärmestart gefolgt von RL-Feinabstimmung sind theoretisch optimal, erfordern jedoch Fachkenntnisse in beiden Methoden und sind selten der praktischste Weg.

Ausbildungstechnik Annahme (%)

Quelle: RCSV Jahresuntersuchung der Entwickler, n=840

Kapitel 6

Verteidigung nach Vertikal

Die Einsatz von kommerziellen Robotern im Jahr 2024 konzentriert sich auf drei vertikalen Bereiche: Logistik, Automobilherstellung und Elektronikmontage, die insgesamt 82% der neuen Einsatzbereiche ausmachen. Die restlichen 18% werden in den Bereichen Lebensmittel, Gesundheitswesen, Landwirtschaft und Schwellenländer verteilt. Die Konzentration ist nicht überraschend; es handelt sich hierbei um die Branchen mit den höchsten Arbeitskosten, den strukturiertesten Umgebungen und der längsten Geschichte der Automatisierungsinvestitionen.

Logistik: Der Amazon-Effekt

Logistik und Lagerhaltung machen 32% der Roboterteilung durch Volumen von 2024 aus, die überwiegend von Amazon getrieben wird. Der Einsatz von Sparrow-Pick-and-Place-Systemen und das breitere Sequoia-Fulfillment-Redesign stellen das größte Ein-Unternehmens-Roboter-Einsatzprogramm in der Geschichte dar. Amazon ist ein lehrreicher Ansatz: Anstatt allgemein genutzte Roboter zu einsetzen, haben sie hochspezialisierte Manipulationssysteme entwickelt, die für bestimmte Aufgaben im Fulfillment Center optimiert sind Einzelbearbeitung, Pick-and-Place und Paket-Sortierung. Jedes System wird auf Aufgabenspezifischen Daten ausgerichtet, die in Amazons eigenen Einrichtungen gesammelt werden.

Neben Amazon haben Logistikanbieter wie DHL, FedEx und mehrere asiatische E-Commerce-Betreiber im Jahr 2024 kleinere Roboter-Picking-Systeme eingesetzt.

Automobil: Steig, aber veränderlich

Die Automobilherstellung stellt 28% der Einführung dar. Dies ist ein reifer Automatisierungsprozess, aber 2024 wurde eine bedeutende Veränderung erlebt: Neue Einführung beinhaltet zunehmend flexible Manipulation (Versammlungsarbeiten, die sich zwischen Modelljahren ändern) anstatt feste Schweiß- und Malautomation. Der Fahrer ist der Elektrofahrzeughersteller, bei dem die Produktionslinien häufiger umgebaut werden als in traditionellen ICE-Fahrzeugen.

Elektronik: Präzision im Maßstab

Die Elektronikindustrie macht 22% der Einrichtungen aus, die in Ostasien (China, Südkorea, Japan, Taiwan) konzentriert sind. Die Aufgaben PCB-Versammlung, Komponentenanbringung, Inspektion erfordern hohe Präzision und Wiederholbarkeit. Der aufkommende Trend ist die Verwendung von gelernten Richtlinien für die visuelle Inspektion und Anomalieerkennung, die die traditionelle feste Automatisierung für physische Manipulation ergänzen.

Lebensmitteldienst: Die ersten Bewohner

Die Lebensmittelservice-Branche ist nur 7% der Einrichtungen von 2024, ist aber die am schnellsten wachsende vertikale in Prozent.

Vertical	Share of 2024 Deployments	YoY Growth	Leading Use Case
Logistics / Warehousing	32%	+34%	Pick-and-place, sorting
Automotive	28%	+12%	Flexible assembly, EV lines
Electronics	22%	+18%	PCB assembly, inspection
Food Service	7%	+300%	Kitchen automation, QSR
Healthcare	3%	+45%	Pharmacy, sample transport
Agriculture	3%	+28%	Harvesting, pruning
Other	5%	+22%	Construction, inspection, retail

2024 Einführung nach vertikalen

Quelle: RCSV Research, IFR 2024

Kapitel 7

Investitionen: Strategisches Kapital übernimmt die Rolle

Die Investitionen in Risikokapital in Robotik erreichten im Jahr 2024 weltweit 4,8 Milliarden US-Dollar, eine Erholung von 17% gegenüber dem Tiefpunkt von 4,1 Milliarden US-Dollar im Jahr 2023. Diese Schlagzeile verdeckt jedoch eine strukturelle Verschiebung in den Schreibern. Traditionelle Risikokapitalfonds haben sich nicht von der Robotik abgezogen, aber sie investieren zunehmend mit strategischen Partnern zusammen, anstatt unabhängig von ihnen zu führen.

Die These der großen Technik

Microsoft, Amazon und NVIDIA sind nicht philanthropisch, sondern sehen Robotik durch die Linse ihrer bestehenden Plattformstrategie. Amazon Sparrow und Sequoia Programme sind Capex-Investments in die Erfüllung Effizienz, die durch Arbeitskosteneinsparungen und Durchsatzverbesserungen gerechtfertigt sind. NVIDIA Isaac Lab und Cosmos Ankündigungen positionieren es als Infrastrukturanbieter für Roboter-Simulation und -Schulung die gleiche "Pick-and-Schaufel" -Strategie, die es dominierte in der KI-Schulung-Rechnen.

Geographische Kapitalverteilung

Die US-Hauptquartier-Unternehmen erhielten 54% des globalen Robotik-Venture-Kapitales im Jahr 2024. China erhielt 26%, weiter ein stetiges Wachstum von 22% im Jahr 2022. Europa erhielt 13%, mit Aktivität konzentriert in Deutschland (Herstellungsautomation), Frankreich (Service-Roboter) und Großbritannien (Inspektion und Logistik). Die restlichen 7% wurden in Japan, Südkorea, Israel und Schwellenländern verteilt.

Die US-China-Spaltung spiegelt grundsätzlich verschiedene Investitionsthesen wider. US-Kapital konzentriert sich auf Software und Modellinfrastruktur Unternehmen, die die KI-Schicht auf der Oberseite der Hardware bauen. Beide Strategien haben ihren Wert; keine von ihnen allein reicht aus.

Die Strategie-Kapital-These: Strategische Investoren optimieren nicht nur für die finanzielle Rendite, sondern auch für die Position des Ökosystems um sicherzustellen, dass ihre Plattformen (Cloud Computing, Simulation, Fertigungsinfrastruktur) zur Standardlage für die nächste Welle der Robotertreibung werden. Dies verändert die Wettbewerbsdynamik: Startups, die durch strategische Kapitalgewinnverteilungsanteile unterstützt werden, können jedoch mit Beschränkungen in Bezug auf Partnerschaften und Exit-Optionen konfrontiert sein.

VC-Investitionen in Robotik ($B)

Quelle: RCSV Research, PitchBook, Crunchbase

2024 Investitionen nach Geographie (%)

Quelle: RCSV Research, PitchBook

Kapitel 8

Die Zeitpunkte des Jahres 2024

Jedes Jahr hat seine Momente: Produktläufe, Förderrunden und Forschungsergebnisse, die im Nachhinein echte Wendepunkte markieren. Hier sind die sechs Ereignisse aus dem Jahr 2024, von denen wir glauben, dass sie am wichtigsten sind, wenn die Geschichte dieser Periode geschrieben wird.

1. Abbildung 01 + OpenAI-Partnerschaft

Die 675 Millionen Dollar-Serie B von Figure AI und die gleichzeitige Partnerschaft mit OpenAI stellten die bislang höchste Konvergenz großer Sprachmodelle und physischer Robotik dar. Das erklärte Ziel der Partnerschaft die Integration von GPT-Sprachverständnis mit Figure's humanoiden Hardware für natürliche Sprache-geleitete Manipulation ist ehrgeizig und unbewiesen. Aber das Signal, das es auf den Markt gesendet hat, war sofort: Das wertvollste KI-Unternehmen der Welt betrachtet die physische Robotik als eine strategische Priorität, nicht als Forschungszweck. Die Kapitalzuweisung in der Branche veränderte sich in den Wochen nach der Ankündigung deutlich.

2. Fysical Intelligence Founded (70 Millionen Dollar)

Die Gründung von Physical Intelligence mit einer Samenrunde von 70 Millionen US-Dollar, der größten Samen in der Geschichte der Robotik, bestätigte die "Grundlagemodell für Roboter" -Thesis auf höchstem Niveau. Das Team aus Google Brain, Berkeley und Stanford setzte sich für den Bau von Pi0 ein: ein allgemeines Roboter-Grundlage-Modell, das mehrere Formfaktoren aus einem einzigen Gewichtssatz steuern könnte. Ob Pi0 dieses Ziel erreicht, ist 2024 weniger wichtig als die Tatsache, dass 70 Millionen US-Dollar institutionelles Kapital unter der Voraussetzung eingesetzt wurden, dass es erreichbar ist.

3. Einheitliche Versandzeuge H1 und G1

Unitrees Entscheidung, den H1-Fullsize-Humanoid für etwa 90.000 USD und den G1-Kompakten-Humanoid für etwa 16.000 USD zu versenden, setzte die Annahmen der Branche über die Preisgestaltung von humanoiden zurück. Unitree zeigte, dass eine aggressive Hardware-Kostenoptimierung, die die gleiche chinesische Fertigungsbasis nutzt, die ihre Vierbeine produziert, diese Bandbreite um 4060% komprimieren könnte.

4. NVIDIA Isaac Lab und Cosmos

NVIDIA hat Isaac Lab (eine vereinte Simulationsplattform für Roboterlernen) und Cosmos (ein Weltmodell für die Erzeugung physisch plausibler synthetischer Daten) angekündigt. Isaac Lab integrierte die bestehenden Simulationsfähigkeiten von NVIDIA (Isaac Sim, PhysX) mit modernen Robotern (Gymnasium-Kompatibilität, RL/IL-Training-Loops). Cosmos ging weiter und zeigte, dass auf Video-Daten ausgebildete generative Modelle physisch plausible synthetische Trainingsdaten für Roboter erzeugen konnten.

5. Umarmendes Gesicht LeRobot

Die Einführung von Hugging Face von LeRobot brachte das Open-Source-Ethos der NLP-Community zum Roboterlernen. LeRobot bot einen standardisierten Rahmen für die Sammlung, Kuratierung und Weitergabe von Roboter-Demonstrationsdaten analog zu dem, was Hugging Face Datasets-Bibliothek für NLP-Trainingdaten tat. Die frühe Annahme konzentrierte sich auf akademische Labore, aber die Bedeutung des Rahmens erstreckt sich über die Forschung hinaus: Es etablierte ein gemeinsames Vokabular und eine Werkzeugkette für Roboterdaten, die die Zugangshemmnisse für die nächste Generation von Roboterunternehmen senken wird.

6. 1X Technologien erhöhen

1X Technologies (ehemals Halodi Robotics) hat 100 Millionen Dollar in einer Serie B gesammelt, die von EQT Ventures mit Beteiligung von Samsung und NVIDIA geleitet wird. Die Runde bewertete das Unternehmen auf ungefähr 500 Millionen Dollar und finanzierte die Erweiterung seines NEO-Humanoidroboterprogramms. 1X's Ansatz unterscheidet sich von Figure's in der Betonung: wo Figure mit KI-Integration führt, führt 1X mit einer sicheren Mensch-Roboter-Interaktion in unstrukturierten Umgebungen, die sich auf Heim- und Geschäftsbauanwendungen und nicht auf Fabrikböden richtet.

** Das Muster in allen sechs Momenten:** Kapital fließt nicht nur zur Hardware-Innovation, sondern zur Kreuzung von Hardware, Daten und Fundamentmodellen.

Kapitel 9

Was 2025 bringen wird

Die Vorhersage ist demütigend, und wir bieten die folgenden Ansichten mit angemessener Unsicherheit an.

1. VLA-Modelle erreichen 1015% Einsatzanteil

Die Entwicklung von 0% auf 5% im Jahr 2024 deutet darauf hin, dass die Einführung von VLAs beschleunigt wird, wenn die Fein-Tuning-Tools reift und die Ableitkosten sinken.

2. Die Kosten für die Datenerhebung fallen unter 200 Dollar pro Stunde

Die fortgesetzte Hardware-Commoditization (chinesische Führungskräfte-Follower-Systeme unter 1.500 USD) und die Reifung der Werkzeuge (LeRobot, DROID v2) werden die vollständig geladenen Kosten für Teleoperationsdaten unter 200 USD/Stunde drücken. Diese Schwelle ist wichtig, weil sie 500-Stunden-Daten-Sets das Minimum für robuste politische Ausbildung zu komplexen Aufgaben mit unter 100.000 USD erreichbar macht.

3. Humanoide Plattformen erreichen 57

Zumindest zwei weitere humanoide Plattformen (außer Agility, Figure und Unitree) werden im Jahr 2025 kommerziell verfügbar sein. Die Kandidaten sind Apptronik's Apollo, Teslas Optimus (in begrenztem Einsatz) und 1X's NEO. Der humanoide Markt wird sich segmentieren: logistisch optimierte Bipaetern, Allzweckforschungsplattformen und kompakte Systeme für Bildung und leichte kommerzielle Nutzung.

4. Der erste "Roboter-Datenmarkt" wird gestartet

Die Wirtschaftlichkeit der Datenerhebung und die Standardisierung der Episodeformate werden die ersten kommerziellen Märkte für Roboterdemonstrationsdaten ermöglichen. Teams, die ihre eigenen Daten nicht sammeln können oder nicht sammeln möchten, können kuratierte Datensätze für bestimmte Aufgabenkategorien kaufen. Die Preise von 50 bis 200 USD/Stunde für Demonstrationsdaten, je nach Qualität und Aufgabenkomplexität.

5. Simulations-zu-Realen-Übertragung wird für IL praktisch

Die Kombination von photorealischer Darstellung (NVIDIA Cosmos) und einer verbesserten Domänenrandomisierung wird Sim-to-Real-Transfer zum ersten Mal für das Imitationslernen praktisch machen.

6. Strategische M&A-Aktualisierungen

Die Konzentration von Kapital in strategische Investoren (beschrieben in Kapitel 7) wird sich in Akquisitionen umsetzen. Wir erwarten mindestens 35 Robotikakquisitionen über 50 Millionen Dollar im Jahr 2025, getrieben von Automobil-OEMs, Logistikbetreibern und Verteidigungs-Primieren, die Roboter-Lernfähigkeiten internalisieren wollen. Die Datenbestände in Produktionsumgebungen gesammelte proprietäre Demonstrationsdatenmengen werden ausdrücklich in Geschäftsbedingungen bewertet.

Unsere allgemeine Sichtweise für 2025: Die Unternehmen, die 2025 gewinnen werden, sind nicht diejenigen mit der besten Hardware oder den größten Modellen, sondern diejenigen mit den effizientesten Datenerhebungspieplinen, den strengsten politischen Bewertungssystemen und dem tiefsten Verständnis ihrer Vertikalverteilung. Die Infrastruktur-Schicht Daten, Werkzeuge, Bewertung ist der Ort, an dem ein dauerhaftes Wettbewerbsvorteil aufgebaut wird. Lesen Sie die vollständige Analyse in unserem Bericht [State of Robotics 2025] T10.

Dieser Bericht zitieren

Roboterzentrum des Silicon Valley. (2024). State of Robotics 2024: Jahresbericht über die globale Robotikindustrie. RCSV Research. T11

Kopie-Zitierung

Bleiben Sie bei der Robotik vorne

Erhalten Sie die neuesten Informationen zu Robotern, Datenerhebung und physischer KI in Ihren Posteingang.