Reward AI: Roboter-Modell lernt aus 30 Minuten menschlicher Demonstration
Redaktion roboter-zentrale.de· 20. September 2026· 4 Min. Lesezeit
- Reward AI stellt OM-1 vor, ein Roboter-Grundmodell, das aus menschlichen Demonstrationen statt aus Roboter-Fernsteuerung lernt.
- Der Handschuh Omnibody Hand erfasst Bewegung, Tastgefühl, Abstand, Bild und Position, während ein Mensch die Aufgabe selbst ausführt.
- Ein neuer Handgriff soll mit weniger als 30 Minuten Demonstrationsdaten lernbar sein, ohne zusätzliche Roboterdaten.
- Das Versprechen lautet: ein Modell, eine Datenschnittstelle, jeder Roboter. Ein Paper oder offenes Modell gibt es bislang nicht.
Ein neues Start-up namens Reward AI zeigt ein Roboter-Grundmodell, das ohne Roboter-Fernsteuerung auskommt. Statt den Roboter zu steuern, führt der Mensch die Aufgabe selbst aus. Ein Handschuh zeichnet dabei alles auf. Aus diesen Daten soll das Modell OM-1 viele verschiedene Roboter steuern können.
Die Idee. Wer einem Roboter etwas beibringen will, lässt heute meist einen Menschen mit Joystick und Brille den Roboter steuern. Das ist langsam und teuer. Reward AI dreht den Weg um: Der Mensch macht die Arbeit selbst, ein am Körper getragenes Gerät zeichnet sie auf. Bewegung, Tastgefühl, Abstand, Bild und Position landen in einem Datensatz.
Was der Handschuh aufnimmt. Das Gerät heißt Omnibody Hand. Es sitzt an der Hand und zeichnet auf, was der Mensch tut. Aus diesen Aufnahmen trainiert Reward AI sein Modell OM-1 und überträgt die Fähigkeit anschließend auf verschiedene Roboter-Körper. Der Anbieter fasst das in einen Satz: ein Modell, eine Datenschnittstelle, jeder Körper. Das heißt konkret: Der Betrieb sammelt Arbeitsdaten seiner Mitarbeiter, statt eine Roboterschulung aufzubauen.
Was die Videos zeigen. In der Ankündigung sind vier Roboterarme zu sehen, die ein Telefon verpacken. Dazu kommen Roboter beim Wäschefalten und beim Mixen von Cocktails sowie ein Arm, der ein Netzwerkkabel abzieht. Nach Angaben des Start-ups ist eine neue Aufgabe mit weniger als 30 Minuten menschlicher Demonstration lernbar. Längere Abläufe sollen in Echtzeit in unter 30 Sekunden abgeschlossen sein.
Woher die Methode kommt. Der Ansatz knüpft an DexCap an, eine Stanford-Arbeit aus dem Jahr 2024. Damals ging es darum, feine Handbewegungen des Menschen aufzunehmen und Robotern beizubringen. Beteiligt waren unter anderem Chen Wang, C. Karen Liu und Li Fei-Fei. Der Vorteil liegt auf der Hand: Wechselt der Roboter, müssen die Daten nicht neu aufgenommen werden.
Was fehlt. Reward AI hat kein Paper und kein offenes Modell veröffentlicht. Es gibt keine Erfolgsquoten aus groß angelegten Tests. Die Ankündigung stützt sich auf Videos und einen Beitrag des 22Astronauts-Gründers Ilir Aliu auf LinkedIn. Bis unabhängige Messungen vorliegen, bleibt OM-1 ein Versprechen, keine belegte Leistung.
| Anbieter | Reward AI (Start-up, aus dem Stealth-Modus) |
| Modell | OM-1, trainiert aus menschlichen Demonstrationen |
| Aufnahmegerät | Omnibody Hand (Bewegung, Tast, Bild, Position) |
| Lernaufwand | unter 30 Minuten Daten pro neuer Aufgabe |
| Ansatz | ein Modell für verschiedene Roboter-Körper |
| Belege | kein Paper, kein offenes Modell, keine Quoten |
Es gibt keine unabhängigen Tests. Die Angaben zum Lernaufwand stammen vom Anbieter und sind nicht nachvollziehbar. Wer solche Systeme prüft, sollte Referenzkunden und gemessene Erfolgsquoten verlangen statt Videos.
Einordnung
OM-1 zeigt die Richtung für Roboterdaten: nicht den Roboter fernsteuern, sondern den Menschen beobachten. Wenn das hält, sinken die Kosten für jede neue Aufgabe deutlich. Solange die Belege fehlen, gehört der Ansatz auf die Beobachtungsliste, nicht in die Investitionsplanung.
Was würde ein Roboter in Ihrem Betrieb kosten?
Rechnen Sie Break-even und Monatsrate in 60 Sekunden aus — kostenlos, ohne Anmeldung.
Zum ROI-Rechner →