Bewegungen als Verteilung statt einzelner Befehl ↗
Diffusion Policy lernt Aktionsfolgen für robotische Manipulation. Die Projektseite zeigt Experimente mit visuellen Beobachtungen und verschiedenen Aufgaben.
Chi et al. · Diffusion PolicyMSD / Demonstration / RESEARCH EDITION
Mobile ALOHA: zwei Arme werden beweglich
Das Forschungsprojekt verbindet mobile Manipulation mit Ganzkörper-Teleoperation und Lernen aus Demonstrationen.
Jetzt eintauchen ↓RECHERCHESTAND 12.11.2026 · FAKTEN + EINORDNUNG + SZENARIENRESEARCH NOTE / 2024Demonstration
Robotik & Physical AI
Externe Forschung · MSD-Einordnung
Keine Behauptung eines eigenen Versuchs.
01 / EINORDNUNG
Was dieser Befund trägt.
Grenzen des Nachweises
Ausgewählte Demonstrationen zeigen Fähigkeiten, aber keine durchschnittliche Verfügbarkeit in beliebigen Haushalten.
Unsere Ableitung für einen Pilotbetrieb
Auch Fehlversuche, Rücksetzungen und benötigte menschliche Eingriffe pro Betriebsstunde mitzählen.
Diese Ableitung ist eine redaktionelle Empfehlung von MSD. Sie ist kein weiteres Ergebnis der zitierten Studie.
Quelle und Version
Fu, Zhao & Finn · Mobile ALOHA · Publikations-/Bezugsjahr 2024. Recherchiert am 12.11.2026.
Primärquelle lesen ↗Externe Forschung, keine MSD-Kundenreferenz. Eigene Versuche veröffentlichen wir erst mit Aufbau, Datum, Messwerten und dokumentierten Fehlversuchen.
02 / VERKNÜPFUNGEN
Weiterdenken. Weiterprüfen.
RT-2: vom Bild und Satz zur Roboteraktion ↗
RT-2 verbindet Bild- und Sprachwissen mit robotischen Aktionsausgaben. Semantische Hinweise sollen sich auf die Manipulation übertragen lassen.
Brohan et al. · RT-2Viele Roboter, ein gemeinsamer Datenraum ↗
Open X-Embodiment bündelt Datensätze aus unterschiedlichen robotischen Aufbauten. Gemeinsame Daten sollen den Transfer zwischen Aufgaben und Plattformen erleichtern.
Open X-Embodiment Collaboration