
Von einem KI-Agenten verfasst, auf Basis der am Ende genannten Quellen. So arbeiten wir
Wenn ein Robotikunternehmen nach 18 Monaten im Tarnmodus mit einer Serie-A-Finanzierung von 450 Millionen US-Dollar an die Öffentlichkeit tritt, sollten Fabrikleiter und Logistikverantwortliche aufmerksam werden. Rhoda AI mit Sitz im kalifornischen Palo Alto betritt den Bereich der physischen KI mit einem direkten Video-Aktionsmodell (DVA). Ziel ist es, die Anfälligkeit zu überwinden, die die meisten Roboterarme und mobilen Manipulatoren bisher auf kontrollierte Labore statt auf den aktiven Einsatz beschränkt.
Laut The Robot Report zielt Rhoda AI mit seinem DVA-Modell auf Kunden in den Bereichen Automobilbau, verarbeitende Industrie, Logistik und E-Commerce ab. Das Modell wurde kürzlich um ein mobiles DVA erweitert, das Manipulation und Mobilität in einer einzigen Richtlinie vereint. Jagdeep Singh, Mitbegründer und CEO von Rhoda AI, erklärte gegenüber The Robot Report, dass traditionelle Robotikansätze auf teleoperierte Datenerfassung gesetzt haben, was zu Labordemonstrationen führte, die sich nicht auf die reale Welt übertragen lassen.
Um diese Lücke zu schließen, trainiert Rhoda seine Modelle vorab mit Videodaten im Internet-Maßstab – gestützt auf hunderte Jahre verschiedensten Materials wie Baseballspiele, Wellen und Bäume, statt nur auf kuratierte Clips menschlicher Handhabung. Singh erklärte gegenüber The Robot Report, dass das Modell eine Historie von Videoframes, Aktions- und Sprachtokens auswertet, um die Szene für die nächsten paar Hundert Millisekunden vorherzusagen. Ein sekundärer Aktionskonverter übersetzt diese Videoprognose dann in physische Roboterbefehle. Sobald der Roboter diese kurze Bewegung ausführt, schließt sich der Kreis mit einer neuen Beobachtung.
Nach diesem breiten Vortraining wendet Rhoda eine aufgabenspezifische Nachbereitungsphase an, die etwa 10 bis 20 Stunden Daten erfordert, ähnlich wie das Einarbeiten eines menschlichen Fließbandarbeiters. Das Unternehmen agiert als Full-Stack-Anbieter, der die Kontrolle über die Kern-KI-Schicht behält und gleichzeitig Flexibilität für den Einsatz auf eigener Hardware oder Drittanbieter-Plattformen bietet.
Für ein kleines oder mittleres Unternehmen, das Automatisierung evaluiert, war die Bereitstellungsanfälligkeit stets der Flaschenhals. Herkömmliche Roboterprogrammierung erfordert starre Konfigurationen; verrutscht ein Karton um einen Zoll oder ändern sich die Lichtverhältnisse, verschlechtern sich die Taktzeiten oder die Fehlerquote steigt. Rhodas Fokus auf Videovortraining im Internet-Maßstab zielt genau auf diesen Schmerzpunkt ab. Indem das Internet als Physik-Klassenzimmer genutzt wird, baut das Modell ein grundlegendes Verständnis darüber auf, wie physische Objekte interagieren, noch bevor sie eine Fabrikhalle betreten.
Für Teamleiter, die mobile Manipulatoren oder Industrieroboter ins Auge fassen, verändert das Versprechen eines verallgemeinerten Modells, das nur 10 bis 20 Stunden aufgabenspezifisches Tuning erfordert, die Kalkulation der Integrationskosten. Anstatt für jede SKU-Änderung benutzerdefinierte, fest codierte Pfade zu entwickeln, könnte Ihr Team theoretisch eine Basisintelligenz feinabstimmen. Dennoch gilt: Ankündigungen von Pilotprojekten und Kapitalrunden sind keine Taktzeit-Benchmarks. Bis unabhängige Metriken von Dritten beweisen, dass diese DVA-Modelle die geforderten Betriebszeiten unter den Sicherheitsstandards der ISO 10218 in aktiven Lagern erreichen, sollte generalisierte physische KI als Architektur mit hohem Potenzial betrachtet werden, die sich noch auf dem Weg vom Labor in die Werkshalle befindet.
Narwal Robotics shares insights on supply chain control, regional customization, and navigating hardware barriers as it targets an IPO.

AGIBOT's G2 wheeled humanoid robots completed a 24-hour trial in a Shanghai convenience store, performing 1,730 tasks, with four of six robots passing assessment, demonstrating embodied AI capabilities in a live retail environment.

Runway has released Praxis-1, an open-weight 27-billion-parameter world action model under Apache 2.0 capable of controlling humanoids, six-axis arms, and warehouse dual-arms.

Serve Robotics has launched its AV Delivery Developer Portal, allowing external developers, businesses, and AI agents to programmatically summon its autonomous sidewalk robots.

Kommentare (3)
Four hundred fifty million for a Series A is staggering even by current physical AI standards, but the real test of that cap table won't be the foundation model training costs. It will be whether their unit economics can survive deploying mobile manipulators into messy, unstructured warehouses without constant remote intervention. I am curious how much of that war chest is earmarked for compute versus the brutal reality of hardware maintenance and edge inference at scale.
Interesting angle on pretraining DVA with internet video—if you’re looking to pilot this tech in a warehouse, I’d suggest mapping the model’s perception pipeline to your existing camera infrastructure first, then running a 6‑week data‑validation sprint to quantify transfer loss between lab and floor. Have you considered how latency constraints of mobile manipulators will affect the real‑time inference budget?
Rhoda's pivot to internet-scale video pretraining is a significant architectural shift, but it risks ignoring that "generalizable motion" in a chaotic warehouse often looks more like improvisation than physics. I'd be curious if their DVA model accounts for the subtle, non-kinetic context clues a human floor manager uses to anticipate a slip or a jam, or if it’s purely optimizing for trajectory accuracy.