Von Tobias Kramer·24. August 2026·5 Min. LesezeitEine neue Software namens ZEST ermöglicht es Robotern, komplexe Bewegungen aus einfachen Handyvideos zu erlernen und diese ohne vorheriges Training auf der echten Hardware auszuführen. Das Verfahren wurde in der Fachzeitschrift Science Robotics veröffentlicht und funktioniert auf drei unterschiedlichen Robotertypen, darunter dem humanoiden Atlas von Boston Dynamics.
- ZEST (Zero-shot Embodied Skill Transfer) überträgt Bewegungen aus Videos, Motion-Capture-Daten und Animationen direkt auf reale Roboter.
- Das System wurde auf drei Robotern getestet: Boston Dynamics Atlas, Unitree G1 und dem Vierbein-Roboter Spot.
- Der globale Markt für humanoide Roboter soll von rund 110 Millionen US-Dollar im Jahr 2024 auf über 1,1 Milliarden US-Dollar bis 2033 wachsen (Deep Market Insights).
- An der Studie waren 28 Forschende beteiligt, darunter Robotik-Pionierin Jessica Hodgins.
Was ZEST von bisherigen Ansätzen unterscheidet
Bisherige Verfahren zur Bewegungsübertragung auf Roboter erforderten aufwendige Anpassungen für jede neue Plattform. ZEST verfolgt einen anderen Weg: Die Software kombiniert verstärkendes Lernen (Reinforcement Learning) mit einem automatischen Lehrplan, der schwierige Bewegungsabschnitte gezielt häufiger trainiert. Ein sogenannter modellbasierter Assistenzkraft-Mechanismus unterstützt den virtuellen Roboter dabei, auch anspruchsvolle Sequenzen schrittweise zu meistern.
Das Besondere an ZEST ist die Quellenvielfalt. Die Software verarbeitet drei verschiedene Eingabeformate: hochpräzise Motion-Capture-Aufnahmen, verwackelte Smartphone-Videos und sogar physikalisch nicht korrekte Computeranimationen. In allen drei Fällen gelingt die Übertragung auf die reale Hardware ohne zusätzliche Kalibrierung, ein sogenannter Zero-Shot-Transfer.
Breakdance, Klettern und Saltos: die getesteten Fähigkeiten
Das Forschungsteam demonstrierte ZEST an einem breiten Spektrum von Bewegungen. Der humanoide Atlas-Roboter von Boston Dynamics lernte aus Motion-Capture-Daten eine Army-Crawl-Bewegung und Breakdance-Figuren. Aus einfachen Videoaufnahmen übernahmen Atlas und der chinesische Unitree G1 Tanzsequenzen sowie das Erklimmen einer Kiste. Der vierbeinige Spot-Roboter führte auf Basis von Animationsdaten einen kontinuierlichen Rückwärtssalto aus.
Der Unitree G1 verfügt je nach Modellvariante über bis zu 43 Gelenke und stammt vom chinesischen Hersteller Unitree Robotics. Dass ZEST auf diesem Roboter ebenso funktioniert wie auf dem deutlich teureren Atlas, zeigt die Übertragbarkeit des Ansatzes über verschiedene Bauformen und Preisklassen hinweg.
Die Zahlen hinter der Robotik-Revolution
| Kennzahl | Wert | Quelle, Stand |
|---|---|---|
| Markt humanoide Roboter Deutschland 2024 | ca. 110 Mio. USD | Deep Market Insights, 2024 |
| Prognose humanoide Roboter Deutschland 2033 | über 1,1 Mrd. USD | Deep Market Insights, 2024 |
| Industrieroboter-Markt Deutschland 2032 | 9,5 Mrd. USD | Branchenprognose, Stand 2024 |
| Co-Autoren der ZEST-Studie | 28 | Science Robotics, Januar 2026 |
| Gelenke Unitree G1 (Maximum) | bis zu 43 | Unitree Robotics, 2025 |
Warum die Forschung jetzt wirtschaftlich relevant wird
Die ZEST-Forschung trifft auf einen Markt im Umbruch. Der deutsche Markt für humanoide Roboter lag 2024 bei rund 110 Millionen US-Dollar (Deep Market Insights). Bis 2033 soll dieser Wert auf über 1,1 Milliarden US-Dollar steigen, eine Verzehnfachung innerhalb eines Jahrzehnts. Der gesamte deutsche Industrieroboter-Markt wird bis 2032 auf 9,5 Milliarden US-Dollar prognostiziert (Branchenprognose, Stand 2024).
Unternehmen wie Tesla treiben die Entwicklung voran. Der Elektroautobauer plant, seinen humanoiden Roboter Optimus ab 2026 kommerziell zu verkaufen, nachdem er seit 2025 in der eigenen Produktion zum Einsatz kommt. Der chinesische Automobilhersteller BYD kündigte den Einsatz von 1.500 Robotern in seinen Werken an. Diese Investitionen zeigen, dass die Branche über die Forschungsphase hinausgewachsen ist.
Drei Säulen des ZEST-Durchbruchs
Der Erfolg von ZEST basiert auf drei technischen Neuerungen, die zusammen den Zero-Shot-Transfer ermöglichen. Erstens sorgt ein adaptives Sampling dafür, dass das Training sich auf jene Bewegungsabschnitte konzentriert, die dem Roboter besonders schwerfallen. Zweitens erzeugt ein automatischer Lehrplan eine stufenweise Steigerung der Schwierigkeit mithilfe einer modellbasierten Assistenzkraft. Drittens nutzt das System eine moderate Domänen-Randomisierung, die den simulierten Roboter auf die Abweichungen der realen Welt vorbereitet, ohne das Training instabil zu machen.
An der Studie, die am 30. Januar 2026 in Science Robotics erschien, waren 28 Forschende beteiligt. Unter den Autoren finden sich mit Jessica Hodgins und Scott Kuindersma zwei der bekanntesten Namen der Robotikforschung. Jean Pierre Sleiman führt die Autorenliste an.
ZEST löst ein zentrales Problem der Robotik: Bisher musste jede neue Bewegung für jeden Robotertyp einzeln programmiert werden. Wenn Roboter künftig aus beliebigen Videoquellen lernen können, sinkt der Aufwand für neue Einsatzszenarien erheblich. Für die Industrie bedeutet das schnellere Anpassung an wechselnde Aufgaben, für die Forschung einen Weg, menschliche Bewegungsmuster ohne teure Spezialhardware auf Maschinen zu übertragen. Der Ansatz dürfte besonders in der Logistik, im Katastrophenschutz und in der Pflege relevant werden, wo Roboter flexible Bewegungen in unstrukturierten Umgebungen brauchen.
Häufige Fragen
Was bedeutet Zero-Shot-Transfer bei Robotern?
Zero-Shot-Transfer bedeutet, dass ein Roboter eine Bewegung direkt ausführen kann, ohne sie zuvor auf der realen Hardware geübt zu haben. ZEST trainiert die Bewegung ausschließlich in einer Simulation und überträgt das Ergebnis dann auf den physischen Roboter, der die Aufgabe beim ersten Versuch bewältigt.
Welche Roboter wurden mit ZEST getestet?
Das Forschungsteam testete ZEST auf drei Plattformen: dem humanoiden Atlas von Boston Dynamics, dem humanoiden Unitree G1 aus China und dem vierbeinigen Spot, ebenfalls von Boston Dynamics. Die Vielfalt der getesteten Plattformen zeigt, dass ZEST unabhängig von der Bauform funktioniert.
Können Roboter mit ZEST beliebige Bewegungen lernen?
ZEST verarbeitet Bewegungen aus Motion-Capture-Daten, Smartphone-Videos und Animationen. Die Forschungsergebnisse zeigen Erfolge bei athletischen Bewegungen wie Breakdance, Klettern und Saltos. Ob das Verfahren auch bei feinen motorischen Aufgaben wie dem Greifen kleiner Gegenstände funktioniert, ist Gegenstand weiterer Forschung.
Quellen:
ZEST: Zero-shot Embodied Skill Transfer (arXiv),
finanzen.net: Humanoide Roboter 2026
Tobias Kramer schreibt über Technologie, Digitalisierung und künstliche Intelligenz. Nach einem Informatikstudium wechselte er in den Fachjournalismus und beobachtet seit zehn Jahren die Tech-Branche. Bei Meldungen.net betreut er die Ressorts Technologie und Karriere.