Der Roboter, der seine Beine ablegte, um das Rennen um die KI zu gewinnen.

Humanoide Roboter haben die letzten zwei Jahre damit verbracht, das Laufen zu lernen. Teslas Optimus und Figures Figure 01 können nun mit einer Selbstsicherheit gehen, balancieren und Treppen steigen, die 2018 wie Science-Fiction wirkte. Glänzende Demovideos zeigen Zeitlupenschritte, einbeinige Posen und vorsichtige Aufstiege auf Industrietreppen, untermalt von aufschwellenden Synthesizer-Soundtracks.

Diese Videos erzielen Millionen von Aufrufen, weil bipede Bewegung nach wie vor wie der heilige Gral der Robotik erscheint. Eine Maschine, die sich wie ein Mensch bewegt, muss nur einen Software-Update entfernt sein, um wie ein solcher zu funktionieren, so die Logik. Doch außerhalb von Laboren und inszenierten Fabriksets gerät dieses Versprechen immer wieder an die Realität des Alltags in echten Haushalten.

Häusliche Umgebungen bestrafen Komplexität. Küchen quetschen enge Ecken, reflektierende Oberflächen und überfüllte Arbeitsflächen in wenige Quadratmeter. Kabel schlängeln sich unter Tischen, Kinder lassen Spielzeug auf dem Boden liegen, Haustiere flitzen durch Wege, die ein 170-Pfund schwerer Mensch nicht sicher nutzen kann.

Trotz des Hypes läuft kein bipedales System zuverlässig langfristige Aufgaben in unstrukturierten Wohnungen: Tische abräumen, Geschirr sortieren, einen Geschirrspüler beladen und Oberflächen abwischen, ohne ständige Aufsicht. Sogar aktuelle humanoide Clips, die leichte Pickup- und Platzierungsaktionen zeigen, beinhalten meist eingeschränkte Setups, sorgfältig angeordnete Objekte und stark kuratierte Aufnahmen. Gehen scheint gelöst zu sein; nützliche Autonomie dagegen nicht.

Das grundlegende Problem ist nicht, ob ein Roboter auf einem Bein stehen kann. Es geht darum, ob eine multifunktionale Plattform zerbrechliches Glas, weiche Textilien und unregelmäßige Objekte 20 bis 30 Minuten lang ohne Herunterfallen, Klemmen oder Kollisionen mit Menschen manipulieren kann. Das bedeutet robuste Wahrnehmung, präzise Kraftkontrolle und zuverlässige Planung unter Unsicherheit, alles auf Hardware, die sich den Raum mit Kindern und Haustieren teilt.

Sicherheit setzt die Messlatte noch höher. Ein Fehltritt auf einer Treppe in einem Labor ist ein Missgeschick; ein Fehltritt in der Nähe eines Kleinkindes kann zu einer Klage führen. Bis bipedale Systeme nachweisen können, dass sie sich elegant verabschieden können - keine plötzlichen Bewegungen, keine harten Stürze, keine unkontrollierten Gelenke - bleibt es eine schwierige Aufgabe, sie in alltäglichen Haushalten einzuführen.

Vor diesem Hintergrund stellt eine neue Welle von Unternehmen eine ketzerische Frage: Müssen nützliche Haushaltsroboter tatsächlich Beine haben? Radbasen, vertikale Hebevorrichtungen und Manipulator-vorher-Designs stellen still und leise die Annahme in Frage, dass Gehen der Arbeit vorausgehen muss.

Sunday Robotics will einen Haushaltsroboter, der den Abwasch macht, bevor er Parkour läuft. Gegründet im Jahr 2024 von Tony Zhao, ignoriert das US-Startup das Wettrüsten der humanoiden Roboter in Bezug auf Rückwärtssaltos und Treppensteigen und konzentriert sich stattdessen auf repetitive Hausarbeiten: Tische reinigen, Geschirrspüler beladen, Wäsche sortieren und Socken zusammenlegen.

Sein Roboter, Memo, sieht weniger aus wie Tesla Optimus und mehr wie ein Küchengerät, das einen Rücken bekommen hat. Eine robuste Rollbasis stützt eine teleskopierbare Mittelachse – den "Z-Achse" Aufzug – der es Memo ermöglicht, vom Boden bis zu hohen Schränken zu erreichen, ohne einen einzigen Schritt zu machen.

Diese vertikale Wirbelsäule ist das Herzstück des Designs. Memo kann seinen Oberkörper senken, um eine Socke vom Boden aufzuheben, und sich dann strecken, um empfindliches Glasgeschirr auf das obere Fach eines Geschirrspülers oder in einen Obersteckschrank zu stellen, während seine Basis stabil bleibt.

Statt fragiler, sehnenbetriebener Fünf-Finger-Hände verwendet Memo robuste, auf Aufgaben ausgerichtete Greifer. Sie klemmen Teller, Tassen und Besteck mit gleichbleibender Kraft, modulieren jedoch auch den Griff, um dünne Weingläser und andere zerbrechliche Gegenstände zu handhaben, ohne sie zu zerbrechen.

Diese Hardware-Wahl bringt einen sehr eindeutigen Kompromiss mit sich. Memo kann keine Treppen steigen, und Sunday Robotics versucht nicht, das zu verbergen; das Unternehmen betrachtet dies als eine absichtliche Einschränkung, um alles andere zu vereinfachen: Balance, Energie, Wartung und Kosten.

Indem er auf Beine verzichtet, erhält Memo einen niedrigen Schwerpunkt und absolute Stabilität auf flachen Böden, den Oberflächen, die in Küchen und Wohnzimmern vorherrschen. Diese Stabilität, kombiniert mit effizienten Rädern, sorgt dafür, dass er über 4 Stunden Laufzeit pro Ladung erreicht, anstatt die Batterien mit dynamischem Balancieren zu belasten.

Mechanische Einfachheit bedeutet auch weniger Aktuatoren, weniger Fehlerquellen und einfachere Wartung. Sunday kann sich auf den Ingenieureinsatz in den Bereichen Manipulation, Wahrnehmung und langfristige Planung konzentrieren, anstatt die Fußgelenke zu debuggen.

Die Leistung zeigt sich in frühen Funktionsdemonstrationen. Memo räumt eigenständig unordentliche Esstische ab, sortiert Besteck und Geschirr und packt sie mit gleichbleibender Anordnung in die Geschirrspülmaschine.

Es übernimmt auch sanftere, weniger starre Aufgaben. Memo hebt zerknitterte T-Shirts und Socken vom Boden auf, glättet und faltet sie auf einem Tisch und stapelt sie in ordentlichen Haufen - im Moment noch langsam, aber ohne die frame-by-frame Teleoperation.

Robotik stößt lange bevor sie die Treppe erreicht, an eine Wand: Daten. Einen Roboter auszubilden, um einen Tisch abzuwischen, einen Geschirrspüler zu beladen oder Socken zu falten, erfordert Millionen von Beispielen für präzise Bewegungen und Kräfte, nicht nur ansprechende Aufnahmen. Das schafft einen brutalen „Datenstillstand“, in dem man fähige Roboter benötigt, um gute Daten zu sammeln, aber diese Daten zuerst benötigt, um Roboter fähig zu machen.

Traditionelle Teleoperation versucht, mit Nachdruck voranzukommen. Unternehmen schnallen Experten in VR- und Haptik-Gestelle im Wert von über 20.000 Dollar und streamen deren Bewegungen auf einen Roboterarm. Diese Sitzungen verbrauchen Zeit, Geld und menschliche Aufmerksamkeit und erzeugen Daten in einem Rinnsal, die nicht im Ansatz dem Umfang entsprechen, den große Modelle benötigen.

Simulation versprach eine Abkürzung. Teams richten endlose virtuelle Küchen ein und trainieren Richtlinien in Physik-Engines, in der Hoffnung, sie in die Realität zu übertragen. Doch die sim-to-real Lücke – winzige Abweichungen in der Reibung, Sensoraus noise oder Objektgeometrie – verursachen weiterhin brüchiges Verhalten, wenn ein Roboter auf einen echten fettigen Teller oder eine verzogene Arbeitsplatte trifft.

Ein menschliches Video scheint eine Antwort zu sein, da YouTube, TikTok und interne Datensätze Milliarden von Bildern von Menschen bei der Arbeit bieten. Doch ein Kamerafeed erfasst selten die entscheidenden Größen: Kontaktkräfte, Fingerrutsch, Gelenkmomente, Mikroeinstellungen, wenn ein Glas zu kippen beginnt. Für eine filigrane Handhabung ist das Fehlen dieser Daten wie das Trainieren eines selbstfahrenden Autos mit Dashcam-Aufnahmen ohne Lenkwinkel oder Gaspedal.

Der Einsatz am Sonntag und der aufkommende Konsens in der Branche sind, dass whoever günstige, hochgradige Datenerfassung knackt, das Rennen gewinnt. Eine skalierbare Pipeline, die vollständige 6-DoF-Bewegung, Kraftprofile und den Zustand von Objekten in Tausenden von realen Haushalten aufzeichnet, würde ein Roboter-Grundlagenmodell speisen, so wie ImageNet die Vision und Common Crawl das moderne große Sprachmodell versorgte.

Analysten betrachten dies bereits als den zentralen Wettbewerbsvorteil in der humanoiden und Haushaltsrobotik; Berichte wie Humanoide Roboter 2025: Der Wettlauf um nützliche Intelligenz argumentieren, dass Daten, nicht Hardware, die Gewinner von den Demoversionen trennen werden.

Sonntags Antwort auf den Datenstillstand ist kein 200.000-Dollar-humanoider Roboter, sondern ein 200-Dollar Fähigkeiten-Erfassungs-Handschuh. Anstatt einen sechsstelligen Roboter in einer Forschungsanlage zu parken und ihn wie eine Marionette zu steuern, versendet Sonntag diese Handschuhe an gewöhnliche Menschen und zeichnet auf, wie sie tatsächlich in der Wildnis reinigen, sortieren und kochen. Jeder Handschuh erfasst detaillierte Bewegungs- und Kraftdaten direkt von menschlichen Händen, Bild für Bild, während jemand eine Arbeitsplatte wischt oder einen Geschirrspüler lädt.

Traditionelle Teleoperationsanlagen sehen aus wie etwas aus einem Motion-Capture-Studio: Mehrkamera-Setups, VR-Headsets, haptische Controller und ein dedizierter Roboter am anderen Ende. Eine einzelne hochwertige Teleoperationsstation kann 20.000 Dollar oder mehr kosten, wenn man Hardware, Platz und einen Operator hinzufügt. Der Handschuh von Sunday kostet ungefähr 200 Dollar in der Herstellung und den Versand, sodass dasselbe Kapital, das einen Rig kauft, hundert Haushalte unterstützen kann.

Kapitaleffizienz übersetzt sich direkt in Skalierung. Anstatt dass ein erfahrener Bediener einen Roboter in einem Labor steuert, können Hunderte von Menschen leise Daten parallel generieren, während sie ihr Leben leben. Sunday nennt diese Menschen „Gedächtnisentwickler“ – keine Robotikexperten, sondern normale Nutzer, die bei ihren Aufgaben ein Handgerät tragen.

Ein Gedächtnisentwickler könnte in einem einzigen Abend ein Dutzend „Episoden“ durchführen: das Abdecken eines unordentlichen Esstisches, das Abkratzen von Tellern, das Sortieren von Besteck und das Verstauen von empfindlichem Glasgeschirr. Jede Episode wird zu einer beschrifteten Folge von Handstellungen, Kontaktkräften und Objektinteraktionen, die mit der eigenen Wahrnehmung des Roboters von der Szene übereinstimmen. Im Laufe der Zeit bilden diese Sequenzen eine umfangreiche Bibliothek darüber, „wie Menschen tatsächlich Hausarbeiten erledigen“, anstatt idealisierte Labordemonstrationen zu zeigen.

Sonntag hat bereits mehr als 2.000 Skill Capture Gloves an frühzeitige Memory-Entwickler versendet. Diese Handschuhe sind in etwa 500 Haushalten aktiv, von engen Wohnungen bis hin zu weitläufigen Küchen in den Vororten, was dem Datensatz eine Vielfalt verleiht, die kein einziges Testhaus bieten kann. Jedes Zuhause bringt neue Layouts, Lichtverhältnisse und seltsame Randfälle mit sich – von Unordnungsschubladen über Kinderbecher bis hin zu abgebrochenen Tellern – die ein Roboter elegant handhaben muss.

All diese Aktivität summiert sich zu einem Maßstab, der zunehmend wie Internetdaten und weniger wie Roboterdaten aussieht. Sunday gibt an, bisher etwa 10 Millionen Aufgabenepisoden erfasst zu haben, wobei jede Episode eine strukturierte Aufzeichnung einer echten Aufgabe in einem echten Zuhause ist. Dieses Volumen untermauert die Behauptung des Unternehmens, dass sein Act One-Modell mit „null Roboterteleskopdaten“ trainiert – der Roboter lernt zuerst von menschlichen Händen und überträgt dann diese Fähigkeiten auf die Manipulatoren von Memo.

Die Daten von Handschuhen lehren Memo nicht nur, wie man sich bewegt; sie bilden das Rückgrat des ACT-1-Fundamentmodells von Sonntag. Jedes Mal, wenn ein „Gedächtnisentwickler“ einen Zähler wischt oder eine Geschirrspülmaschine entlädt, während er den $200 Skill Capture Glove trägt, zeichnet das System präzise Gelenktrajektorien und Kraftprofile mit hoher Frequenz auf, kombiniert mit RGB-D-Videos der Szene.

Sonntags leitet dieser multimodale Stream die Daten in ACT-1, als würde er ein großes Sprachmodell trainieren, jedoch für physische Handlungen anstelle von Worten. Das Modell erlernt ein Vokabular von Bewegungen – greifen, schrubben, sortieren, stapeln – und wie Menschen diese über Minuten, nicht Sekunden, in etwa 500 realen Haushalten und mehr als 2.000 versendeten Handschuhen anordnen.

Entscheidend ist, dass ACT-1 auf null Roboterteleskopdaten trainiert. Kein Ingenieur steuert Memo mit einem Joystick, kein kostspieliges Motion-Capture-System umhüllt den Roboter; die gesamte Vortrainingsphase findet im menschlichen Raum statt, danach übersetzt eine erlernte Zuordnung menschliche Hand- und Armbewegungen in die Kinematik von Memo.

Diese Übersetzungsschicht kümmert sich um die unangenehmen Details: unterschiedliche Gliedmaßenlängen, Gelenkgrenzen und die Tatsache, dass Memo rollt, anstatt zu gehen. ACT-1 gibt hochlevelige Aktionspläne und kontinuierliche Steuersignale aus, während ein untergeordneter Controller Sicherheit, Kontaktkräfte und Kollisionserkennung auf der tatsächlichen Hardware durchsetzt.

Die langfristige Autonomie steht im Mittelpunkt von Sundays Wett. ACT-1 lernt nicht nur, wie man einen Teller aufnimmt; es erlernt die gesamte Routine des Aufräumens eines unordentlichen Esstischs, das Sortieren von Geschirr, das Öffnen der Geschirrspülmaschine, das Einräumen der Körbe und das Schließen der Tür, ohne dass ein Mensch eingreifen muss.

Diese Routinen umfassen Dutzende von Unterpunkten: um Stühle navigieren, gestapeltes Glasgeschirr vermeiden, entscheiden, wo jedes Objekt platziert werden soll. ACT-1 kodiert diese als zeitliche Pläne, die es Memo ermöglichen, sich wieder zu orientieren, wenn sich etwas verändert – sei es ein Teller an einem neuen Platz oder ein Stuhl leicht aus der Position – ohne die gesamte Aufgabe neu zu starten.

Zero-Shot-Verallgemeinerung macht dies außerhalb eines Labors möglich. Da ACT-1 während des Trainings unterschiedlicheLayouts, Lichtverhältnisse und Unordnungsmuster sieht, behauptet Sunday, dass Memo in eine neue Küche einfahren und Aufgaben wie folgende ausführen kann:

• 1Arbeitsflächen abwischen
• 2Einen Tisch abräumen
• 3Eine Geschirrspülmaschine beladen

alles ohne aufgabenspezifisches Feintuning, lediglich eine kurze Kalibrierung und einen Befehl in natürlicher Sprache.

Die humanoiden Robotik sieht derzeit wie eine Weggabelung aus. Sunday Robotics verfolgt ungeniert den Funktion-vor-Form-Ansatz: Räder, eine teleskopierbare Wirbelsäule und Arme, die tatsächlich Tische abräumen, Unordnung sortieren und Geschirrspüler beladen. Tesla Optimus, Figure 01 und Unitrees G1 setzen verstärkt auf Beine und wetten darauf, dass eine menschenähnliche Silhouette und Treppensteigen wichtiger sein werden als die reine Aufgabenbewältigung.

In einer typischen Wohnung oder einem einstöckigen Haus gewinnen Räder leise. Eine rollende Basis verleiht Memo eine lange Akkulaufzeit, hohe Stabilität und weniger Ausfallarten als ein bipedaler Aktuator mit über 30 Einheiten, der ständig gegen die Schwerkraft ankämpft. Sie verzichten auf Treppen, gewinnen jedoch Stunden Laufzeit und eine wesentlich einfachere Wartung.

Die häusliche Nützlichkeit von heute liegt am Ende des Arms, nicht am Ende des Beins. Das Reinigen eines unordentlichen Esstisches, das Laden eines Geschirrspülers oder das Falten eines Sockenhaufens sind langfristige Manipulationsprobleme: Wahrnehmung, Planung und geschickte Kontrolle. Ob der Roboter in die Küche gelaufen oder gerollt ist, spielt weit weniger eine Rolle als die Fähigkeit, ein zerbrechliches Glas zu erkennen, es sicher zu greifen und es nicht zu zerbrechen.

Die meisten ersten Kunden für einen Haushaltsroboter im Preisbereich von 20.000 bis 80.000 Dollar werden nicht fragen: „Kann er klettern?“ sondern eher: „Kann er meine Küche unbeaufsichtigt handhaben?“ Sunday setzt darauf, dass, sobald ein Roboter robust in Hunderten von echten Haushalten – 500 Haushalte mit Handschuhdaten und es werden immer mehr – agieren kann, die Fortbewegung zu einem lösbaren technischen Upgrade wird und nicht mehr das zentrale Unterscheidungsmerkmal darstellt. Man kann ein Fundament neu gestalten; man kann kein ausgereiftes Basis-Modell über Nacht nachrüsten.

Kritiker argumentieren, dass Käufer in dieser Preisklasse wahrscheinlich in mehrstöckigen Häusern mit Treppen wohnen, was im Video ausdrücklich als wahrscheinliche Zielgruppe erwähnt wird. Der Gegenvorschlag von Sunday ist, dass diese Käufer einen Roboter der ersten Generation akzeptieren werden, der das Erdgeschoss bedient und die obere Etage ignoriert, insbesondere wenn er zuverlässig Geschirr spült und Wäsche macht. Treppen werden entweder eine zukünftige Hardware-Revision oder ein Nischen-Add-on, aber kein Hindernis für die anfängliche Markteroberung.

Für alle, die verfolgen, wie sich diese strategische Aufspaltung in Bezug auf Hardware, Daten und Implementierungszeitpläne entwickelt, bietet Humanoide Roboter: Von Demos zur Implementierung einen nützlichen Hintergrund für Sonntags' wagemutigen Schritt.

China betreibt eine Art Paralleluniversum für praktische Roboter, das sich sehr von den glänzenden humanoiden Werbevideos aus der Bay Area unterscheidet. Anstelle von heldenhaften Treppensteigern sieht man Flotten kantiger Maschinen, die um 3 Uhr morgens leise die Straßen reinigen, sowie Humanoide, die statt Parkour das Wäschewaschen meistern. Der Fokus verschiebt sich von „Kann es gehen?“ zu „Kann es schneller als ein Mensch einen Raum reinigen, sortieren und zurücksetzen?“

Auf den Straßen von Shenzhen verwandelt sich dieser Pragmatismus in Wettbewerb. Ein kürzlich durchgeführter Wettbewerb für Sanitärroboter brachte Dutzende von autonomen Reinigungsrobotern verschiedener Anbieter zusammen und ließ sie auf echten Stadtstraßen, nicht in Laborversuchen, los. Die Organisatoren maßen die Abdeckung, die Hindernisvermeidung und die Betriebszeit über lange Strecken mit echtem Verkehr, Fußgängern und Schmutz.

Diese Reinigungsroboter setzen stark auf Spezialisierung. Die meisten fahren auf flachen Rollplattformen mit großen Wassertanks, rotierenden Bürsten und Lidar-Domen, die für Bordsteine, Radwege und Zebrastreifen optimiert sind. Anstatt Akrobatik zu verfolgen, optimieren die Teams Routenalgorithmen, Batteriewechsel und Remote-Flottenmanagement-Dashboards, die Dutzende von Einheiten innerhalb von Sekunden dispatchen oder umleiten können.

Shenzhens Straßen werden effektiv zu einer lebenden Benchmark-Suite. Den Stadtbeamten ist es egal, ob ein Roboter menschlich aussieht; sie interessieren sich für gereinigte Quadratmeter pro Stunde, Vorfallberichterstattungen und Wartungskosten. Dieser Druck belohnt Systeme, die 8–12 Stunden am Tag laufen können, Regen und Staub tolerieren und elegant auf die Teleoperation umschalten, wenn ein Lieferwagen die Spur blockiert.

Drinnen zeigt eine andere chinesische Demo, wie weit Imitationslernen Humanoide bringen kann, sobald das Problem „Was soll es tun?“ gelöst ist. Das Robotikunternehmen Mindon nahm einen Standard-Unitree G1 - einen relativ kostengünstigen Humanoiden, der im Preissegment von 16.000 bis 20.000 Dollar verkauft wird - und verwandelte ihn in einen erstaunlich fähigen Hausmeister. Keine exotische Hardware, kein maßgeschneiderter Exoskelett, nur intelligenteres Training.

Mindons Clips zeigen, wie der G1 mit fast beunruhigender Geschwindigkeit Haushaltstätigkeiten erledigt. Der Roboter wischt die Arbeitsflächen mit sanften, gleichmäßigen Bewegungen ab, sortiert Unordnung in Behälter, öffnet Schränke und manövriert mit einer beidhändigen Koordination, die eher wie ein beschleunigter Mensch als wie ein vorsichtiger Industrieroboter aussieht. Die Demo läuft in echten Wohnungen, nicht in inszenierten, falschen Küchen.

Im Hintergrund nutzt Mindon hochwertige menschliche Demonstrationen und fortschrittliches Policy Learning, um komplexe mehrstufige Abläufe in einen einzigen Kontrollstapel zu komprimieren. Anstatt zu skripten „Teller aufheben → gehen → Geschirrspüler öffnen“, lernt das System von Menschen, die die Aufgabe von Anfang bis Ende ausführen, Trajektorien und Kraftprofile. Das Ergebnis: ein Humanoider, der weniger wie eine Motion-Capture-Puppe und mehr wie ein übermäßig koffeinierter Praktikant agiert.

Insgesamt unterstreichen Shenzhens Reinigungsflotten und Mindons chore-optimiertes G1 einen globalen Wandel. Echter Fortschritt konzentriert sich auf enge, aber wertvolle Bereiche – Straßenreinigung, Küchenrücksetzungen, Wäschezyklen – während die Branche weiterhin über Beine versus Räder diskutiert. Ob das Chassis wie eine Person aussieht, ist weniger wichtig, als ob das große Sprachmodell und der darauf aufbauende Kontrollstapel rohe Demonstrationen in zuverlässige, schnelle, wiederholbare Arbeit umsetzen können.

Sourcey kommt als das Anti-Memo: ein Open-Source-Haushaltsroboter, der polierte Hardware und ein geschlossenes Ökosystem gegen Hackbarkeit und Transparenz eintauscht. Während Sonntags Memo sein Gehirn und die Firmware hinter Vertraulichkeitsvereinbarungen und exklusiven Beta-Programmen versteckt, wird Sourcey mit einem GitHub-Repo, Dokumentation und der Erwartung geliefert, dass Sie die Haube öffnen.

Als „persönlicher Haushaltsroboter“ konzipiert, konzentriert sich Sourcey auf die gleiche Kategorie von Aufgaben – Reinigung, Organisation, einfache Haushaltsroutinen – und legt dabei jede Ebene des Stapels offen. Benutzer können es durch Demonstration trainieren: zeigen Sie Sourcey, wie Sie Handtücher stapeln oder Spielzeug sortieren möchten, und seine KI-Modelle verfeinern das Verhalten über mehrere Sitzungen hinweg, anstatt auf ein riesiges zentrales Datenset angewiesen zu sein.

Unter der Oberfläche setzt Sourcey auf das Larot-Framework, eine Open-Source-Roboterbibliothek, die Bewegung, Wahrnehmung und Steuerung behandelt. Voller Zugang zu Quellcode, APIs und Konfigurationsdateien verwandelt den Roboter in ein lebendiges Labor für: - Robotik-Programmierung - Maschinelles Lernen - Interaktion zwischen Mensch und Roboter in der realen Welt

Der Preis könnte Sourcey’s radikalstes Merkmal sein. Mit einem Einstiegspreis von etwa 1.500 $ unterbietet er Humanoide wie Unitree’s G1 oder 1X’s Neo, die näher bei 16.000–20.000 $ liegen oder ein abonnementbasiertes Preismodell von etwa 500 $ pro Monat anbieten. Diese Kostenverschiebung bringt die Heimrobotik von Forschungslabors und gut finanzierten Startups in Makerspaces, Klassenzimmer und zu ernsthaften Hobbyisten.

Sie spüren den Kompromiss sofort. Sourcey verfolgt nicht das schlanke, apparateähnliche Finish, das Memo oder Tesla Optimus anstreben; es verhält sich eher wie ein Entwicklungs-Kit auf Rädern. Für Pädagogen und unabhängige Entwickler ist diese Rauheit jedoch ein Merkmal und kein Fehler: Jeder Sensor, jedes Verhalten und jeder Fehlerfall wird lehrbar.

Breit gefasst sieht der Wettbewerb zwischen Sourcey und Memo aus wie die Linux vs. Windows Spaltung bei Haushaltsrobotern. Memo setzt auf ein vertikal integriertes, streng kontrolliertes Erlebnis; Sourcey setzt darauf, dass eine chaotische, gemeinschaftsgetriebene Plattform schneller vorankommt, mehr Dinge kaputt macht und letztendlich mehr Menschen beibringt, wie Haushaltsroboter tatsächlich funktionieren.

Sonntag, Figure, Tesla und Sourcey sprechen alle über "Allzweck"-Roboter, doch ihre Fahrpläne könnten sich nicht mehr unterscheiden. Sonntag möchte Memo bis 2026 in echten Haushalten haben, durch eine Beta-Version nur für Eingeladene mit etwa 50 Haushalten, nachdem bereits mehr als 2.000 Skill Capture Gloves versendet wurden und Daten aus etwa 500 Haushalten gesammelt wurden. Sourcey versendet jetzt eine Open-Source-Plattform für Hobbyisten zum Preis von 1.500 US-Dollar und priorisiert Experimente über polierte Autonomie.

Industrielle humanoide Roboter verfolgen einen langsameren, fabrikorientierten Ansatz. Figure hat Verträge mit BMW und anderen Unternehmen abgeschlossen, um Figure 01 in streng kontrollierten Produktionslinien zu testen, einen Weg, der den Ambitionen von Teslas Optimus ähnelt. Produkte wie 1X Neo und Unitree G1 konzentrieren sich ebenfalls auf den Einsatz in Unternehmen und Forschungslabors, bevor sie überhaupt von einem Konsumentenzeitplan sprechen, trotz aufregender Berichterstattung wie Figure 03 – Beste Erfindungen von 2025 (Time).

Sonntagswette: Die Fabrik überspringen und direkt in die Küche gehen. Ein Home-Beta für 2026 würde Memo Jahren bevor die meisten bipedalen Roboter UL-Zertifizierungen, Dienstverträge oder Verbraucher-Support-Leitfäden haben, vor zahlenden oder fast zahlenden Nutzern positionieren. Diese Heimat-first-Haltung zwingt Sunday dazu, jetzt die unordentlichen Realitäten zu lösen – Krümel unter Tischen, überladene Arbeitsflächen, seltsame Beleuchtung, Kinder und Haustiere – anstatt die ordentlich eingezäunten Arbeitszellen einer Autofabrik.

Wem zunächst greifbarer Wert geliefert wird, hängt davon ab, welches „Job“ Ihnen wichtig ist. Ein Fabrikroboter, der zuverlässig Teile rund um die Uhr bewegen kann, hat bereits eine klare Rentabilität und einen Käufer mit einem Budgetposten. Aber ein Haushaltsroboter, der tatsächlich einen Esstisch abräumen, eine Geschirrspülmaschine beladen und Wäsche falten kann – selbst langsam – löst ein tägliches Schmerzproblem für Millionen von Menschen, nicht nur für einige OEMs.

Hardware allein wird dieses Rennen nicht entscheiden. Der Skill Capture Glove von Sonntag bekämpft das Datenunentschieden und erstellt eine proprietäre Pipeline von Manipulationsabläufen im echten Zuhause, die sein ACT-1-Modell speisen. Firmen wie Figure, Tesla und andere verlassen sich auf Teleoperation, synthetische Daten und große Video-Korpora, benötigen jedoch weiterhin skalierbare Annotationen, Sicherheitslayer und Bereitstellungstools.

Wer den End-to-End-Zyklus – Datensammlung, Modelltraining, Intelligenz auf dem Roboter sowie eine Markteinführung, die tatsächlich Maschinen in Haushalte oder Fabriken bringt – perfekt beherrscht, gewinnt. Beine, Räder oder Raupen sind dabei nur das Chassis für diese Software- und Datenengine.

Ihr erster echter Roboter-Mitbewohner rollt wahrscheinlich. Nicht, weil Ingenieure auf Beine verzichtet haben, sondern weil Räder Sie schneller zur Geschirrspülmaschine bringen als ein zweibeiniges Gehabe. In einem Wettlauf, der nach Hausarbeiten beurteilt wird, sind ein stabiler Stand und eine lange Akkulaufzeit jede Mal besser als Akrobatik.

Humanoide Roboter wie Tesla Optimus, Figure 01 und Unitree G1 verfolgen weiterhin die Biomimese: Knie, Knöchel und einen sorgfältig abgestimmten menschenähnlichen Gang. Memo von Sunday Robotics ignoriert all dies und montiert einen teleskopierbaren Oberkörper auf eine rollende Plattform, die mühelos zwischen Arbeitsplatten und Schränken gleitet. Er tauscht Treppen gegen mehr als vier Stunden Laufzeit und weniger Möglichkeiten, auf Ihr Glasgeschirr zu fallen.

Die Erfolgskennzahlen verändern sich leise. Anstelle von beeindruckenden Treppensteigen oder Parkour sehen die neuen Prahlerechte so aus: - Ein unordentlicher Esstisch, der von Ende zu Ende geräumt ist - Teller, Schalen und Besteck sortiert und in die Spülmaschine geladen - Zerbrechliche Gläser ohne einen einzigen Riss gehandhabt - Stapel von Socken, die ordentlich gefaltet sind

Memos gesamte Palette dreht sich um diese Ergebnisse. Sunday bringt einen Skill Capture Glove auf den Markt, der nur ein paar hundert Dollar kostet, nicht ein 20.000-Dollar-Motion-Capture-System, und hat bereits mehr als 2.000 Exemplare in die Welt geschickt. Rund 500 Haushalte streamen jetzt echte Chore-Daten zurück zu Sunday und verwandeln alltägliche Routinen in einen Trainingssatz für das ACT-1-Grundmodell des Unternehmens.

Diese datengestützte Strategie ermöglicht es ACT-1, eine „Zero-Shot“-Verallgemeinerung zu versuchen: eine neue Küche zu sehen, abzuleiten, wo das Geschirr aufbewahrt wird, und dennoch einen mehrstufigen Reinigungszyklus durchzuführen. Es interessiert niemanden, ob der Gang des Roboters unheimlich aussieht, wenn er während eines Zoom-Calls einen Tisch abwischen, Reste sortieren und die Geschirrspülmaschine packen kann. Die Form wird zum Detail der Benutzeroberfläche; die Funktion wird zum Produkt.

Sonntagspläne eine Einladung-only Beta von etwa 50 Haushalten im Jahr 2026, eine konservative Zahl, die jedoch dennoch die Anzahl an vollständigen Humanoiden übertrifft, die in der Stille in echten Wohnungen installiert wurden. Wenn dieses Rollout erfolgreich ist, könnte das Rad-und-Oberkörper-Design die prototypischen Beine überholen, die immer noch an ihrem Gang feilen. Wenn Sie schließlich einen Roboter kaufen, um Ihre Küche zu teilen, werden Sie den wählen, der Ihnen am ähnlichsten sieht – oder den, der einfach mehr erledigt?

Was ist der Memo-Roboter von Sunday Robotics?

Memo ist ein vielseitiger Haushaltsroboter, der für häusliche Aufgaben konzipiert ist. Er verwendet eine rollende Basis und einen vertikalen Lift für Stabilität und Reichweite, anstatt humanoider Beine.

Wie unterscheidet sich Memo von Robotern wie Tesla Optimus oder Figure 01?

Die wesentlichen Unterschiede sind seine rollende Bauweise für den Einsatz zu Hause und seine Trainingsmethode. Memo wird mit Daten von einem kostengünstigen 'Skill Capture Glove', der von Menschen getragen wird, trainiert, nicht mit teuren Teleoperationsanlagen.

Was ist der 'Skill Capture Glove'?

Es handelt sich um ein kostengünstiges Gerät, das Sunday Robotics an Benutzer sendet, um Bewegungs- und Kraftdaten aufzuzeichnen, während sie Aufgaben erledigen. Diese Daten werden dann verwendet, um das KI-Grundlagenmodell des Memo-Roboters, ACT-1, zu trainieren.

Wann wird der Sunday Memo-Roboter käuflich zu erwerben sein?

Das Unternehmen hat ein einladungsbasiertes Beta-Programm angekündigt, das für 2026 geplant ist. Eine breitere Verbraucherfreigabe wird erwartet, jedoch wurde noch kein konkretes Datum festgelegt.