URWORTE

Blog

9. August 2026

Embodied AI

Embodied AI (deutsch verkörperte Künstliche Intelligenz) bezeichnet die Tradition der KI-Forschung, in der Intelligenz nicht als rein abstrakte symbolische Operation, sondern als emergent aus den sensomotorischen Interaktionen eines verkörperten Agenten mit seiner physischen Umwelt verstanden wird.

Die Grundthese: Wahrnehmung, Schlussfolgerung und Handlung sind untrennbar verbunden, und kognitive Fähigkeiten entstehen erst durch fortlaufende Rückkopplung zwischen Körper, Sensorik, Aktorik und Umwelt. Embodied AI entstand in den späten 1980er Jahren als Gegenposition zur damals dominanten symbolischen KI-Tradition (GOFAI).

Die wirkungsmächtigsten Begründer-Arbeiten stammen von Rodney Brooks am MIT (Subsumption Architecture 1986, Intelligence without Representation 1991), Rolf Pfeifer (Universität Zürich) und Luc Steels (Vrije Universiteit Brussel).

Stand 2025/2026 ist Embodied AI eine reife akademische Tradition mit eigenständigen Konferenzen (CoRL, Embodied AI Workshop bei CVPR), und ihre Konzepte sind durch die Foundation-Models-Wende in die industrielle Robotik-Anwendung und in die unter dem Begriff Physical AI zusammengefasste Frontier-Lab-Diskussion eingeflossen.

Zusammenfassung

Embodied AI entstand aus der Kritik an der symbolischen KI-Tradition, deren Versuche zur expliziten Regel-Codierung alltagsweltlichen Wissens in Sackgassen geführt hatten. Zwei weitere Wurzeln kamen hinzu: die Embodied Cognition-Bewegung in Philosophie und Kognitionswissenschaft (Varela/Thompson/Rosch The Embodied Mind MIT Press 1991, Lakoff/Johnson 1999) sowie die praktische Robotik der späten 1980er Jahre.

Rodney Brooks’ Subsumption Architecture (Brooks 1986, IEEE Journal of Robotics and Automation, DOI 10.1109/JRA.1986.1087032) schlug reaktive, layered Robotik-Architekturen ohne zentrales Welt-Modell vor. Brooks’ Aufsatz Intelligence without Representation (Artificial Intelligence 47, 1991, DOI 10.1016/0004-3702(91)90053-M) formulierte die berühmte These „the world is its own best model”.

Schlüsselkonzepte umfassen Subsumption Architecture, Symbol Grounding (Harnad Physica D 1990), Sensorimotor Coupling, Morphological Computation (Pfeifer/Bongard) und Active Perception. Stand 2025/2026 erlebt Embodied AI durch Vision-Language-Action-Modelle, Foundation Models für Robotik und die Physical AI-Programmatik (NVIDIA, Jensen Huang Januar 2025) eine industrielle Skalierung der akademischen Grundeinsichten.

Begriffsgeschichte

Vorgeschichte: Turing, Kybernetik und Symbol Grounding (1950er–1980er)

Alan Turings Computing Machinery and Intelligence (Mind 1950, DOI 10.1093/mind/LIX.236.433) enthielt bereits die Idee, dass eine künstliche Intelligenz mit einem Körper zur Welterkundung ausgestattet sein müsse.

Norbert Wieners Cybernetics (MIT Press 1948,) entwickelte die Theorie der Rückkopplungs-Schleifen zwischen Organismen und Maschinen – direkter Vorläufer der späteren Embodied-AI-Konzeption.

Stevan Harnad formulierte 1990 das Symbol Grounding Problem (Physica D 42, DOI 10.1016/0167-2789(90)90087-6) als zentrale theoretische Motivation der späteren Tradition: Wie können symbolische Repräsentationen bedeutsam werden ohne sensomotorische Erdung?

Brooks und die Subsumption Architecture (1986–1991)

Rodney Brooks’ Subsumption Architecture (Brooks IEEE J. Robotics & Automation RA-2(1), 1986) schlug eine layered, verhaltens-basierte Robotik-Architektur ohne zentrales Welt-Modell vor.

Intelligence Without Representation (Artificial Intelligence 47, 1991) formulierte die These „the world is its own best model. It is always exactly up to date.” In den Brooks-Robotern Allen, Genghis, Herbert und der humanoiden Plattform Cog (MIT AI Lab ab 1993) wurde die Programmatik praktisch implementiert.

Theoretische Konsolidierung (1990er)

Rolf Pfeifer publizierte mit Christian Scheier Understanding Intelligence (MIT Press 1999,) – eines der ersten systematischen Werke der Tradition. Luc Steels etablierte mit den Talking Heads Experiments (ab 1998) die Untersuchung von Sprach-Entstehung in verkörperten Agenten.

Andy Clarks Being There (MIT Press 1997,) lieferte die philosophische Grundlage. Pfeifer/Bongard How the Body Shapes the Way We Think (MIT Press 2006,) etablierte das Konzept der Morphological Computation.

Konsolidierung als Forschungsfeld (2017–2020)

Wichtige institutionelle Verankerungen sind die Conference on Robot Learning (CoRL, ab 2017) und der Embodied AI Workshop bei CVPR (ab 2020). Als Standard-3D-Simulations-Umgebungen etablierten sich Habitat (Savva u. a. ICCV 2019) und nachfolgend Habitat 2.0/3.0 (Meta AI), als Plattformen AI2-THOR (Allen AI), iGibson (Stanford) und ManiSkill (UC San Diego).

Foundation-Models-Wende (2022–2025)

Die wirkungsmächtigste jüngste Entwicklung ist die Übertragung der Foundation-Models-Programmatik auf Embodied AI. Zu den Schlüsselarbeiten zählen SayCan (Ahn u. a., Google Robotics, August 2022, arXiv 2204.01691) und PaLM-E (Driess u. a., März 2023, arXiv 2303.03378).

Hinzu kommen RT-1/RT-2 (Google DeepMind 2022/2023), Open X-Embodiment / RT-X (DeepMind und 21 Institutionen, Oktober 2023, arXiv 2310.08864) sowie π0 (Physical Intelligence, Oktober 2024, arXiv 2410.24164).

Mit Jensen Huangs CES-Keynote (6. Januar 2025) und der Etablierung des Begriffs Physical AI wurde die akademische Tradition in die industrielle Programmatik überführt.

Auf der NVIDIA GTC 2026 (März 2026) erklärte Huang die Entwicklung zum „Big Bang of Physical AI”, und NVIDIA stellte mit Halos for Robotics nach eigenen Angaben das erste durchgängige Safety-System für Physical AI vor. Das ist ein Indiz dafür, dass sich die ursprünglich akademische Embodied-AI-Programmatik Stand 2026 zunehmend um Sicherheits- und Zertifizierungsfragen erweitert.

Methodische Grundlagen

Sensomotorische Kopplung: Wahrnehmung und Handlung sind durch Rückkopplungs-Schleifen verbunden; Welt-Verständnis emergiert aus aktiver Erkundung.

Behavior-Based Robotics: Brooks-Tradition – unabhängige Verhaltensmodule statt zentraler symbolischer Planung.

Symbol Grounding: Antwort auf Harnads Frage – symbolische Repräsentationen werden durch sensomotorische Erfahrungen mit Bedeutung verbunden.

Morphological Computation: Pfeifer/Bongard 2006 – Körper-Morphologie übernimmt computationale Funktionen (Beispiel: passive dynamic walker nach McGeer 1990 läuft ohne aktive Kontrolle).

Active Perception: Bajcsy Proceedings of the IEEE 1988 (DOI 10.1109/5.5968) – Wahrnehmung als aktive, durch Aktion strukturierte Erkundung.

Sim-to-Real Transfer: Hauptlinie der zeitgenössischen Forschung – wie können in Simulation gelernte Strategien auf reale Hardware übertragen werden? Domain Randomization (Tobin u. a. IROS 2017) als Standard-Technik.

Foundation Models und VLAs: Stand 2025/2026 dominant – Vision-Language-Action-Modelle verarbeiten Vision, Sprache und Aktion in einem gemeinsamen Modell.

Anwendungsfelder

Zu den Anwendungsfeldern zählen akademische Robotik-Forschung an führenden Institutionen (MIT, Stanford, UC Berkeley, CMU, ETH Zürich, EPFL, Tokyo, Tsinghua), industrielle Vision-Language-Action-Modelle (Google DeepMind, Physical Intelligence, Skild AI, NVIDIA, Tesla, Figure AI) und autonome Fahrzeuge (Waymo, Tesla FSD, Mobileye, chinesische Anbieter).

Hinzu kommen Humanoid Robotics, industrielle Robotik (Cobots, AMRs), bio-inspirierte und Soft Robotics sowie Eldercare und Service-Robotik.

Kontroversen und Kritik

Repräsentations-Frage: Brooks’ Ablehnung interner Welt-Repräsentationen wurde kontrovers diskutiert. Kritiker (David Kirsh u. a.) argumentierten, dass komplexe Aufgaben (Planung, Sprache) interne Repräsentationen erfordern. Stand 2025/2026 hat sich ein Konsens etabliert, dass beide Pole – minimale reaktive Architekturen und komplexe Welt-Modelle – je nach Aufgaben-Komplexität ihren Platz haben.

Sim-to-Real-Gap: Selbst hochwertige Simulatoren erzeugen eine Diskrepanz zur Realität, die zu Performance-Verlust führt. Adressiert durch Domain Randomization, differentiable Simulatoren und multi-roboter-übergreifende Datensätze.

Daten-Knappheit: Anders als bei Sprachmodellen sind Robotik-Trainings-Daten teuer und langsam zu generieren. Antworten: Sim-to-Real, Open X-Embodiment, Imitations-Lernen aus Mensch-Demonstrationen.

Verkörperungs-Definition: Unklar bleibt, ob Verkörperung notwendig physische Verkörperung bedeutet oder ob simulierte Verkörperung ausreicht – Gegenstand philosophischer Diskussion.

Sicherheits-Fragen: Verkörperte KI-Systeme erzeugen Sicherheits-Herausforderungen über rein digitale Systeme hinaus. Mensch-Roboter-Kollaboration erfordert sorgfältige Klärung von Verantwortlichkeit, Haftung und Ethik.

Stand 2025/2026

Embodied AI ist Stand Mai 2026 eine reife akademische Tradition mit substantieller industrieller Bedeutung. Die Verbindung zur Foundation-Models-Tradition (VLAs, NVIDIA Cosmos, Physical Intelligence π-Serie) hat das Feld in den Mainstream der Frontier-KI-Forschung gehoben.

Forschungslinien umfassen Skalierung von VLA-Modellen, Sim-to-Real-Transfer, multi-roboter-übergreifende Datensätze, die Verbindung zu World Models und bio-inspirierte Morphologien (Soft Robotics).

Offene Fragen umfassen die Skalierung von Sim-to-Real-Transfer, die Klärung der Verbindung zwischen sensomotorischer Erfahrung und Reasoning-Fähigkeit, regulatorische und ethische Klärung verkörperter KI-Systeme, und die Verbindung zur Foundation-Models-Tradition.

Bis Sommer 2026 hat sich die industrielle Anwendung von einer Demonstrations- in eine erste Produktions-Phase verschoben – etwa mit Boston Dynamics’ kommerzieller Atlas-Version (CES Januar 2026) und Tesla Optimus’ angekündigtem Produktionsbeginn in Fremont (Juli/August 2026). Details dazu stehen unter Humanoid Robotics und Physical AI.

Verwandte Begriffe

Quellenangaben

  1. Ahn, Michael u. a., 2022. Do As I Can, Not As I Say: Grounding Language in Robotic Affordances. arXiv: 2204.01691.
  2. Automate.org, 2026. NVIDIA declares “Big Bang of Physical AI” at GTC 2026. automate.org/ai/industry-insights, März 2026.
  3. Bajcsy, Ruzena, 1988. Active Perception. In: Proceedings of the IEEE 76 (8), S. 966–1005. DOI: 10.1109/5.5968.
  4. Boston Dynamics, 2026. Boston Dynamics Unveils New Atlas Robot to Revolutionize Industry. bostondynamics.com, Januar 2026.
  5. Brooks, Rodney A., 1986. A Robust Layered Control System for a Mobile Robot. In: IEEE Journal of Robotics and Automation 2 (1), S. 14–23. DOI: 10.1109/JRA.1986.1087032.
  6. Brooks, Rodney A., 1991. Intelligence Without Representation. In: Artificial Intelligence 47 (1–3), S. 139–159. DOI: 10.1016/0004-3702(91)90053-M.
  7. Clark, Andy, 1997. Being There: Putting Brain, Body, and World Together Again.
  8. Driess, Danny u. a., 2023. PaLM-E: An Embodied Multimodal Language Model. arXiv: 2303.03378.
  9. Harnad, Stevan, 1990. The Symbol Grounding Problem. In: Physica D: Nonlinear Phenomena 42 (1–3), S. 335–346. DOI: 10.1016/0167-2789(90)90087-6
  10. Lakoff, George / Johnson, Mark, 1999. Philosophy in the Flesh: The Embodied Mind and Its Challenge to Western Thought.
  11. NVIDIA, 2026. NVIDIA Announces Halos for Robotics, the Industry’s First Full-Stack, Comprehensive Safety System for Robotics and Physical AI. nvidianews.nvidia.com.
  12. Padalkar, Abhishek u. a., 2023. Open X-Embodiment: Robotic Learning Datasets and RT-X Models. DeepMind / 21 Institutionen. arXiv: 2310.08864.
  13. Pfeifer, Rolf / Scheier, Christian, 1999. Understanding Intelligence.
  14. Pfeifer, Rolf / Bongard, Josh, 2006. How the Body Shapes the Way We Think.
  15. Physical Intelligence, 2024. π0: A Vision-Language-Action Flow Model for General Robot Control. physicalintelligence.company, Oktober 2024. arXiv: 2410.24164.
  16. Savva, Manolis u. a., 2019. Habitat: A Platform for Embodied AI Research. ICCV 2019. arXiv: 1904.01201.
  17. Tobin, Josh / Fong, Rachel / Ray, Alex / Schneider, Jonas / Zaremba, Wojciech / Abbeel, Pieter (2017): Domain Randomization for Transferring Deep Neural Networks from Simulation to the Real World. In: Proceedings of IROS 2017. arXiv: 1703.06907.
  18. TrendForce, 2026. Tesla confirms Optimus production start in Fremont, warns of slow initial output. trendforce.com, 3. Juli 2026.
  19. Turing, Alan M., 1950. Computing Machinery and Intelligence. In: Mind LIX (236), S. 433–460. DOI: 10.1093/mind/LIX.236.433.
  20. Varela, Francisco J. / Thompson, Evan / Rosch, Eleanor, 1991. The Embodied Mind: Cognitive Science and Human Experience.
  21. Wiener, Norbert, 1948. Cybernetics: Or Control and Communication in the Animal and the Machine.

← Zurück zur Lexikon-Übersicht