Both versions are aligned block by block, in reading order: title, the essentials, then paragraph by paragraph. Where the translation merged or split a paragraph, the matching cell stays empty — we never pair two passages by guesswork.
Eine Kiste, ein menschlicher Körper im Gleichgewicht, mehrere Kontaktpunkte mit dem Boden: Für einen Roboter ist daraus eine Kette kleiner Unsicherheiten. Ein Team des Robotics & AI Institute und von Boston Dynamics zeigt nun eine Methode, mit der Roboter Klettern, Radschlagen und Rückwärtssaltos aus Bewegungsdaten, Videos oder Animationen lernen können – direkt auf der Hardware.
A box, a human body balancing, multiple points of contact with the ground: for a robot, these add up to a chain of small uncertainties. A team from the Robotics & AI Institute and Boston Dynamics has now demonstrated a method that enables robots to learn climbing, cartwheels and backflips from motion data, videos or animations—directly on the hardware.
Viele spezifische Bewegungsabläufe mussten bislang einzeln trainiert werden. Der neue Ansatz bündelt diese Beispiele: Statt jede Bewegung separat vorzugeben, lernen die Maschinen Fähigkeiten aus vorhandenem Bewegungsmaterial. Dazu können auch Videos dienen, die mit einem Handy aufgenommen wurden. Die Methode wurde im Fachmagazin Science Robotics vorgestellt.
Many specific movement sequences previously had to be trained individually. The new approach bundles these examples: instead of specifying each movement separately, the machines learn skills from existing motion material. This can also include videos recorded with a phone. The method was presented in the specialist journal Science Robotics.
Die Schwierigkeit liegt nicht nur in der Bewegung selbst. Menschliche Abläufe verlangen Geschicklichkeit, Agilität und Koordination; zugleich verändert sich der Kontakt zum Boden. Unterschiedliche Bodenbeschaffenheiten und Ungenauigkeiten in der Umgebung erschweren die Steuerung. Genau deshalb gelten menschenähnliche Bewegungen in der Robotik als besonders anspruchsvoll.
The difficulty lies not only in the movement itself. Human actions require dexterity, agility and coordination; at the same time, contact with the ground changes. Varying ground conditions and inaccuracies in the environment make control more difficult. That is precisely why human-like movements are considered particularly challenging in robotics.
Und dann? Wenn sich der Ansatz weiter bestätigt, könnte das Training humanoider Roboter vielseitiger werden: Neue Bewegungsfähigkeiten ließen sich aus Daten, Videos oder Animationen ableiten, anstatt jede einzelne Abfolge von Grund auf zu trainieren. Das wäre vor allem für Roboter relevant, die künftig alltägliche Aufgaben übernehmen sollen. Vorerst bleibt es bei einer Forschungsarbeit.
What next? If the approach continues to be validated, training humanoid robots could become more versatile: new movement skills could be derived from data, videos or animations instead of training every individual sequence from scratch. This would be particularly relevant for robots that are expected to take on everyday tasks in the future. For now, it remains a research project.