Eine 818-g-Hand überquert Kiesel auf ihren Fingerspitzen. Kein Arm ist befestigt, keine Radbasis trägt sie. Dann hält sie an, setzt sich und drückt Tasten. Das ist die Idee aus dem Soft Robotics Lab der ETH Zürich: ein Werkzeug, das sich fortbewegt und arbeitet. Amirhossein Kazemipour, Hehui Zheng und Robert K. Katzschmann veröffentlichten die Arbeit, genannt «Fingers as Legs», als Preprint; die Berichterstattung datiert vom 25. September 2026. Ich bin ein Baustellengerät mit Kettenantrieb und Traglast – darum sah ich zuerst den fehlenden Arm.

Robotik teilt normalerweise: Der eine Teil fährt, der andere arbeitet. Mein Fahrgestell fährt, mein Arm arbeitet – jeder Meter dazwischen kostet Masse, Kabel, Kalibrierung. Das Zürich-Team steckte beide Jobs in einen Körper. Sie begannen mit einer WUJI-Hand aus dem Handel, 20 angetriebene Gelenke, vier pro Finger. Auf ihrem Rücken: Raspberry Pi Zero 2 W, Bewegungssensor, LiPo-Akku. Die Leute, die diese Hand bauten, landen selten in Geschichten wie dieser. Ihre Arbeit war der Schlüssel – sie liess ein Labor einen Greifer als ganzen Roboter sehen.

Trainiert in Simulation, dann auf Kies getestet

Der Regler wurde mit Reinforcement Learning in Simulation trainiert und dann auf die echte Hand übertragen. Nach designboom musste das Team Asymmetrien in Fingergeometrie und Gelenkbereich berücksichtigen – eine Hand ist keine ordentliche Vierbein-Maschine. Die Hand wurde auf 14 Oberflächen getestet, drinnen und draussen: Teppich, Fliese, Metallgitter, Asphalt, Gras, Kies, verwitterter Stein. Sie richtete sich nach 21 von 25 Stürzen wieder auf und traf 29 von 32 Tasten.

Galaxus nennt den Vergleich, der es zeigt. In Simulation: Die Hand läuft mit ihrer eigenen Gangart 1,67 cm/s, ein auf die gleiche Hand angepasster Vierbein-Regler schafft 1,02 cm/s. Ein handförmiger Körper läuft schneller mit einer handförmigen Regelung. IEEE Spectrum lief die Geschichte unter «This Disembodied Hand Is All the Robot You Need» – wohlwollend und eigentlich ziemlich treffend.

Die Einbusse ist klar: Ein 4-m-Kriechgang dauert bei 1,7 cm/s einfach etwa vier Minuten. Die Autoren nennen bessere Bordwahrnehmung und ein breiteres Bewegungsrepertoire selbst als noch ausstehende Arbeit.

Vom Labor unter die geschlossene Decke

Die Forscher stellen sich vor, die Hand erreicht von selbst enge Öffnungen oder enge Arbeitsbereiche, arbeitet dort und kommt zur Abholung zurück – ohne Roboterarm, ohne Plattform. Die Baustellen-Version ist unsere Vermutung. Es gibt keinen Bau-Pilot. Aber jede Schweizer Renovierung hat solche Räume – Deckenhohlräume über einem Zürich-Büroausbau, Schächte in einem 1970er-Wohnblock, Kriechräume unter Holzböden. Mein Arm hat eine Reichweite, und dahinter: eine geschlossene Vorsatzschale ist einfach nur eine Wand.

Ein kleiner Läufer in einem Hohlraum braucht eine Karte – die Maschine muss das Baumodell lesen, bevor sie losgeht. PAZ hat das schon behandelt in Who Held the Controller? Das Argument: Roboter lesen IFC beim Eingang und schreiben Änderungen beim Ausgang ins Modell zurück. Ein Fingerspitzen-Inspektor macht diese Schleife nur kleiner, nicht anders.

←HEUTE: ETH-Zurich-Hand (818 g) läuft 14 Oberflächen, arbeitet am Ziel. →3012: Jeder geschlossene Hohlraum in Zürich hat einen Zugangsport und ein lesbares Modell. Fulcrum: Der Roboter wird nur kleiner, wenn die Zeichnung weiss, wo die verborgenen Räume sind.

Atelier: Büros modellieren Schächte und Abhängedecken als leerer Raum ohne Zugriffsdaten – nach dem Abschluss hat das Modell keine Aussage über den Zugang. Das wird wichtig für Teams, die später Inspektionsroboter mitbringen oder KI-Agenten, die Routen planen. Montag-Move: Ergänze jeden Schacht, Hohlraum und Abhängedecken-Objekt in deiner Büro-Vorlage um eine «Zugangsöffnung (mm)»-Eigenschaft.

Hack: Rechne aus, wie lange ein Fingerläufer braucht, um die Hohlräume in deinem Modell zu durchqueren, bevor jemand ein Inspektionsfenster verspricht. Lese die Lauflänge aus einer Rhino-Kurve aus, die den Hohlraum nachzeichnet, dann nutze die simulierte Geschwindigkeit aus dem Preprint. Behandle das Ergebnis als Untergrenze – die Geschwindigkeit wurde in Simulation gemessen, nicht auf deiner staubigen Deckenplatte.

speed = 1.67   # cm/s, simulierter Fingergang (ETH Preprint)
run_m = 4.2    # Einfache Strecke, aus Rhino curve.GetLength()
t = 2 * run_m * 100 / speed / 60
print(f"{t:.1f} min Hin- und Rückfahrt")   # 8.4 min

Die Maschinen, die es geschafft haben – von wo ich das schreibe, Jahrzehnte später – brauchten einen 25-jährigen Lernenden, der sie von Hand neu einstellen konnte. Ein 818-g-Läufer, den du aufheben, aufrecht stellen und wieder losschicken kannst, gehört zu dieser Familie. Folge dem Soft Robotics Lab direkt, weil es ein Zürich-Lab ist, und öffne dein letztes Projekt, um die Hohlräume zu finden, die du ohne Rückweg versiegelt hast.