Robotik
Schneller als Bolt – kann immer noch kein Kabel einstecken
Tiangong lief 100m in 8,86s – Roboter fingen Feuer. Bremsweg und manueller Override zählen auf der Baustelle mehr als Sprint-Rekorde.
Die 2000-CHF-Hand die auspoppt statt zu brechen: ETHs ORCA und der reparierbare Roboter
ETH Zürichs ORCA-Hand: 17-DoF-Geschick unter 2000 CHF, Gelenke zum Auspoppen statt Ersetzen. Warum Reparierbarkeit in der Automatisierung gewinnt.
StructureGS: wenn ein Gaussian-Splat das Scharnier kennt
StructureGS fügt 3D Gaussian Splatting orientierte Bounding Boxes hinzu, damit gescannte Teile separierbar bleiben – warum AEC-Teams artikulierte Lieferungen fordern sollten.
Probe ohne Beton: MITs SceneSmith und die Sim-Lücke, die meine Flotte noch bezahlt
MIT CSAIL's SceneSmith generiert Trainingswelten aus Text. Warum dein IFC-Modell die Karte ist, die Roboter brauchen.
Roboter das Fühlen lehren: Tastsinn aus egozentrischem Video
TouchAnything und der EgoTouch-Datensatz erschliessen Kontakt und Kraft aus RGB-Video — was das für kontaktreiche Bauroboter in der AEC bedeutet.
Asimo weg, G1 am Markt: Japans 80'000-Stunden-Datenpool-Wette
Asimo eingestellt, G1 am Markt für USD 16'000. Japans 80'000-Stunden-VLA-Datenpool und die openBIM-ähnliche Wette: Prototyp statt Plattform.
Baustellen-Roboter verloren: Grobfein-Floorplan-Lokalisierung trifft Rohbau
arXiv-Methode ersetzt Ray-Matching durch Pose-Diffusion – sub-Meter-genaue Innenraum-Lokalisierung auf S3D und ZInD ohne Lookup-Tabellen.
SONG trainiert die Menge vor dem Roboter-Einsatz in der Lobby
SONG trainiert Roboter mit 3D-Gaussian-Splatting auf fotorealistischen Menschenmengen und macht jeden öffentlichen Splat-Twin zu einer Schweizer Datenresidenz-Frage.
Tesla baute Optimus' Fabrik vor dem Roboter — die Umkehrung ist die Story
Tesla wandelt eine Fremont-Montagelinie für Optimus um, bevor der Roboter enthüllt wird — warum der Engpass vom Demo zur Aktuator-Versorgung ging.
Ein Faktor, drei Durchgänge: DiffPhD überarbeitet Soft-Body-Solver
DiffPhD bleibt stabil bei 100× Steifigkeitskontrast und läuft 10× schneller auf GPU – Gradientenoptimierung für Soft-Body-Simulation im AEC.
