# AlphaNIST trainiert eine Roboterpolitik für Montage in Simulation > Forschende testeten mehrstufige Montage mit einer einzelnen Reinforcement-Learning-Politik und spärlichen Belohnungen. - Kanonische URL: https://newsverum.com/de/news/alphanist-trains-a-robot-policy-for-assembly-in-simulation - Herausgeber: Newsverum - Rubrik: Technologie - Land: Vereinigte Staaten - Veröffentlicht: 2026-10-13T00:51:40+00:00 - Aktualisiert: 2026-10-13T00:51:40+00:00 - Ereignis- oder Datenzeitraum: 2026-10-09 - Weitere Ausgaben: [Türkçe](https://newsverum.com/tr/news/alphanist-trains-a-robot-policy-for-assembly-in-simulation.md), [English](https://newsverum.com/en/news/alphanist-trains-a-robot-policy-for-assembly-in-simulation.md), [العربية](https://newsverum.com/ar/news/alphanist-trains-a-robot-policy-for-assembly-in-simulation.md), [Français](https://newsverum.com/fr/news/alphanist-trains-a-robot-policy-for-assembly-in-simulation.md), [Español](https://newsverum.com/es/news/alphanist-trains-a-robot-policy-for-assembly-in-simulation.md), [Português](https://newsverum.com/pt/news/alphanist-trains-a-robot-policy-for-assembly-in-simulation.md) Mit NVIDIA und der University of Washington verbundene Forschende veröffentlichten AlphaNIST, eine Studie zum robotischen Lernen. Sie trainiert eine einzelne Politik mit PPO und spärlichen binären Belohnungen für simulierte Montageaufgaben, ohne Demonstrationen oder manuell abgestimmte aufgabenspezifische Fertigkeitsbausteine. Der Artikel berichtet über 98,2 % Gesamterfolg bei Simulationstrainingsläufen für ATB1-Aufgaben. Die Forschenden zeigen außerdem, dass die Politik einige Montagefolgen mit mehreren Komponenten erlernte; dies ist jedoch ein Trainingserfolg in der Simulation, keine Validierung an einem physischen Roboter und kein Nachweis realer Sicherheit. ## Daten ### Forschungsergebnis 20 ATB1-Aufgaben; Simulationstrainingsläufe; kein Test am physischen Roboter Methodik: Der Wert ist auf das im Artikel beschriebene Benchmark-Experiment beschränkt; er ist kein Feldergebnis und keine allgemeine Leistungsgarantie. | Messgröße | Prozent | Umfang | |---|---|---| | Gesamter Aufgaben-Erfolg beim ATB1-Simulationstraining | 98.2 | 20 ATB1-Aufgaben; Simulationstrainingsläufe; kein Test am physischen Roboter | Quellen: · Daten herunterladen: [JSON](https://newsverum.com/api/v1/articles/alphanist-trains-a-robot-policy-for-assembly-in-simulation/data/reported-result-1?lang=de&format=json) · [CSV](https://newsverum.com/api/v1/articles/alphanist-trains-a-robot-policy-for-assembly-in-simulation/data/reported-result-1?lang=de&format=csv) ## Quellen - [arXiv preprint by NVIDIA and University of Washington researchers]() (Quelle geprüft: 2026-10-13; Veröffentlicht: 2026-10-09) --- Zitieren Sie die oben angegebene kanonische URL. [Redaktionsstandards und Korrekturen](https://newsverum.com/de/editorial)