NTT meldet 92,3 Prozent Erfolg im Robotertest; Feldversuche stehen noch aus
NTT zufolge erhöhte ein physikbasiertes Modell die Erfolgsquote einer Regalladesimulation mit einem kleinen Roboter von 73,1 auf 92,3 Prozent. Feldversuche mit Mujin sind geplant; ein kommerzieller Einsatz wird nicht gemeldet.
Ereignis-/Datenzeitraum:
Veröffentlicht: · Aktualisiert:

NTT erklärte am 11. November, ein physikbasiertes Weltmodell habe die Erfolgsquote eines Regalladetests mit einem kleinen Roboter von 73,1 auf 92,3 Prozent erhöht. Der Test simulierte das Stapeln von Gegenständen und verglich laut Unternehmen den Einsatz der Technologie mit einem Ablauf ohne sie. NTT meldete außerdem einen niedrigeren LPIPS-Wert als zwei Referenzsysteme im OBJ3D-Videobenchmark. Der erste geplante Einsatz betrifft die Gepäckabfertigung an Flughäfen, doch Feldversuche mit dem Robotikunternehmen Mujin stehen noch aus. Die Mitteilung belegt keinen kommerziellen Einsatz.
Das System soll mögliche Roboteraktionen bewerten, bevor die Bewegung ausgeführt wird. NTT zufolge schätzt das Modell anhand von Video Position, Ausrichtung, Geschwindigkeit und Masse von Objekten und nutzt Bewegungsgleichungen, um deren Bewegungen und Wechselwirkungen vorherzusagen. Ein unternehmenseigener Physics-Control-Adapter verbindet diese Berechnungen mit einem Videogenerierungsmodell. Für jede vom bestehenden Steuerprogramm vorgeschlagene Aktion erzeugt das System eine mögliche Zukunftsszene und bewertet Folgen wie Zusammenstöße, fallende Gegenstände oder einen einstürzenden Stapel. Es ergänzt einen vorhandenen Controller und belegt nicht, dass Roboter ohne Aufsicht sicher arbeiten können.
Das Ergebnis beim Regalstapeln ist bemerkenswert, doch der absolute Zuwachs sagt mehr aus als die allgemeine Behauptung, der Roboter arbeite besser. Die gemeldete Erfolgsquote stieg um 19,2 Prozentpunkte, berechnet als 92,3 minus 73,1. Bezogen auf den Ausgangswert entspricht das einem relativen Anstieg von rund 26,3 Prozent, berechnet als 19,2 geteilt durch 73,1. Beide Berechnungen verwenden die gerundeten Werte aus der NTT-Mitteilung. Das Unternehmen nennt weder die Zahl der Versuche noch die Definition von Erfolg, Änderungen bei Gegenständen oder Startbedingungen oder die Streuung zwischen Wiederholungen. Ein Unsicherheitsintervall fehlt ebenfalls.
NTTs Tabelle 1 liefert weitere Angaben zu einem separaten Vorhersagetest. Sie nennt einen mit 100 multiplizierten LPIPS-Wert von 7,81 für das NTT-Modell, 7,92 für das akademische Modell OCK und 21,90 für NVIDIA Cosmos Predict 2.5, ein kommerziell verfügbares Videogenerierungsmodell. Bei LPIPS ist ein niedrigerer Wert besser. Der NTT-Wert liegt 0,11 unter dem OCK-Wert oder rund 1,4 Prozent bezogen auf 7,92. Diese Rechnung beschreibt nur die angezeigten Messwerte. Die Mitteilung enthält weder statistische Intervalle noch einen Protokollvergleich, der zeigen würde, ob der geringe Abstand unter anderen Bedingungen Bestand hat.
Der Benchmark braucht Kontext. Eine ICCV-Arbeit von Yeon-Ji Song und Mitautoren aus dem Jahr 2025 beschreibt OBJ3D als synthetischen Datensatz mit starren Objekten in neutralgrauen Szenen, 2.920 Trainingssequenzen und 200 Testsequenzen. Er wurde entwickelt, um Objektgeometrie und Wechselwirkungen wie Kollisionen zu untersuchen. NTT sagt, sein Modell auf dem öffentlichen OBJ3D-Benchmark getestet zu haben, legt aber nicht offen, ob dieselbe Datenaufteilung, dasselbe Testprotokoll oder dieselbe Trainingskonfiguration wie in der OCK-Arbeit verwendet wurde. Das Ergebnis misst daher Videovorhersage in einem kontrollierten Benchmark, nicht Gepäckabfertigung an einem echten Flughafen.
Den technischen Unterschied, den NTT hervorhebt, bildet die ausdrückliche Darstellung des physischen Zustands. Ein Videomodell kann plausible Bilder erzeugen und dennoch Kräfte oder Bewegungen übersehen, die eine Ladung zum Kippen bringen. NTT zufolge stellt der Adapter Masse und Bewegung dar und wendet Bewegungsgleichungen an, um mögliche Zukunftsszenen zu erzeugen. Das könnte einem Roboter helfen, einen riskanten Plan vor der Ausführung abzulehnen, besonders wenn sich Kartons oder Koffer unterscheiden. Die Mitteilung nennt weder Latenz noch Hardwarekonfiguration, Speicherbedarf oder Sicherheitstest. Sie belegt deshalb nicht, dass die Berechnungen in einem laufenden Lager schnell und zuverlässig genug sind.
NTT nennt Gepäck- und Paketabfertigung als vorgesehenen Anwendungsfall und plant Feldversuche mit Mujin. Außerdem soll die Technologie auf dem NTT R&D Forum 2026 gezeigt werden. Das sind Entwicklungspläne und kein Beleg dafür, dass Flughafenbetreiber das System ausgewählt oder installiert oder Einsparungen beim Personal gemessen haben. Die Mitteilung nennt weder Kunden noch Projektbudget, Installationsdatum, Durchsatzziel, Fehlerrate im laufenden Betrieb oder Preis. Der Übergang von einem simulierten Stapeltest zu unterschiedlichem Gepäck an einem Förderband oder in einem Frachtbereich erfordert Tests bei wechselndem Licht, Verdeckung, Förderbewegung und menschlicher Anwesenheit.
Die Ankündigung ist am besten als Forschungsmeilenstein mit einem konkreten, aber eng umrissenen Testergebnis zu verstehen. Die Roboteraufgabe weist auf einen möglichen Betriebseinsatz hin, während OBJ3D eine separate Prüfung der vorhergesagten Videoqualität ermöglicht. Keines der Ergebnisse belegt allein eine allgemeine Zuverlässigkeit in Logistik, Fertigung oder Einzelhandel, den von NTT genannten möglichen Erweiterungsfeldern. Vor einem Einsatz wären wiederholte Versuche, eine transparente Erfolgsdefinition, Sicherheitskontrollen, Messungen mit unbekannten Gegenständen und ein Vergleich des Gesamtsystems mit aktuellen Alternativen nötig. NTT hat den Weg zu solchen Versuchen beschrieben, nicht deren Ergebnisse.
Daten
Erfolgsquoten der Regalladesimulation
Von NTT gemeldete Quoten für den simulierten Stapeltest mit einem kleinen Roboter.
- Erfolgsquote beim Regalstapeln ohne NTT-Technologie
- 73,1 percent
- 2026-11-11 · Beobachtet
- Erfolgsquote beim Regalstapeln mit NTT-Technologie
- 92,3 percent
- 2026-11-11 · Beobachtet
Methodik
NTT meldet Erfolgsquoten mit und ohne Technologie, nennt aber weder Versuchszahl noch Erfolgskriterium oder Streuung. 92,3 minus 73,1 ergibt 19,2 Prozentpunkte. 19,2 geteilt durch 73,1 entspricht einem relativen Anstieg von rund 26,3 Prozent. Die Berechnungen beruhen auf gerundeten Unternehmensangaben und sind keine zusätzlichen Messungen.
Aktualisiert:
LPIPS-Vergleich im OBJ3D-Videobenchmark
Modellwerte aus der von NTT veröffentlichten Tabelle. Ein niedrigerer LPIPS-Wert ist besser.
| NTT-Weltmodell | Unternehmensmodell | 7.81 LPIPS x100 |
| OCK | Von NTT zitierter akademischer Ansatz | 7.92 LPIPS x100 |
| NVIDIA Cosmos Predict 2.5 | Kommerzielles Videogenerierungsmodell | 21.90 LPIPS x100 |
Methodik
NTTs Tabelle 1 multipliziert LPIPS mit 100; niedrigere Werte sind besser. Die Zellen bewahren die veröffentlichten Werte 7,81, 7,92 und 21,90 samt Skalenangabe. Die Mitteilung enthält weder Unsicherheitsintervalle noch einen direkten Protokollvergleich zwischen NTT und OCK.
Aktualisiert:
Themen und Orte
Themenvorschläge
- Wissenschaft, Technik, ForschungVorgeschlagene Kennzeichnung
- Preserved editorial category/topic; broad candidate onlygroup.ntt ↗openaccess.thecvf.com ↗openaccess.thecvf.com ↗