News
Neuer bipedaler Roboter Microduck von Hugging Face für Reinforcement Learning vorgestellt
Das Wichtigste in Kürze
- Hugging Face hat den quelloffenen Roboter Microduck vorgestellt, der für 399 US-Dollar erhältlich ist.
- Microduck ist ein bipedaler Roboter, der speziell für das Experimentieren mit Reinforcement Learning entwickelt wurde.
- Er kann verschiedene Bewegungen wie Gehen, Sitzen, Treten und sogar Rollschuhfahren ausführen und sich nach Stürzen selbst aufrichten.
- Die Lernprozesse basieren auf neuronalen Richtlinien, die in einem Physiksimulator trainiert und auf die Hardware übertragen werden.
- Die Hardware umfasst 15 Motoren, eine Kamera, LiDAR, IMUs und einen Rockchip RK3566 Prozessor.
- Die Software und die Trainingsumgebungen sind quelloffen auf GitHub verfügbar, was eine breite Anpassung und Weiterentwicklung ermöglicht.
Die Welt der Robotik erlebt durch die Einführung des Microduck, eines quelloffenen, bipedalen Roboters von Hugging Face, eine bemerkenswerte Entwicklung. Dieses Gerät, das für 399 US-Dollar angeboten wird, ist darauf ausgelegt, Nutzern den Zugang zu und das Experimentieren mit Reinforcement Learning in einem physischen Kontext zu ermöglichen. Die Ankündigung hat in Fachkreisen und darüber hinaus großes Interesse geweckt, insbesondere aufgrund der Fähigkeiten des Roboters, komplexe Bewegungsabläufe zu erlernen und aus Fehlern zu lernen.
Microduck: Ein genauerer Blick auf die Innovation
Microduck, entwickelt von Pollen Robotics, einem Unternehmen, das von Hugging Face übernommen wurde, präsentiert sich als eine Plattform für die Erforschung und Anwendung von künstlicher Intelligenz in der Robotik. Mit einer Größe von etwa 25 cm und einem Gewicht von unter 800 g ist der Roboter kompakt und dennoch mit fortschrittlicher Technologie ausgestattet.
Hardware-Ausstattung und Funktionen
Die Hardware-Spezifikationen des Microduck sind für seinen Preis bemerkenswert. Er verfügt über 15 Motoren, die über Beine, Nacken und Kopf verteilt sind und eine Vielzahl von Bewegungen ermöglichen. Eine eingebaute Kamera, ein LiDAR-Sensor und zwei IMUs (Inertial Measurement Units) – eine im Körper und eine im Kopf – bieten dem Roboter eine umfassende Wahrnehmung seiner Umgebung. Als Recheneinheit dient ein Rockchip RK3566 mit einem KI-Beschleuniger, 1 GB RAM und 32 GB Speicher. Die Energieversorgung erfolgt über einen austauschbaren NP-F550 Akku, der eine Laufzeit von etwa einer Stunde ermöglicht.
Ein besonderes Merkmal des Microduck ist sein gelenkiger Schnabel, der es ihm ermöglicht, kleine Objekte aufzunehmen. Dies, kombiniert mit der Fähigkeit, sich nach einem Sturz selbst aufzurichten, unterstreicht die Robustheit und Anpassungsfähigkeit des Designs.
Reinforcement Learning als Kernkompetenz
Der zentrale Aspekt des Microduck liegt in seiner Fähigkeit, mittels Reinforcement Learning neue Tricks zu erlernen. Jede Bewegung – vom Gehen über das Sitzen und Treten bis hin zum Rollschuhfahren und dem Wiederaufstehen nach einem Sturz – basiert auf neuronalen Richtlinien. Diese Richtlinien werden in einem Physiksimulator trainiert und anschließend auf die Hardware des Roboters übertragen. Die Trainingsumgebungen, Belohnungsfunktionen und Domain-Randomisierungs-Einstellungen sind öffentlich auf GitHub zugänglich, was die Transparenz und die Möglichkeit zur gemeinschaftlichen Weiterentwicklung fördert.
Pollen Robotics gibt an, dass das Training einer brauchbaren Gangart in etwa ein bis zwei Stunden auf einer CUDA-GPU mit 4096 parallelen Umgebungen möglich ist. Die Simulation-zu-Realität-Übertragung wird durch ein detailliertes Aktuatormodell unterstützt, das realistische Faktoren wie Batteriespannung, Spannungsabfall unter Last, Befehlsverzögerung und Reibung berücksichtigt.
Open-Source-Ansatz und Zugänglichkeit
Der quelloffene Charakter des Microduck ist ein entscheidender Faktor für seine potenzielle Wirkung. Sowohl die Software als auch die Trainings-Repositories sind unter der Apache-2.0-Lizenz auf GitHub verfügbar. Dies ermöglicht es Forschern, Entwicklern und Enthusiasten weltweit, die Fähigkeiten des Roboters zu erweitern und anzupassen. Der Microduck wird mit sieben vorab trainierten Bewegungen geliefert, die über einen mitgelieferten Gamecontroller gesteuert werden können, bevor eigene Codes entwickelt werden.
Die Verfügbarkeit von Microduck zu einem Preis von 399 US-Dollar positioniert ihn als eine zugängliche Plattform für Bildung und Forschung im Bereich der Robotik und KI. Die ersten Auslieferungen werden vor Weihnachten erwartet, zunächst in Nordamerika, Europa und Großbritannien.
Implikationen für die B2B-Zielgruppe
Für Unternehmen im B2B-Bereich, insbesondere im Technologie- und Forschungssektor, bietet der Microduck mehrere interessante Perspektiven:
- Forschung und Entwicklung: Die offene Architektur und die Implementierung von Reinforcement Learning machen Microduck zu einer idealen Plattform für die Erforschung neuer Algorithmen und Strategien in der Robotik. Unternehmen können eigene KI-Modelle entwickeln und testen.
- Bildung und Training: Als kostengünstiges und zugängliches Gerät kann Microduck in Bildungseinrichtungen eingesetzt werden, um Studenten und Fachkräften praktische Erfahrungen im Bereich der KI und Robotik zu vermitteln.
- Prototypenentwicklung: Für Unternehmen, die physische KI-Anwendungen entwickeln, bietet Microduck eine schnelle und kostengünstige Möglichkeit, Prototypen zu erstellen und Konzepte in einer realen Umgebung zu validieren.
- Community-Building: Der Open-Source-Ansatz fördert eine globale Gemeinschaft von Entwicklern. Unternehmen können von dieser Gemeinschaft profitieren, indem sie an der Entwicklung teilnehmen, Lösungen austauschen und auf bestehende Projekte aufbauen.
Die Fähigkeit des Microduck, komplexe Bewegungen wie einen Salto zu erlernen, wie in jüngsten Berichten hervorgehoben, demonstriert das Potenzial der Plattform. Solche Fähigkeiten sind nicht nur unterhaltsam, sondern auch Indikatoren für die Flexibilität und Lernfähigkeit des Roboters unter verschiedenen Bedingungen. Fragen bezüglich der Robustheit der Hardware, beispielsweise im Hinblick auf die Batterie nach einem Salto, werden in der Community bereits diskutiert und spiegeln das Engagement der Nutzer wider, die Grenzen des Möglichen auszuloten.
Ausblick
Der Microduck stellt einen Schritt in Richtung einer demokratisierten Robotik dar. Indem er fortschrittliche KI-Technologien in einem zugänglichen Format bereitstellt, könnte er eine neue Welle von Innovationen und Anwendungen in verschiedenen Bereichen anstoßen. Die kontinuierliche Weiterentwicklung durch die Open-Source-Community wird voraussichtlich zu einer Erweiterung der Fähigkeiten und Anwendungsfelder des Microduck führen.
Die Kombination aus erschwinglicher Hardware, quelloffener Software und der Betonung von Reinforcement Learning macht den Microduck zu einem bemerkenswerten Projekt, dessen Entwicklung und Auswirkungen auf die Robotik- und KI-Landschaft genau zu beobachten sein werden.
Bibliografie:
Pollen Robotics. (2026). pollen-robotics/microduck: A Tiny biped duck robot. GitHub. Pollen Robotics. (o. J.). pollen-robotics/microduck_rl. GitHub. Malayil, J. (2026). Tiny open-source robot duck can walk and learn from its ... Interesting Engineering. DeGeurin, M. (2026). Microduck is a robot built to fall down—and learn new tricks. Popular Science. Tauber, O. (2026). Hugging Face launches Microduck, a $399 open-source robot duck. Mashable SEA. Ahmad, N. (2026). Hugging Face Unveils Microduck: A $399 Open-Source 25 cm Biped You Train. TheNews92. Sutter, M. (2026). Hugging Face Unveils Microduck: A $399 Open-Source 25 cm Biped You Train with Reinforcement Learning - MarkTechPost. MarkTechPost. Freeman, S. (2026). Microducks Exude Macro Charm - Make:. Make: Community. Kan, M. (2026). Meet Microduck, a $399 Open-Source Robot That Can Learn New Tricks. PCMag UK. Vedhathiri. (2026). This MicroDuck Robot, Powered by an RK3566, Has No Arms But Uses AI and Reinforcement Learning to Pick Things Up. Circuit Digest. Delangue, C. (2026). Post by @ClementDelangue. X.Weitere News-Artikel
Alle ansehen- Neuer bipedaler Roboter Microduck von Pollen Robotics präsentiert sich als zugängliche Lernplattform für KI
- Neuer Blick auf Gluonenwechselwirkungen durch KI-gestützte Forschung
- Neuer Blick auf die Generalisierungsfähigkeit von Supervised Fine-Tuning im Kontext der Künstlichen Intelligenz
- Neuer datenfreier Ansatz zur KI-Entwicklung: Language Self-Play von Meta
- Neuer datengetriebener Ansatz zur Ansichtssynthese mit dem Large View Synthesis Model
- Neuer Datenlade-Ansatz von Meta zur Optimierung des KI-Modelltrainings
KI, die in Deutschland zu Hause ist.
Testen Sie Mindverse Studio oder sprechen Sie mit unserem Team über Ihren Anwendungsfall.