Wie das c't-Magazin in seiner Ausgabe 15/2026 berichtet, können humanoide Roboter zwar immer geschickter einstudierte Bewegungen ausführen – Tänze, Sprünge, komplexe Griffe. Doch ihnen fehlt das Verständnis für ihre Umgebung und soziale Situationen. Um als Hausgehilfen oder Pflegeroboter praktisch nutzbar zu sein, müssen sie lernen, ihre Umwelt zu verstehen und empathisch auf Menschen zu reagieren. Vision Language Models (VLMs) und offene Systeme könnten hier Abhilfe schaffen.
Für die Robotik-Industrie ist dieser Perspektivwechsel entscheidend: Spektakuläre Bewegungen beeindrucken in Videos, doch echte Anwendungen in Haushalten oder Pflege erfordern Situationsbewusstsein und adaptives Verhalten. Die Diskrepanz zwischen technischer Leistung und praktischer Brauchbarkeit bleibt das zentrale Entwicklungshindernis.