Akademische Erfolge im Jahr 2025: Führende Universitäten treiben die Robotikforschung mit Cobots, AGVs und humanoiden Robotern von Elephant Robotics voran

Unter dem Motto „Enjoy Robots World“ hat sich Elephant Robotics der Förderung globaler Innovationen verschrieben. Wir bieten Roboter, die zuverlässige Leistung, ein Open-Source-Ökosystem, skalierbare Produktion und Kosteneffizienz vereinen. Anstatt selbst wissenschaftliche Forschung zu betreiben, konzentrieren wir uns auf die Bereitstellung praktischer, zugänglicher Roboterwerkzeuge. Diese helfen Forschern, ihre Ideen zu verwirklichen – und ermöglichen es ihnen, bahnbrechende Entwicklungen effizienter zu entwickeln, zu testen und zu teilen. So beschleunigen wir den Fortschritt in der globalen Robotik- und KI-Forschungsgemeinschaft. Heute blicken wir mit Freude auf die akademischen Erfolge des Jahres 2025 zurück, die durch die Roboter von Elephant Robotics ermöglicht wurden, und präsentieren stolz eine wegweisende Sammlung von Forschungsarbeiten mit unseren kollaborativen Robotern (Cobots), fahrerlosen Transportsystemen (AGVs) und humanoiden Robotern. Diese in Zusammenarbeit mit führenden Institutionen – darunter die Cornell University, die Universität Tokio, die Seoul National University, die University of Michigan, die New York University, die University of Waterloo und die Waseda-Universität – entwickelte Sammlung präsentiert die innovativen Anwendungen unserer 6-DOF-Roboterarme der Serien myCobot und myPalletizer sowie des mobilen Roboters myAGV und des halbhumanoiden Roboters myBuddy 280. Gemeinsam zeigen diese Arbeiten, wie die Roboterprodukte von Elephant Robotics bis 2025 Innovationen in verschiedenen Bereichen vorantreiben.

Im Jahr 2025 nutzten rund 100 wissenschaftliche Publikationen die Roboter von Elephant Robotics als zentrale Forschungswerkzeuge. Diese Arbeiten verdeutlichen, wie die Robotik den Fortschritt in Industrie, Landwirtschaft, Logistik, Bildung, Gesundheitswesen, Handel und Smart-Home-Anwendungen beschleunigt. Diese Zusammenstellung dient als umfassende Wissensressource und vereint einflussreiche theoretische Erkenntnisse und praktische Anwendungen. Sie bietet einen klaren Überblick über die sich stetig weiterentwickelnde Landschaft der Mensch-Roboter-Kollaboration. Die sorgfältig ausgewählte Sammlung von zwölf herausragenden Studien richtet sich an Robotik-Begeisterte, Lehrende, Fachleute und Forschende und bietet eine zugängliche und fundierte Informationsquelle, um die neuesten Innovationen in der Robotik und ihren breiteren industriellen Anwendungen zu verfolgen.

1. Thema: In-situ-Blattvermehrung verschiedener Arten für die optische Phänotypisierung und das Bioengineering mittels Softrobotik

Autoren: Mehmet Mert Ilman, Annika Huber, Anand K. Mishra, Sabyasachi Sen, Fumin Wang, Tiffany Lin, Georg Jander, Abraham D. Stroock und Robert F. Shepherd
Universitäten: Cornell University, Manisa Celal Bayar University

Zusammenfassung: Diese Studie befasst sich mit zentralen Herausforderungen der Präzisionslandwirtschaft. Bisherige Methoden zur Blattapplikation schädigen häufig die Blätter, sind bei verschiedenen Pflanzenarten wenig wirksam und liefern uneinheitliche Ergebnisse. Um dieses Problem zu lösen, entwickelten die Forschenden einen weichen Roboterarm, der Nanopartikel und genetisches Material schonend und effektiv direkt in Pflanzenblätter injizieren kann. Der Roboterarm wurde an unserem 6-DOF-Roboterarm myCobot 280 M5 montiert, der eine automatische Positionierung ermöglichte und wiederholbare, stempelbasierte Injektionen erlaubte. Mithilfe des Schwerkraftkompensations-Lernmodus des Arms konnte das Team die Bewegungen einfach demonstrieren und den gesamten Prozess automatisieren. Mit diesem System wurde eine Erfolgsrate von über 91 % bei minimaler Blattschädigung erzielt, was zuverlässige In-vivo-Phänotypisierung und Genexpressionsstudien ermöglichte. Diese Arbeit zeigt, wie kompakte und kostengünstige Roboterarme die Pflanzenbiotechnologie verbessern, die Hochdurchsatz-Phänotypisierung unterstützen und die Agrarrobotik in Richtung präziserer und automatisierter Lösungen voranbringen können.

2. Thema: Robotersystem für das Styling der vorderen Haarpartie mit Pfadplanung zur wurzelzentrierten Strähnenanpassung

Autoren: Soonhyo Kim, Naoaki Kanazawa, Shun Hasegawa, Kento Kawaharazuka und Kei Okada
Universität: Universität Tokio

Zusammenfassung: Dieser Artikel stellt ein robotergestütztes Haarstyling-System vor, das mithilfe bildbasierter Zielsetzung und wurzelzentrierter Strähnenanpassung gewünschte Frisuren mit hoher Genauigkeit reproduziert. Das System basiert auf unserem 6-achsigen kollaborativen Roboterarm myCobot 280 M5 , der mit einem weichen Kamm ausgestattet ist. Dieser ermöglicht eine stabile 3D-Trajektorienausführung und die wiederholgenaue, präzise Manipulation einzelner Haarsträhnen. Durch die Kombination der kompakten Bauweise und der zuverlässigen Bewegungssteuerung des myCobot mit einer neuartigen Pfadplanungsstrategie erreicht das System eine präzise Ausrichtung der Haarsträhnen in die gewünschte Richtung. Dies führt zu einer überlegenen Stylinggenauigkeit und -konsistenz im Vergleich zu Methoden, bei denen die Strähnen zufällig ausgewählt werden. Die Forschung demonstriert das Potenzial kompakter kollaborativer Roboter zur Verbesserung automatisierter Stylingprozesse und zur Förderung neuer Anwendungen in der Servicerobotik und der Beauty-Tech-Branche.

3. Thema: Dynamische, unhörbare Frequenzverschiebungskommunikation für die Multi-Roboter-Kollaboration in der Fertigung

Autoren: Semin Ahn, Dohyeon Kim und Sung-Hoon Ahn
Universität: Seoul National University

Zusammenfassung: Dieser Artikel stellt eine dynamische, unhörbare Frequenzverschiebungs-Kommunikationsmethode vor, die die dezentrale Roboter-zu-Roboter-Interaktion mittels 18–22 kHz-Schallsignalen ermöglicht. Das System wurde mit mehreren heterogenen Robotern validiert, darunter unser autonomer mobiler Roboter myAGV und der kollaborative 6-DOF-Roboterarm myCobot 280 Pi , die als Listener-Roboter Befehle über den akustischen Kanal empfingen und ausführten. Der Ansatz macht WLAN- oder Bluetooth-Netzwerke überflüssig und ist robust gegenüber Rauschen und Umwelteinflüssen. Experimente mit heterogenen Robotern in 1:1-, 1:2- und 1:Mehreren-Konfigurationen demonstrieren eine Kommunikationsgenauigkeit von über 97,5 % auf Entfernungen bis zu 4 Metern, mit nur minimalen Leistungseinbußen selbst bei starkem Rauschen. Die Ergebnisse zeigen, dass diese Methode eine skalierbare, störungsresistente Lösung für die Echtzeit-Kollaboration mehrerer Roboter darstellt und sich daher hervorragend für die flexible Fertigung, autonome Fabriken und andere Umgebungen mit begrenzter Netzwerkkapazität eignet.

4. Thema: Vertrauen durch Transparenz: Erklärbare soziale Navigation für autonome mobile Roboter mittels Bild-Sprach-Modellen

Autoren: Oluwadamilola Sotomi, Devika Kodi und Aliasghar Arab
Universitäten: University of Michigan, New York University

5. Thema: Weich-starre Hybrid-Dreh- und Prisengelenke mit mehrschichtigen, balgförmigen, weichen pneumatischen Aktuatoren: Konstruktion, Charakterisierung und Anwendung als weich-starrer Hybrid-Greifer

Autoren: Peter Seungjune Lee, Cameron Sjaarda, Run Ze Gao, Jacob Dupuis, Maya Rukavina-Nolsoe und Carolyn L. Ren
Universität: Universität Waterloo

Zusammenfassung: Diese Studie beschreibt die Entwicklung von weich-starren Hybridgelenken (SRH-Gelenken) mit mehrschichtigen, balgförmigen, weichen pneumatischen Aktuatoren (MBSPAs) zur Verbesserung der Leistungsfähigkeit von Robotersystemen. Die Forscher entwickelten ein Drehgelenk und ein prismatisches SRH-Gelenk und integrierten diese in einen 3-Punkt-Weich-Starr-Hybridgreifer, der am 4-Achs-Roboterarm myPalletizer 260 montiert ist. Durch die Einbettung in starre Schutzstrukturen werden die gängigen Einschränkungen herkömmlicher weicher pneumatischer Aktuatoren – wie geringe Tragfähigkeit und Anfälligkeit für Umwelteinflüsse – behoben. Die experimentellen Ergebnisse zeigen eine signifikante Verbesserung der Kraftabgabe und der Haltbarkeit und unterstreichen das Potenzial für die Automatisierung in der Landwirtschaft, insbesondere bei der Ernte empfindlicher Früchte. Diese Forschung erweitert nicht nur die Möglichkeiten der Softrobotik, sondern ebnet auch den Weg für mehr Effizienz und Zuverlässigkeit in einer Vielzahl industrieller Anwendungen.

6. Thema: Kollaborativer heterogener Mini-Roboter-3D-Drucker zur Herstellung komplexer Lebensmittelstrukturen mit mehreren Tinten und gekrümmten Ablagerungsflächen

Autoren: Karen Jazmin Mendoza-Bautista, Mariana S. Flores-Jimenez, Laisha Daniela Vázquez Tejeda Serrano, Grissel Trujillo de Santiago, Mario Moises Alvarez, Arturo Molina, Mariel Alfaro-Ponce und Isaac Chairez
Universitäten: Tecnológico de Monterrey, Nacional de México, CDMX

Zusammenfassung: Diese Forschungsarbeit präsentiert einen kollaborativen, heterogenen Mini-Roboter-3D-Drucker zur Herstellung komplexer Lebensmittelstrukturen mithilfe mehrerer Tinten und gekrümmter Auftragsflächen. Durch die Integration des kollaborativen Roboters myCobot 280 M5 als Teil des Roboterarms bewältigt der Drucker effektiv Herausforderungen beim Multimaterial-Lebensmitteldruck, wie z. B. die Extrusionskonsistenz und die Erzeugung komplexer Geometrien. Die Integration dieser Technologie ermöglicht eine verbesserte Kontrolle der Rheologie der Lebensmitteltinte und erleichtert die nahtlose Einbindung verschiedener Materialien, darunter synthetisches Fleisch und Zusatzstoffe, für optimale Textur und Geschmack. Die in dieser Forschung vorgestellten Fortschritte haben einen signifikanten Einfluss auf die Lebensmittelindustrie, indem sie die Automatisierung fördern, Lebensmittelabfälle reduzieren und maßgeschneiderte Lösungen für unterschiedliche Ernährungsbedürfnisse bieten. Dadurch tragen sie zu nachhaltigeren Lebensmittelproduktionspraktiken bei.

7. Thema: Mensch-Roboter-Interaktion mittels dynamischer Handgesten zur Teleoperation von vierbeinigen Robotern mit einem Roboterarm

Autoren: Jianan Xie, Zhen Xu, Jiayu Zeng, Yuyang Gao und Kenji Hashimoto
Universität: Waseda-Universität

Zusammenfassung: Dieser Artikel stellt ein innovatives Mensch-Roboter-Interaktionssystem (HRI) vor, das dynamische Handgesten zur Fernsteuerung von vierbeinigen Robotern mit Roboterarmen nutzt. Das System basiert auf dem myCobot 280 Pi. Zur Verbesserung von Präzision und Intuitivität in der Robotersteuerung integriert das System ein Depth-MediaPipe-Framework zur Echtzeit-3D-Hand-Keypoint-Erkennung und ein semantisches Pose-to-Motion-Modell. Dadurch werden Gesten präzise interpretiert und komplexe Roboteraktionen ausgeführt. Experimente mit dem Unitree Go1 und myCobot demonstrieren eine reibungslose, stabile und hochpräzise Steuerung. Diese Technologie bietet großes Potenzial für Anwendungen von der Logistik bis zur Telemedizin und ermöglicht eine natürlichere und effizientere Fernsteuerung von Robotern. Die Ergebnisse unterstreichen den Wert der gestenbasierten Steuerung für eine verbesserte Benutzerinteraktion und die Weiterentwicklung ferngesteuerter Robotersysteme für den praktischen Einsatz.

8. Thema: Auf dem Weg zur autonomen Brombeerernte mit einem weichen Greifer und einem bildgesteuerten Roboterarm

Autoren: Fabio Taddei Dalla Torre, Omar Faris, Philip H. Johnson und Marcello Calisti
Universität Trient, Universität Lincoln, Scuola Superiore Sant'Anna

Zusammenfassung: Diese Forschungsarbeit präsentiert ein neuartiges System zur autonomen Brombeerernte mithilfe eines kostengünstigen 6-DOF-Cobots, genauer gesagt des myCobot 320 Pi , in Kombination mit einem speziell entwickelten, weichen, aufblasbaren Greifer. Die Integration von YOLOv8 für die bildbasierte Steuerung ermöglicht die präzise Erkennung reifer Brombeeren und verbessert so die Greifleistung des Systems. Die Ergebnisse zeigen eine maximale Bildgenauigkeit von 98,4 % und eine bemerkenswerte Greiferfolgsrate von 76,6 %, trotz gewisser Schwankungen je nach Fruchtorientierung. Diese Forschung demonstriert das Potenzial robotischer Erntesysteme zur Steigerung der betrieblichen Effizienz im Beerenanbau und ebnet den Weg für eine breitere Anwendung von Robotik in der Landwirtschaft. Durch die Bewältigung der Herausforderungen traditioneller Erntemethoden leistet diese Studie einen wichtigen Beitrag zur Weiterentwicklung automatisierter landwirtschaftlicher Verfahren.

9. Thema: Hohe Flexibilität der kollaborativen Handhabung heterogener Drei-Roboter-Systeme

Autoren: ZHANG Shuzhong, QI Chunyu, ZHANG Gong, SU Jiahong, QIU Weiqian und RUAN Yuzhen
Universitäten: Technische Universität Fujian, Technische Universität Südchina, Technische und Pädagogische Universität Guangdong

Zusammenfassung: Dieser Artikel befasst sich mit den Herausforderungen der Konformität bei kollaborativen Handhabungsaufgaben mit heterogenen Drei-Roboter-Systemen. Durch den Einsatz von Für den myCobot 280 schlugen die Autoren eine auf Proximal Policy Optimization (PPO) basierende Reinforcement-Learning-Steuerungsstrategie vor. In der Robotersimulationsumgebung CoppeliaSim wurde eine hochpräzise Simulationsumgebung entwickelt, um die Leistungsfähigkeit der traditionellen Kraftregelung mit der des vorgeschlagenen RL-Ansatzes zu vergleichen. Die Ergebnisse zeigen, dass die RL-Methode die Genauigkeit der Trajektorienverfolgung und die Bewegungsglätte signifikant verbessert. Der erfolgreiche Einsatz des myCobot 280 demonstriert nicht nur eine verbesserte Synergie zwischen den Robotern bei kollaborativen Aufgaben, sondern bestätigt auch die Machbarkeit des Einsatzes fortschrittlicher KI-Techniken in Roboterlösungen. Dieser Fortschritt hat das Potenzial, die industrielle Automatisierung grundlegend zu verändern, indem er einen flexibleren und effizienteren Betrieb in komplexen Umgebungen ermöglicht.

10. Thema: Die Früchte finden: Entwicklung eines Zero-Shot-Sim2Real-Deep-RL-Planers für die okklusionsbewusste Pflanzenmanipulation

Autoren: Nitesh Subedi, Hsin-Jung Yang, Devesh K. Jha und Soumik Sarkar
Universität: Iowa State University

Zusammenfassung: Diese Studie befasst sich mit den Herausforderungen der Robotermanipulation in komplexen und unübersichtlichen Agrarumgebungen, insbesondere mit der Lokalisierung von Früchten und der Auflösung von Verdeckungen. Mithilfe des zweiarmigen, semi-humanoiden Roboters myBuddy 280 entwickelten die Autoren ein durchgängiges Deep-Reinforcement-Learning-Framework (RL), das die Interaktion mit verformbaren Pflanzen ermöglicht. Dieser Ansatz versetzt den Roboter in die Lage, verborgene Früchte aufzuspüren, indem er lernt, das Laubwerk zu manipulieren, ohne dass eine präzise geometrische Modellierung erforderlich ist. Die Forschung stellt einen bedeutenden Fortschritt in der Automatisierung der Agrarrobotik dar und ebnet den Weg für skalierbare, wahrnehmungsbasierte Lösungen, die in dynamischen und unvorhersehbaren Umgebungen effektiv arbeiten und so die Produktivität und Effizienz im Agrarsektor steigern.

11. Thema: Verbesserung der Gesundheitsversorgung durch ein selbstlernendes Robotersystem: Eine Lösung basierend auf Deep Imitation Learning

Autoren: Yagna Jadeja, Mahmoud Shafik, Paul Wood und Aaisha Makkar
Universität: Universität Derby

Zusammenfassung: Dieser Artikel präsentiert ein selbstlernendes Robotersystem (SLRS) zur Unterstützung im Gesundheitswesen mittels Deep Imitation Learning (DIL). Das SLRS kann menschliche Handlungen beobachten und nachahmen und so komplexe Fähigkeiten ohne explizite, aufgabenspezifische Programmierung erwerben. Auf Basis des myCobot 280 Jetson Nano als experimenteller Plattform beobachtet und imitiert das System autonom menschliche Aktionen, um medizinisches Fachpersonal effektiv zu unterstützen. Durch die Kombination von fortschrittlicher Wahrnehmung und Gestenerkennung kann es komplexe Aufgaben wie die Medikamentenverabreichung und die Patientenbetreuung übernehmen und so wesentliche betriebliche Ineffizienzen beheben. Der Einsatz dieser Technologie verbessert nicht nur die Qualität der Patientenversorgung, sondern demonstriert auch das Potenzial der Robotik, das Gesundheitswesen grundlegend zu verändern und so mehr Effizienz und Flexibilität in der Leistungserbringung zu ermöglichen.

12. Thema: AIRSPEED: Eine Open-Source-Plattform zur universellen Datenproduktion für verkörperte künstliche Intelligenz

Autoren: Xuan Xia, Bo Yu, Jialin Jiao, Xinmin Ding, Xing He, Haoran Tong, Yufei Lin, Tongyi Shen, Ning Ding und Shaoshan Liu
Universitäten: Shenzhen Institut für Künstliche Intelligenz und Robotik für die Gesellschaft

Zusammenfassung: Um dem Mangel an standardisierten Trainingsdaten für verkörperte KI und deren hohen Kosten zu begegnen, stellen die Autoren AIRSPEED vor – eine Open-Source-Plattform, die hardwareunabhängig ist und die Erfassung realer Daten, simulationsbasierte Datengenerierung und automatische Datensatzzusammenstellung vereint. Als Beispiel diente der 6-Achs-Cobot myCobot Pro 630 . Als Datensammler komprimiert AIRSPEED 62 MB/s an Gelenk-, Greifer- und RGB-D-Datenströmen in 2%-Keyframes und erstellt in weniger als 30 ms pro Zyklus einen sofort trainierbaren Pyramidendatensatz. Benchmarks zeigen, dass Datensätze 23,5-mal schneller erstellt und synthetische Daten 7,7-mal schneller generiert werden . im Vergleich zu herkömmlichen manuellen Arbeitsabläufen , und das gesamte System kostet weniger als 5.000 US-Dollar. Diese Studie zeigt, dass erschwingliche, kommerzielle Roboter nun große Datenpipelines unterstützen können, wodurch die Entwicklung hochwertiger verkörperter KI für Pädagogen, KMU und die Serviceroboterbranche zugänglicher wird.