AgiBot Innovation (Shanghai) Technology Co.,Ltd.: AGIBOT WORLD CHALLENGE 2026 bringt Wettbewerb für verkörperte KI bei der ICRA 2026 von der Simulation in reale Robotertests

WIEN, Österreich, 5. Juni 2026 /PRNewswire/ — AGIBOT, ein führendes Unternehmen im Bereich Embodied AI, also verkörperter künstlicher Intelligenz, hat im Rahmen der ICRA 2026 in Wien die AGIBOT WORLD CHALLENGE 2026 ausgerichtet. An dem Wettbewerb nahmen 526 Forschungs- und Unternehmensteams aus 27 Ländern teil, die in zwei Embodied-AI-Tracks antraten: Reasoning to Action und World Model. Der Wettbewerb machte einen wichtigen Wandel in der Evaluation von Embodied AI deutlich: weg von reinen Simulationsergebnissen hin zu Closed-Loop-Tests mit realen Robotern, realen Aufgaben und standardisierten Benchmarks.

Zwei Tracks mit Fokus auf Reasoning to Action und World Modeling
Die AGIBOT WORLD CHALLENGE 2026 umfasste zwei Tracks, die auf zentrale Fähigkeiten von Embodied AI ausgerichtet waren. Der Reasoning-to-Action-Track (R2A) bewertete, wie Roboter Aufgaben verstehen, Handlungen planen und diese in physischen Umgebungen ausführen. Der World-Model-Track (WM) konzentrierte sich darauf, wie KI-Systeme Veränderungen in der physischen Welt vorhersagen und Interaktionen auf Basis von Roboteraktionen und Sensordaten modellieren. Damit deckten die beiden Tracks zentrale Entwicklungslinien von Embodied AI ab: von der reinen Aufgabenausführung hin zu Verständnis, Vorhersage und Entscheidungsfindung.

An der Challenge nahmen Forschungs- und Industrieteams führender Institutionen und Unternehmen teil, darunter die Chinese Academy of Sciences, die Tsinghua University, die University of Science and Technology of China, die University of California San Diego, das Sber Robotics Center aus Russland, Alibaba, Amap und vivo. Mehr als 100 Teams übertrafen die offizielle Baseline. Dies unterstreicht die starke Beteiligung von Universitäten, Forschungsinstituten, Technologieunternehmen, Start-ups und einzelnen Entwicklern aus Wissenschaft und Industrie.

Der Wettbewerb kombinierte eine automatisierte Online-Evaluation mit einem Offline-Finale auf realen Robotern in Wien. Unter Nutzung von AGIBOTs EWMBench und Genie Sim Benchmark ermöglichte das Format automatisierte Tests, standardisierte Metriken und reproduzierbare Ergebnisse. Damit bot der Wettbewerb einen konsistenteren Rahmen für die Bewertung von Embodied-AI-Systemen über Simulation und reale Ausführung hinweg.

Im Offline-Finale absolvierten die Finalistenteams Aufgaben mit dem humanoiden Roboter AGIBOT G2 in realen Szenarien. Durch die Einbindung realer Roboter in den Bewertungsprozess rückte der Wettbewerb Roboterstabilität, Anpassungsfähigkeit an physische Umgebungen und Zuverlässigkeit bei längerfristigen Aufgaben in den Mittelpunkt der Bewertung und brachte die technische Evaluation näher an praktische Einsatzanforderungen heran.

Der Reasoning-to-Action-Track (R2A), der aus dem Manipulation Track von 2025 weiterentwickelt wurde, erweiterte die Evaluation von der reinen Aktionsausführung auf den gesamten Prozess aus Umgebungsverständnis, Aufgabenplanung und physischer Ausführung. Die Teams trainierten Reasoning-and-Manipulation-Modelle mit dem Open-Source-Datensatz AGIBOT WORLD und evaluierten diese über Genie Sim 3.0. Der Benchmark umfasste Sprachverständnis, räumliches Schlussfolgern, atomare Fähigkeiten, Anpassung an Störungen und Zero-Shot-Transfer. In der finalen Rangliste gewann PrismBot von vivo den ersten Platz. Auf Platz zwei folgte RP-VLA von Shanghai RoboParty, während GreenVLA aus Russland den dritten Platz erreichte.

Parallel zum Wettbewerb starteten AGIBOT und Dexmal einen Real-Supermarket-Benchmark-Track, der auf End-to-End-Entscheidungsfindung und Whole-Body Control ausgerichtet ist. In einer hochrealistischen Einzelhandelsumgebung mussten die Modelle den vollständigen Prozess mobiler Manipulation absolvieren: von autonomer Navigation und Artikelauswahl über Transport bis hin zur Platzierung. Dabei arbeiteten sie unter realen physischen Einschränkungen wie begrenzten Regalhöhen und zufällig platzierten Artikeln. Über API-basierte Fernsteuerung kontrollierten die Algorithmen der Teilnehmenden direkt reale Roboter und schufen damit einen praxisnahen Benchmark zur Bewertung von Embodied Intelligence in einsatzorientierten Szenarien.

Im World-Model-Track (WM) belegte NeoVerse-ABot, ein gemeinsames Team des Institute of Automation der Chinese Academy of Sciences und des Amap CV Lab, mit einer Punktzahl von 0,829 den ersten Platz. Das Team PAI@IAII des Institute of Industrial Artificial Intelligence der Chinese Academy of Sciences erreichte den zweiten Platz, während das Loop Team der University of Science and Technology of China den dritten Platz belegte.

Der Track bezog nicht ideale physische Interaktionen ein, darunter fallen gelassene Objekte und fehlgeschlagene Greifvorgänge. Dadurch spiegelte er die Komplexität realer Interaktion besser wider und bot einen praxisnäheren Bewertungsrahmen für die Forschung an World Models.

Full-Stack-Toolchain unterstützt standardisierte Validierung mit realen Robotern
Über den Wettbewerb hinaus stellte AGIBOT eine Full-Stack-Toolchain bereit, die reale Daten, simulationsbasierte Evaluation und Tests mit realen Robotern abdeckt. Die Toolchain umfasst den Open-Source-Datensatz AGIBOT WORLD, Genie Sim 3.0 und die Roboterplattform AGIBOT G2. Damit können Entwickler ihre Modelle entlang des gesamten Pfads vom Training über die Simulation bis hin zum Einsatz in der realen Welt validieren.

Mit der Kombination aus zwei Tracks, automatisiertem Benchmarking und Tests an realen Robotern zeigte die AGIBOT WORLD CHALLENGE 2026, wie sich Embodied AI praxisnäher und besser vergleichbar evaluieren lässt. EWMBench und der Genie Sim Benchmark unterstützten standardisierte Metriken, automatisierte Evaluation und vergleichbare Ergebnisse über Simulation und physische Tests hinweg. Damit adressierten sie zentrale Herausforderungen wie uneinheitliche Bewertungskriterien und die Lücke zwischen Simulationsleistung und realer Anwendung.

Der Wettbewerb ging zudem über einen engen Fokus auf Simulationsergebnisse hinaus, indem er Stabilität unter realen Bedingungen, physische Konsistenz und Zuverlässigkeit bei längerfristigen Aufgaben in den Mittelpunkt der Evaluation stellte. Damit rückte nicht nur die Benchmark-Leistung in den Fokus, sondern auch die Frage, ob Modelle in realen Umgebungen einsetzbar, generalisierbar und robust sind.

Die im Rahmen des Wettbewerbs entwickelten technischen und ökosystembezogenen Ressourcen werden in AGIBOTs laufende Benchmark-Entwicklung und Open-Source-Ökosystem integriert. Künftig plant AGIBOT, ein Online-Simulations-Leaderboard zu starten, weitere Testaufgaben und vielfältigere Benchmarks einzuführen und eine umfassendere quantitative Bewertung von Modellfähigkeiten zu unterstützen. Das Unternehmen wird seine Benchmarks und seine Full-Stack-Toolchain weiter verfeinern und mit globalen Forschungseinrichtungen, Entwicklern und Industriepartnern zusammenarbeiten, um Embodied Intelligence von einzelnen algorithmischen Fortschritten hin zu Systemen weiterzuentwickeln, die in realen Umgebungen eingesetzt und skaliert werden können.

Weitere Informationen finden Sie auf der AGIBOT-Website unter AGIBOT.com sowie auf den offiziellen Kanälen von AGIBOT:
https://x.com/AGIBOT_zhiyuan
https://www.linkedin.com/company/agibot/
https://www.youtube.com/@AGIBOT-robot
https://www.instagram.com/AGIBOT
https://www.tiktok.com/@agibot
https://www.facebook.com/AGIBOT.zhiyuan 

Über AGIBOT
AGIBOT ist ein Unternehmen für Embodied-AI-Foundation-Modelle, das sowohl die Intelligenzschicht als auch die entsprechenden Roboterverkörperungen entwickelt, um allgemeine Intelligenz in die physische Welt zu bringen. Die Architektur „Three Intelligences in One“ von AGIBOT integriert Locomotion Intelligence, Interaction Intelligence und Manipulation Intelligence in ein einheitliches verkörpertes System. Das Portfolio umfasst humanoide Roboter, Vierbeiner, dextere Systeme und kommerzielle Reinigungslösungen. Im März 2026 gab AGIBOT bekannt, dass der 10.000ste Roboter des Unternehmens vom Band gelaufen ist.

Foto – https://mma.prnewswire.com/media/2995624/image1.jpg
Foto – https://mma.prnewswire.com/media/2995628/image2.jpg
Foto – https://mma.prnewswire.com/media/2995626/image3.jpg
Foto – https://mma.prnewswire.com/media/2995627/image4.jpg
Foto – https://mma.prnewswire.com/media/2995625/image5.jpg

View original content:https://www.prnewswire.com/de/pressemitteilungen/agibot-world-challenge-2026-bringt-wettbewerb-fur-verkorperte-ki-bei-der-icra-2026-von-der-simulation-in-reale-robotertests-302792686.html