Der Sensor-Stack von Robotern

Ein moderner Laufroboter kommt – je nachdem, wie man zählt – mit fünfzehn bis vierzig eigenständigen Sensorkanälen auf den Markt. Das Marketingfoto zeigt zwei davon: die LiDAR-Einheit obenauf und die Tiefenkamera im Kopf. Die übrigen achtunddreißig stecken im Rumpf, in den Gelenken, in den Füßen und – zunehmend – in den Fingern. Sie sind der Unterschied zwischen „der Roboter ist aufgestanden" und „der Roboter ist aufgestanden, wusste, wo er war, und hat entschieden, was als Nächstes zu tun ist".

Dieser Beitrag geht durch, was 2026 tatsächlich in einem Humanoiden oder Vierbeiner steckt, wofür jeder Sensor da ist, welche Optionen auf jeder Ebene glaubwürdig sind und welche davon ehrlich gesagt überverkauft werden. Die vorherigen Artikel dieser Reihe – R01 und R02 – haben die Sensorik je Plattform aufgelistet. Dieser hier ist das Nachschlagewerk.

Zwei Welten: propriozeptiv und exterozeptiv

Jeder Robotersensor gehört in eine von zwei Kategorien, und diese Trennung ist wichtig, denn beide Welten haben völlig unterschiedliche Budgets für Latenz, Genauigkeit und Fehlerverhalten.

Propriozeptive Sensoren informieren den Roboter über sich selbst: wo seine Gelenke stehen, wie schnell sie sich bewegen, wo unten ist, ob ein Fuß Bodenkontakt hat. Sie arbeiten mit hohen Raten (200 Hz bis 2 kHz), sind deterministisch, vertragen keinen Jitter und hängen am Echtzeit-Bus der Motorsteuerung. Wenn auch nur einer von ihnen lügt, fällt der Roboter binnen 50 ms um.

Exterozeptive Sensoren informieren den Roboter über die Welt: Kameras, Tiefensensoren, LiDAR, Mikrofone, taktile Pads. Sie arbeiten langsamer (10–60 Hz), sind statistischer Natur (jedes Tiefenpixel rauscht, jeder LiDAR-Rückstrahl ist reflektivitätsabhängig skaliert) und hängen am Wahrnehmungsbus – per Ethernet oder USB am Applikationsprozessor. Fällt einer aus, bleibt der Roboter stehen, stürzt aber nicht.

Ein hilfreiches Denkmodell: Propriozeption hält den Roboter aufrecht. Exterozeption macht ihn nützlich. Das eine lässt sich nicht gegen das andere eintauschen.

Die IMU – der Sensor, an dem alles andere hängt

Die inertiale Messeinheit (IMU) ist der wichtigste einzelne Sensor eines Laufroboters. Sie liefert Beschleunigung in drei Achsen und Drehrate in drei Achsen (6-DoF-IMU) oder zusätzlich ein Magnetometer (9 DoF). Der Regelkreis liest sie mit 1 kHz oder mehr aus und schätzt daraus die Rumpforientierung, leitet den Gleichgewichtsfehler ab und sagt den nächsten Halbschritt voraus.

Ein Humanoider von 2026 trägt typischerweise zwei IMUs (eine im Rumpf, eine im Kopf); leistungsfähigere Plattformen ergänzen je eine pro Fuß. Vierbeiner arbeiten meist mit einer IMU im Körper und leiten den Fußzustand aus dem Gelenkmoment ab statt aus fußeigener Inertialsensorik.

Die BMI088 ist tatsächlich das Arbeitstier. Sie wurde für Drohnen und Robotik entwickelt, das Gyroskop ist bis ±2000 °/s Drehrate spezifiziert, und sie übersteht das Vibrationsspektrum, das ein laufender Humanoider erzeugt. Die ICM-42688 von TDK ist die Alternative, die in kostenoptimierten Aufbauten auftaucht. VectorNav ist der Schritt nach oben, wenn Sie im Freien wirklich Kursgenauigkeit brauchen – was die meisten Humanoiden für den Innenbereich nicht tun.

Die IMU ermöglicht außerdem ZUPT (Zero-Velocity Update) – jenen Kniff, bei dem der Fuß während der Standphase eines Schritts nachweislich stillsteht, sodass sich dieses Intervall nutzen lässt, um die Geschwindigkeitsschätzung in der SLAM-Pipeline zurückzusetzen. Ohne ZUPT ruiniert die Koppelnavigationsdrift VIO und LIO binnen Minuten. Mit ZUPT sinkt die Drift um eine Größenordnung. Ein Roboter ohne IMU je Fuß oder Bein verliert diese Möglichkeit – einer der Gründe, warum hochwertige Forschungshumanoide IMUs in die Füße setzen.

Die Falle, die Sie vermeiden sollten: Marketing mit der Abtastrate. Eine IMU mit 2 kHz und 5 °/h Bias ist für jede Aufgabe, die länger als zehn Sekunden dauert, deutlich schlechter als eine mit 400 Hz und 0.5 °/h Bias. Lesen Sie den Wert für die Bias-Stabilität, nicht die Schlagzeilenrate.

Gelenkencoder – der Sinn, den das Datenblatt verschweigt

Jedes angetriebene Gelenk hat mindestens einen Encoder. Die meisten Serien-Humanoiden und -Vierbeiner setzen zwei pro Gelenk ein – einen Absolutencoder an der Abtriebswelle (für Sicherheit und Startvorgang) und einen Inkrementalencoder am Motor (für hochauflösende Geschwindigkeitsrückmeldung). Diese Doppelanordnung macht den Unterschied zwischen einem Forschungsprototyp und einem System, das Sie über Nacht laufen lassen können.

Zwei Familien dominieren:

• Magnetische Absolutencoder. AS5048 und Nachfolger (ams-osram), MT6816, AS5047. 14 Bit Auflösung = 16,384 Schritte pro Umdrehung = 0.022° native Genauigkeit. Nach Linearisierung im Mikrocontroller sind rund 0.05° erreichbar. Berührungslos, kein mechanischer Verschleiß, unempfindlich gegen Stöße und Vibration. Der Standard.
• Optische Encoder. Im oberen Segment höher auflösend (20 Bit, ~0.0003°) und in sauberen Industrieumgebungen überlegen. Sie haben allerdings eine Glasscheibe, brauchen exakte Ausrichtung und mögen das Vibrationsspektrum eines Roboterbeins überhaupt nicht. Man findet sie in der Chirurgie- und Präzisionslaborrobotik, nicht in Laufplattformen.

Die Abwägung ist eindeutig: Für Beine und die meisten Arme sind magnetische Encoder die richtige Antwort; optische Encoder tauchen in Handgelenks- und Fingergelenken hochwertiger Geschickhände auf, wo es wirklich auf die letzte Nachkommastelle ankommt.

Kalibrierdrift ist das Fehlerbild, vor dem niemand warnt. Encoder sind genau, aber sie beziehen sich auf einen Nullpunkt, der beim Start oder bei der Inbetriebnahme gesetzt wird. Mit der Zeit verschiebt sich das mechanische Verhältnis zwischen Encoder und Gelenk durch Temperaturwechsel, Verschleiß des Harmonic Drive und Stöße um Zehntelgrad. Im Produktivbetrieb braucht es deshalb eine Prozedur zum Neunullen (meist quartalsweise) und einen Überwachungsschwellwert, der Alarm schlägt, wenn die Nullpunktdrift eines Gelenks die Spezifikation überschreitet. Wer das überspringt, erlebt, wie ein bei der Installation perfekter Roboter nach sechs Monaten Gegenstände fallen lässt.

Tiefenkameras – das Arbeitstier der Wahrnehmung

Die RGB-D-Kamera im Kopf ist 2026 der am häufigsten genutzte exterozeptive Sensor in der Laufrobotik. Sie genügt für Hindernisvermeidung, Geländeklassifikation auf ein bis drei Meter, Erkennung von Greifpunkten auf einer Tischplatte und SLAM auf kurze Distanz. Drei Technologien konkurrieren:

Zwei Produktfamilien dominieren die Welt der Laufroboter:

Intel RealSense. D435 und D435i sind der etablierte Standard – 87° × 58° Sichtfeld, 0.1–10 m Reichweite, ~2 % Tiefenfehler auf 2 m, Global Shutter auf den Tiefensensoren. Die D435i ergänzt eine in die Kamera integrierte IMU der Klasse Bosch BMI055, was das Problem der Zeitsynchronisation entschärft. Die D455 verdoppelte die Basisbreite auf 95 mm und damit die nutzbare Reichweite (Tiefenfehler <2% auf 4 m) und brachte die IMU serienmäßig mit. Die D457 ist die für GMSL2/FAKRA robustifizierte D455 – gleiche Bildgebung, Steckverbinder in Automotive-Qualität, IP65-Gehäuse, ausgelegt für Roboter, die das Labor tatsächlich verlassen. Nahezu jeder Forschungshumanoide aus R01 trägt entweder eine D435i oder eine D455 im Kopf; die D457 findet sich an außentauglichen Vierbeinern.

Orbbec. Die chinesische Alternative – Femto Bolt, Femto Mega, Gemini 335 / 336 / 2 XL. Interessant ist die Femto Mega, weil sie einen Jetson Nano direkt in der Kamera integriert und Microsofts ToF-Sensor nutzt (denselben wie im Azure Kinect DK, nachdem Microsoft diesen Markt verlassen hat). Die Gemini 2 XL dehnt die nutzbare Tiefe am oberen Ende auf 20 m aus. Die Orbbec-Modelle sind bei vergleichbaren Daten typischerweise 30–50 % günstiger als RealSense und haben sich auf Plattformen aus chinesischer Fertigung durchgesetzt, wo Lieferkettenrisiken bei Intel-Bauteilen ein Thema sind. Für reine Innenraumrobotik sind sie gleichwertig; für den Außeneinsatz und bei starker Vibration bietet das RealSense-Ökosystem nach wie vor die bessere Autopilot- und ROS-2-Anbindung.

Eine Falle, in die Integratoren beim ersten Mal tappen: IR-Interferenz zwischen mehreren Kameras. Stellen Sie zwei Tiefenkameras mit strukturiertem Licht einander zugewandt in denselben Raum, verlieren beide im Überlappungsbereich die Tiefeninformation. Abhilfe: die Projektoren im Zeitmultiplex betreiben (per Hardware-Trigger den einen abschalten, während der andere aufnimmt) oder auf reines Stereo ohne aktiven Projektor wechseln. Das ist einer der Gründe, warum größere Flotten zu passivem Stereo oder ToF tendieren.

RGB-Kameras – und warum der Verschlusstyp wichtiger ist als die Megapixel

Der RGB-Sensor der Tiefenkamera ist für seinen Zweck meist völlig ausreichend, doch ein ernsthafter Manipulationsaufbau ergänzt eine separate RGB-Kamera für hochauflösende Farbbilder. Die nicht offensichtliche Frage lautet: Global Shutter oder Rolling Shutter?

Ein Rolling-Shutter-Sensor liest die Pixelzeilen nacheinander aus. Bewegen sich Kamera oder Szene während des Auslesens, verschert das Bild – aus einer senkrechten Linie wird eine Diagonale, aus einem drehenden Rad eine Banane. Für eine stationäre Tischinspektion ist das unproblematisch. Für einen laufenden Humanoiden, dessen Kopf bei jedem Schritt seitlich mit 5 m/s² beschleunigt, zerstört Rolling Shutter das Feature-Matching, bricht die visuelle Odometrie und liefert unbrauchbare Eingaben für VLMs.

Die Regel ist einfach: Alles, was auf einem bewegten Roboter sitzt, braucht Global Shutter. Die Tiefenmodule von D435i, D455 und D457 arbeiten durchweg mit Global Shutter (der Farbsensor mancher Varianten nutzt Rolling Shutter – lesen Sie das Datenblatt). Eine separate Global-Shutter-RGB-Kamera schlägt mit 200–600 € pro Aufbau zu Buche. An dieser Stelle zu sparen, gehört zu den häufigsten und folgenschwersten Spezifikationsfehlern beim ersten Roboterprojekt.

LiDAR – wann es sich rechnet und wann nicht

LiDAR ist 2026 der am stärksten überspezifizierte Sensor der Robotik. Auf Vierbeinern im Außeneinsatz, auf SLAM-Plattformen über mehrere Räume hinweg und überall dort, wo zuverlässig über 10 m hinaus gesehen werden muss, ist es unverzichtbar. Auf einem Manipulationshumanoiden, der im Innenraum in einem Volumen von 3 m × 3 m arbeitet, ist es überdimensioniert.

Zwei Architekturen stehen zur Wahl:

• Rotierendes mechanisches LiDAR. Klassische Bauweise mit rotierendem Spiegel. Höhere Kosten, mehr Kanäle, ausgereift. Ouster OS0 / OS1 (seit 2026 als Rev8 mit nativer Farbe), Hesai XT16 / XT32 / QT128. Rotierende Einheiten sind Verschleißteile, doch die Lager halten inzwischen über 30,000 Stunden.
• Solid-State- und Hybrid-Solid-State-LiDAR. Livox' Hybridbauweise mit rotierendem Spiegel (Mid-360, HAP, Avia) sowie reines MEMS-Solid-State. Kein außenliegendes Drehteil, geringere Kosten, teils ungleichmäßige Scanmuster. Das Mid-360 hat sich bei Laufrobotern als Standard durchgesetzt.

Typische Sensoren in der Welt der Laufroboter:

Die Vormachtstellung des Livox Mid-360 ist verdient: Es ist klein (unter 300 g), sparsam (unter 10 W), deckt mit 360° genug für SLAM ab – und ist mit $800 günstig genug, um auf Roboterhunden der Consumer-Klasse serienmäßig mitzufahren. Für einen Humanoiden, der im Gebäude unterwegs ist und eine Karte erstellen soll, ist das Mid-360 in 80 % der Fälle die Antwort.

Wann LiDAR wirklich zählt:

• SLAM im Freien oder über mehrere Räume, wo die Reichweite einer Tiefenkamera (5–8 m) nicht genügt.
• Navigation in langen Fluren, wo Sie das Ende des Gangs schon vom Anfang aus sehen müssen.
• Helles Sonnenlicht, bei dem Tiefenkameras mit IR-Projektor versagen und nur LiDAR oder passives Stereo funktionieren.
• Reflektierende oder texturlose Umgebungen (Lagerhallen mit lackierten Böden, Glaswände), in denen Stereo keine Merkmale findet.

Wann LiDAR überverkauft wird:

• Manipulation durch Humanoide im Innenraum in einem Arbeitsbereich unter 5 m. Ein Paar D455 erledigt das zu einem Zehntel der Kosten und des Gewichts.
• „Marketing-Hunde" , deren Vorführungen nie den asphaltierten Bereich verlassen. Das LiDAR ist dort, um seriös auszusehen.
• Vollgestellte Räume mit reichlich Textur. Stereo genügt dort völlig, und das LiDAR macht dieselbe Arbeit ein zweites Mal.

Wenn Sie alle vier Fragen unter „Wann es zählt" mit Nein beantworten können, brauchen Sie kein LiDAR. Sparen Sie die $800–$8,000 und stecken Sie das Geld in eine Global-Shutter-RGB-Kamera und eine bessere IMU.

Kraft-Momenten-Sensorik am Endeffektor – der Türöffner für Manipulation

Sobald ein Roboter mehr tun soll, als starre Plastikklötzchen aufzuheben, wird die Kraft-Momenten-Messung am Handgelenk zum Engpass. Ein 6-Achsen-Kraft-Momenten-Sensor misst drei Kraft- und drei Momentenkomponenten am Übergang zwischen Handgelenk und Greifer beziehungsweise Hand und speist sie in den Impedanzregler ein, der entscheidet, wie fest gedrückt wird, wann gestoppt wird und wann etwas klemmt.

Die Referenzgeräte kommen von ATI Industrial Automation (Mini, Nano, Axia, Mini43LP). Der Mini43LP trifft derzeit den Sweetspot für Humanoiden-Handgelenke – unter 8 mm Bauhöhe, 6 Achsen, Halbleiter-Dehnungsmessstreifen, Echtzeitdaten mit 8 kHz über EtherCAT oder Ethernet. Je nach Konfiguration liegen die Kosten zwischen $4k und $12k – der Grund, warum die meisten Humanoiden unter $50k ohne Kraft-Momenten-Sensorik ausgeliefert werden. Der Unitree H1-2 mit Manipulationsarmen unterstützt sie, die G1-Basis nicht.

Lautet Ihre Aufgabe „ein Tablett mit Tassen tragen", „eine Kühlschranktür öffnen, ohne den Griff abzureißen" oder „einem Menschen ein Werkzeug reichen", brauchen Sie Kraft-Momenten-Sensorik am Handgelenk. Lautet sie „ein bekanntes Objekt von einer bekannten Stelle aufnehmen", können Sie das über die Motorstromrückmeldung annähern und sich den dedizierten Sensor sparen.

Taktile Sensoren – die echte, aber unreife Grenze

Taktile Sensorik ist genau die Technologie, mit der Humanoiden-Demos 2026 laut werben und die im Produktivbetrieb 2026 kaum jemand einsetzt. Sie ist reif genug, um in der Forschung nützlich zu sein – aber noch nicht reif genug, um günstig, zuverlässig und wartungsfrei zu sein.

Zwei Familien sind relevant:

• GelSight / DIGIT. Kamerabasierte taktile Sensoren – ein weiches Elastomerpad mit Markern, das von unten beleuchtet und von einer winzigen Kamera erfasst wird. Erfasst die Kontaktgeometrie der Oberfläche im Submillimeterbereich und leitet Scher- und Normalkraft aus der Markerverschiebung ab. Ursprünglich MIT-Forschung, von GelSight zur Produktreife gebracht; die DIGIT-Variante entstand gemeinsam mit Meta AI (Digit 360 Ende 2024 vorgestellt, SBIR-Verträge der Phase II laufen 2026). Hervorragend bei feiner Geometrie – Textur, Kanten, Schlupferkennung. Die Kosten liegen bei $1k bis $3k pro Finger, hinzu kommt die Rechenlast für die Kameraauswertung.
• Kapazitive und piezoresistive Arrays. Ältere Technik, geringere Auflösung, deutlich günstiger. In manchen Greifern für ein grobes Ja/Nein zum Kontakt im Einsatz. Im modernen Sinne ist das keine taktile Sensorik.

Was taktile Sensorik einem Humanoiden tatsächlich ermöglicht:

• Schlupferkennung. Der Roboter spürt, wie ein Objekt aus dem Griff rutscht, und erhöht die Kraft, bevor es fällt. Das ist derzeit das mit Abstand nützlichste taktile Signal in der Forschung.
• Objektunterscheidung anhand der Textur. Stoff, Leder oder Metall – erkannt an der Fingerkuppe.
• Rekonstruktion der Geometrie. Aufbau eines 3D-Modells von einem Objekt, das die Hand blind ertastet.

Was taktile Sensorik noch nicht zuverlässig leistet:

• Robotereinsatz im Umfang eines Spülmaschinenzyklus überstehen. Weiche Gel-Pads nutzen sich ab, bekommen Schnitte und müssen turnusmäßig getauscht werden wie Fußsohlen.
• Ohne dedizierte GPU auskommen. Kamerabasierte taktile Sensorik ist Echtzeit-Bildverarbeitung; jeder Sensor erzeugt 10–30 % zusätzliche Last auf einem Jetson AGX.
• Standardisierung. Jede Forschungsgruppe pflegt ihre eigene taktile Variante. Eine ROS-2-Standardnachricht für taktile Daten, auf die sich alle einigen, gibt es bislang nicht.

Die ehrliche Einschätzung: Taktile Sensorik wird 2027–2028 im Produktivbetrieb eine Rolle spielen. 2026 ist der Einbau von GelSight-DIGITs in einen Forschungshumanoiden eine echte Fähigkeit – sofern das Forschungsbudget es hergibt. Für einen Produktiveinsatz ist die Bestellung verfrüht.

Mikrofone, Fußkontakt und der Rest

Einige weitere Sensoren runden den Aufbau ab.

Mikrofonarrays. Ein Array mit 4 Mikrofonen ist Standard, auf Premiumplattformen sind es mitunter 6 oder 8. Sie erfüllen drei Aufgaben: Wake-Word-Erkennung (häufig lokal auf einem stromsparenden DSP), Schätzung der Einfallsrichtung für die Frage „Wer hat das gesagt?" und Beamforming für saubere Spracherkennung in einem lauten Raum. Die Richtungsschätzung ist die unterschätzte Funktion – ein Roboter, der den Kopf zu der Person dreht, die ihn angesprochen hat, wirkt ungleich präsenter als einer, der das nicht tut. Einzelmikrofone genügen für Assistenten auf dem Schreibtisch und sind an einem Roboter auf 1.5 m Höhe in einem Raum mit drei Personen nutzlos.

Fußkontakt und Druck. Es gibt zwei Umsetzungen. Wägezellen unter dem Fuß sind die explizite Variante, eingesetzt bei Spot und ANYmal D. Die aus IMU und Drehmoment abgeleitete Messung ist die implizite Variante und kommt auf jeder Plattform von Unitree und DeepRobotics zum Einsatz: Setzt der Fuß auf, springt das Beindrehmoment, die Fuß-IMU registriert den Aufprall, und der Zustandsautomat des Gangbilds schließt daraus auf Bodenkontakt. Wägezellen sind auf rutschigen Oberflächen zuverlässiger, wo das Drehmoment allein mehrdeutig bleibt; die abgeleitete Variante ist günstiger und für 90 % der Einsätze gut genug.

Radencoder (bei Rad-Fuß-Hybriden unter den Vierbeinern). Unitree B2-W und Go2-W ergänzen jedes Bein am Ende um ein angetriebenes Rad. Jedes Rad hat einen eigenen Inkrementalencoder, und die SLAM-Pipeline fusioniert die Radodometrie mit IMU und LiDAR. Radodometrie ist die günstigste Eingabe für die Koppelnavigation überhaupt – ist sie verfügbar, wird die SLAM-Lösung stabiler. Der Preis dafür ist ein zusätzliches Fehlerbild (Räder rutschen, Räder verschmutzen, Räder fallen aus) – weshalb die Rad-Fuß-Varianten eine sorgfältiger abgestimmte Zustandsschätzung brauchen als ihre laufenden Geschwister.

Sensorsynchronisation – das unsichtbare Fehlerbild

Was mehr Wahrnehmungs-Pipelines in Robotern zerlegt als alles andere – und worüber kaum jemand spricht, bis es zuschlägt – ist die Zeitsynchronisation über alle Sensoren hinweg.

Das Problem: Eine Tiefenkamera liefert Bilder mit 30 Hz, die IMU läuft mit 1 kHz, das LiDAR mit 10 Hz und die Gelenkencoder mit 1 kHz. Jeder Sensor hat seine eigene Uhr und seine eigene Latenz zwischen Ereignis und Zeitstempel. Driften diese Uhren oder stimmen die Zeitstempel nicht, produziert die Sensorfusion Unsinn – und niemand weiß, warum: Der Roboter halluziniert Hindernisse, oder seine SLAM-Karte verschmiert bei jeder Drehung.

Drei Abhilfestufen, nach Leistungsfähigkeit geordnet:

1. Software-NTP. Günstig, erreicht in einem kabelgebundenen LAN 1–10 ms Genauigkeit. Für Logging und übergeordnete Überwachung völlig ausreichend. Für enge Sensorfusion bei 1 kHz katastrophal.
2. IEEE 1588 PTP (Precision Time Protocol). Hardwaregestützte Zeitstempel in der Netzwerkkarte, Genauigkeit im Submikrosekundenbereich in einem geswitchten Ethernet-Netz. Genau das nutzen ernsthafte Multisensor-Roboter – vorausgesetzt, Switches und Sensoren beherrschen PTP. Livox-LiDARs unterstützen es. RealSense unterstützt es per Firmware. Die meisten günstigen USB-Tiefenkameras nicht.
3. Hardware-Trigger. Eine physische Impulsleitung, die Kamera, LiDAR und Sample-and-Hold der IMU gleichzeitig auslöst. Synchronisation im Nanosekundenbereich, allerdings nur für Sensoren mit externem Triggereingang – typischerweise Kameras und LiDARs in Industriequalität, nicht die USB-Geräte der Consumer-Klasse.

Was ohne Synchronisation kaputtgeht, geordnet danach, wie oft es zuschlägt:

• Die VIO-Drift beschleunigt sich , wenn die Zeitstempel von IMU und Kamera um mehr als 2–5 ms auseinanderliegen.
• LIO erzeugt Geisterhindernisse , wenn LiDAR und IMU unterschiedlicher Auffassung darüber sind, wo der Roboter während des Scans war.
• VLM-gestütztes Greifen setzt am falschen Punkt an , wenn das Tiefenbild und der Encoderwert, mit dem der Greifer positioniert wird, aus unterschiedlichen Momenten stammen.

Wenn Sie Sensoren mehrerer Hersteller integrieren, stellen Sie die PTP-Frage früh. Die nachträgliche Korrektur bedeutet in der Regel eine Neuarchitektur des Sensorbusses, keine kleine Anpassung.

Rechenlast je Sensor – was der Jetson tatsächlich leistet

Ein moderner Jetson AGX Orin (200 TOPS, 32 GB RAM) hat in einem Humanoiden mehr zu tun, als das Datenblatt vermuten lässt. Eine realistische Lastverteilung im Dauerbetrieb:

In Summe liegt der Jetson dauerhaft bei 60–80 %, mit Spitzen bis an die Drosselgrenze, sobald das VLM läuft. Für ein zweites großes Modell bleibt praktisch kein Spielraum – genau das ist das Architekturargument aus I01: Das schwere Denken wandert nach außen, weil der Jetson bereits voll ist.

Kommt taktile Sensorik hinzu, schlägt sie mit weiteren 10–30 % je Sensorpaar zu Buche. Kraft-Momenten-Sensorik ist praktisch kostenlos (CPU-seitig, niedrige Rate). Die Überraschung ist das LiDAR: Die Vorverarbeitung der Punktwolke ist keineswegs günstig, und ein hochdichtes LiDAR (Hesai QT128, Ouster OS1 mit 256 Kanälen) sättigt einen Jetson Orin Nano, noch bevor der Wahrnehmungscode überhaupt anläuft. Wählen Sie die LiDAR-Dichte passend zur Rechenleistung, nicht passend zum Marketing.

---

Dieser Beitrag ist Teil des Kentino Wiki, einer Referenzreihe zu KI-Compute, Robotik und den Systemen, die beides verbinden. Anmerkungen und Korrekturen sind willkommen unter info@kentino.com.