Amazons Arm Robin lernte das Greifen anhand von 394.000 seiner eigenen im Einsatz protokollierten Griffe

Robin ist Amazons erster hauseigener Roboterarm von Amazon Robotics zum Sortieren einzelner Versandtaschen und Kartons aus ungeordneten Haufen: acht Saugnäpfe, eine Kameraansicht von oben und Software, die mögliche Griffe bewertet. Er wurde ab 2021 getestet und 2022 in einer Anlage in Lakeland, Florida, erstmals eingesetzt. Die ersten Strategien waren handcodiert, und jede scheiterte auf charakteristische Weise – eine bevorzugte größere Pakete und blieb stehen, wenn kleinere obenauf lagen oder sie überlappten; eine andere bevorzugte Pakete nahe der Spitze von Haufen und verfehlte immer wieder verschüttete, unerreichbare Griffe.

Die Lösung bestand darin, die Flotte selbst lernen zu lassen. Amazons Team trainierte ein Machine-Learning-Modell mit mehr als 394.000 protokollierten Greifaktionen aus eingesetzten Armen, um die Erfolgswahrscheinlichkeit jeder Kandidatenaktion zu schätzen, und setzte dann einen Online-Greif-Ranker ein, um auszuwählen, was Robin tun sollte. In der 2023 veröffentlichten Arbeit des Teams traf die beste ML-Methode 93,73 % der Fälle korrekt, gegenüber 92,28 % beim besten traditionellen Algorithmus – eine Differenz von 1,45 Punkten, die über einen Arbeitszeitraum von mehr als 1 Million Griffen etwa 16.500 weniger fehlgeschlagene Griffe bedeutete.

Ein Folgeexperiment, das den Betrieb der Robin-Flotte nachbildete, senkte die Rate fehlgeschlagener Griffe über 2 Millionen Griffe um 20 %; vorgestellt auf dem International Symposium on Experimental Robotics im Juli 2025. Robins Erkenntnisse flossen in Cardinal ein, einen Arm, der 50-Pfund-Kartons dicht in Wagen packt („man kann es sich wie eine Partie Tetris vorstellen“), und derselbe Foundation-Model-Ansatz verbreitete sich auf Sparrow, der Hunderte Millionen Produkttypen ohne artikelweise Handcodierung bewältigt.

Jeden Griff protokollieren, den ein eingesetzter Roboterarm ausführt, ein Modell trainieren, das die Erfolgschancen jeder Kandidatenaktion schätzt, und es die Aktionen bewerten lassen – die Flotte etikettiert sich selbst.

Jede handgefertigte Regel optimierte einen Fehlermodus in einen anderen hinein: Die Priorisierung großer Pakete blieb bei Überlappungen stehen, die Priorisierung oberer Griffe ließ verschüttete zurück.

Die Arme erzeugten bereits etikettierte Daten – jeder Griff funktionierte oder nicht –, sodass das Training mit 394.000 protokollierten Aktionen keinen zusätzlichen Etikettierungsaufwand erforderte.

Unterschiede pro Griff wirken trivial, bis sie sich vervielfachen: Amazon bewertete Strategien nach Fehlern pro Million Griffe, wo 1,45 Punkte 16.500 eingesparten Griffen entsprechen.

Im Flottenmaßstab summieren sich winzige Gewinne pro Aktion: Ein Vorsprung von 1,45 Punkten bei der Greiferfolgsquote bedeutet 16.500 weniger Fehler pro Million Griffe – und das eigene Betriebsprotokoll ist der Trainingsdatensatz.

Robin wurde zur Vorlage für Amazons hauseigene Armreihe: Cardinal (dichtes Packen in Wagen, erster Einsatz in Nashville im November 2022), Sparrow (Foundation-Modelle zur Identifizierung und zum Greifen Hunderter Millionen Produkte, wodurch die Notwendigkeit entfällt, jeden Artikel manuell zu codieren) und Vulcan, der erste, der Berührung – Kraftrückkopplungssensoren – zur Bilderkennung hinzufügt, um in stoffbespannten Pods zu greifen. Amazons CFO sagte in der Telefonkonferenz zu den Quartalszahlen im Juli 2026, das Unternehmen erwarte, seine Roboterarmflotte in diesem Jahr mehr als zu verdoppeln; Amazon Robotics bezifferte die aktuellen Einsätze auf wenige Tausend.