Die US-amerikanische Bionikfirma PSYONIC hat einen innovativen Ansatz zur Beschaffung hochwertiger Manipulationsdaten für die Robotik vorgestellt. Anstatt auf aufwändige Fernsteuerung oder aufwändige Simulationen zurückzugreifen, sammelt das Unternehmen unter der Leitung von CEO Aadeel Akhtar operative Daten direkt von derzeit rund 300 Amputierten. Diese nutzen den prosthetischen Ability Hand im Alltag, wobei integrierte Drucksensoren und Vibrationssysteme kontinuierlich Kontaktelemente, Greifkräfte, Fingerbewegungen und Drehmomente erfassen. PSYONIC bezeichnet diese Methodik als Real-to-Real-Transfer, um menschliche Handkompetenz direkt auf industrielle Roboter zu übertragen und die typischen Leistungsreduktionen durch Simulationsbrücken zu umgehen. Technisch basiert die prothetische Hand auf EMG-gesteuerten Signalen, einer nachgiebigen Mechanik zur Anpassung an unregelmäßige Objekte sowie einem geschlossenen Regelkreis aus Tastsensorik und haptischem Feedback. Das Produkt ist FDA-zugelassen und im US-Krankenversicherungssystem verankert. In Zusammenarbeit mit NVIDIA wurde die Ability Hand im März 2026 auf der GTC-Konferenz als Native Asset in die Open-Source-Plattform Isaac Lab integriert. Ziel ist die gemeinsame Entwicklung von Vision-Language-Action-Modellen und Weltmodellen mittels des GR00T-Ökosystems, wobei qualitativ hochwertige Multimodal-Daten den benötigten Datenumfang erheblich reduzieren sollen. Im Juni ging die Technologie eine strategische Partnerschaft mit ABB Robotics ein. Die Ability Hand wurde an den kollaborativen Roboter GoFa adaptiert, um menschliche Greifstrategien in der Fertigung zu validieren. Anwendungsschwerpunkte liegen zunächst in der Automobilindustrie, der Logistik sowie der Laborautomatisierung. Akhtar kündigte an, innerhalb von sechs bis zwölf Monaten eine operationale Zuverlässigkeit von über neunzigneun Prozent zu erreichen. Das Unternehmen expandiert aktuell stark und plant, seine Belegschaft in den nächsten eineinhalb Jahren zu verdreifachen. Trotz des innovativen Ansatzes bleiben technische und skalenbedingte Herausforderungen bestehen. Die Datensammlung von dreihundert Nutzern steht im Vergleich zu den für tiefes Lernen notwendigen Millionen von Trajektorien noch am Anfang. Zudem muss die Distribution Shift zwischen alltäglichen Haushaltsbewegungen und hochpräzisen Industrieapplikationen überwunden werden. Kritiker und Analysten verweisen auf die Diskrepanz zwischen der angestrebten 99-Prozent-Zuverlässigkeit und den in der Fertigung oft geforderten 99,9 Prozent. Parallel arbeitet PSYONIC mit der UC San Diego sowie dem Naval Medical Center San Diego an der Entwicklung von Implantaten für direkte neuro-muskuläre Schnittstellen, um die Feinmotorik und den Tastsinn weiter zu optimieren. Die Doppelstrategie aus prothetischer Anwendung und Robotik-Skalierung soll langfristig die Lücke zwischen menschlicher Dexterität und autonomer Maschinensteuerung schließen.