𝗧𝗿𝗮𝗰𝗸𝗶𝗻𝗴 𝗮𝗻𝗱 𝗼𝗯𝗷𝗲𝗰𝘁 𝗱𝗲𝘁𝗲𝗰𝘁𝗶𝗼𝗻 𝗳𝗼𝗿 𝗿𝗼𝗯𝗼𝘁𝗶𝗰𝘀 In der Robotik ist die Objekterkennung ein Schnappschuss: „Es gibt eine Flasche bei (x, y) in diesem Bild.“ Objektverfolgung ist die schwierigere, operationale Sache: „Das ist die gleiche Flasche wie zuvor, sie hat sich so bewegt, und sie ist immer noch da, auch wenn ich sie für 200 ms nicht sehe.“ Stellen Sie sich einen mobilen Manipulator an einer Küchenzeile vor. Die Aufgabe ist auf dem Papier einfach: Nehmen Sie die blaue Flasche von einem überladenen Tisch, während sich eine Person in der Nähe bewegt. Der Roboter hat eine Kamera (vielleicht auch eine Tiefenkamera). Er führt einen Objekterkenner aus und erhält eine Begrenzungsbox, die mit „Flasche“ beschriftet ist, mit einem Vertrauensscore. Das klingt nach Wahrnehmung. Ist es aber noch nicht. Im Bild 1 sieht der Detektor die Flasche. Im Bild 2 verdeckt der Arm der Person teilweise die Flasche, das Vertrauen sinkt, und die Box verschwindet. Im Bild 3 taucht die Flasche wieder auf, aber der Detektor verschiebt die Box leicht. Aus der Perspektive des Planers ist die Flasche aus dem Dasein verschwunden und teleportiert. In einem Durcheinander gibt es auch Duplikate: Der Detektor könnte zwei plausible „Flasche“-Boxen für dasselbe Objekt erzeugen. Wenn der Roboter direkt auf die Erkennungen pro Bild reagiert, sieht man klassische Fehlverhalten: ➤ Er zögert, weil das Ziel in jedem zweiten Bild „fehlt“, ➤ Er plant ständig neu, weil die Zielposition schwankt, ➤ Er greift nach dem falschen Objekt, wenn zwei ähnliche Gegenstände erscheinen, ➤ Er kann nicht zuverlässig durchsetzen, „nicht mit der Person zu kollidieren“, weil die Box der Person ebenfalls flackert. Deshalb hört die Wahrnehmung in der Robotik selten bei der Erkennung auf. Sie benötigt Objektpermanenz: die Fähigkeit zu sagen „das ist immer noch die gleiche Flasche, auch wenn ich sie kurz aus den Augen verliere.“ Tracking verwandelt die Schätzungen von Bild zu Bild in ein stabiles Weltmodell. Ein typischer Ansatz ist „Tracking durch Erkennung“: Sie führen weiterhin einen Detektor in jedem Bild aus, aber Sie verknüpfen die Erkennungen über die Zeit mit beständigen Verfolgungen (IDs) unter Verwendung von Vorhersage + Assoziation. Konkret macht der Tracker drei Dinge: ➤ Vorhersagen „Wo sollte die Flasche jetzt sein?“ ➤ Assoziieren „Welche Erkennung gehört zu welcher Verfolgung?“ ➤ Identität unter Veränderungen aufrechterhalten Zurück zu unserer Tischszene: Sobald Sie verfolgen, hört die Flasche auf zu blinken. Sie hat eine stabile ID, eine geglättete Positionsschätzung und oft eine Geschwindigkeitsabschätzung. Jetzt kann der Planer sich wie ein Erwachsener verhalten: Er kann eine kurze Umweltveränderung abwarten, sich auf ein Ziel festlegen und eine sichere Trajektorie um eine sich bewegende Person planen. Selbst mit Tracking weiß der Roboter immer noch nicht, was er in menschlichen Begriffen tut. Er hat „Track #7“ mit einer Begrenzungsbox und vielleicht einem Klassenlabel „Flasche“. Das reicht nicht für echte Aufgaben, denn echte Aufgaben betreffen Beziehungen und Absichten: ➤ „Nehmen Sie die blaue Flasche (nicht die klare).“ ➤ „Reichen Sie nicht über die Person hinweg.“ ➤ „Die Flasche ist hinter der Tasse.“ ➤ „Wenn die Person danach greift, pausieren.“ Hier können LLMs (oft in Kombination mit VLMs) helfen, indem sie über eine strukturierte Darstellung der Szene nachdenken, die aus Verfolgungen aufgebaut ist. Der Schlüssel ist, dass das LLM in einem stabilen Zustand arbeiten muss. Wenn Sie ihm rohe Erkennungen pro Bild füttern, erhalten Sie ein niedriges Denkvermögen, weil seine Eingaben flackern. Tracking macht die semantische Ebene kohärent.

𝗪𝗵𝗲𝗿𝗲 𝗶𝘀 𝗿𝗼𝗯𝗼𝘁𝗶𝗰𝘀 𝘁𝗼𝗱𝗮𝘆? Der "gelöste" Teil der Robotik ist die industrielle Automatisierung in kontrollierten Umgebungen. Es ist nicht perfekt, aber es ist reif genug, um global zu skalieren. Die Internationale Föderation der Robotik berichtete von 4.281.585 Industrierobotern, die weltweit in Fabriken im Einsatz sind (World Robotics 2024). Und in den Statistiken von World Robotics 2025 berichtet die IFR von über 542.000 installierten Industrierobotern im Jahr 2024, mit jährlichen Installationen von über 500.000 in 4+ aufeinanderfolgenden Jahren. Das ist der "Fabrikvorteil": Aufgaben sind wiederholbar, Umgebungen sind strukturiert, und Sicherheitsgrenzen können konstruiert werden. Wenn ein Roboterarm schweißt oder Komponenten platziert, kann man die Welt so einschränken, dass der Roboter intelligent aussieht. Die Grenze ist alles außerhalb dieser Komfortzone: mobile Roboter in überfüllten Räumen, Feldrobotik, flexible Manipulation (greifen von unordentlichen Objekten) und jedes Szenario, in dem der Roboter unter Unsicherheit über längere Zeiträume nachdenken muss. Hier besteht die zentrale Schwierigkeit nicht darin, "kann es eine Demo machen." Die zentrale Schwierigkeit ist die Zuverlässigkeit im großen Maßstab: kann es die Aufgabe sicher, vorhersehbar und wirtschaftlich tausendmal ausführen, einschließlich der seltsamen 2% der Fälle. Das ist auch der Grund, warum die Robotik besessen von Sicherheit und Fehlermodi ist. Ein Softwarefehler in einer Webanwendung ist ärgerlich. Ein Softwarefehler in einer sich bewegenden Maschine wird kinetisch. Das drängt Robotik-Teams zu konservativen Einsätzen: Redundanz, sicheres Stop-Verhalten, schrittweise Rollouts und sorgfältige Überwachung. Es erklärt auch, warum physischer Fortschritt langsamer erscheinen kann als reiner Software.

Verschlüsselte Mempools sind eine der saubersten Ideen zur Minderung von MEV: Transaktionsdetails verbergen, bis es zu spät ist, um sie vorab auszuführen. Wenn Validatoren (oder ein Schwellenkomitee) die Nutzlast nicht sehen können, können sie nicht einfach: - einen Handel kopieren, - ihn zwischen zwei Aufträgen platzieren, - den Orderflow verkaufen, - oder sich um ihn herum positionieren. In diesem Fall ersetzt man „jeder sieht alles sofort“ durch „die Offenlegung erfolgt später und muss koordiniert werden.“ Die Hauptkosten zeigen sich als: ➤ Latenz / Verzögerung, bei der einige Designs eine Offenlegungsphase, ein Entschlüsselungsfenster oder Vorbestätigungen erfordern. Das kann Zeit vor der Ausführungssicherheit hinzufügen. ➤ Koordinationsrisiko, bei dem jemand entschlüsseln muss (ein Validator-Set, ein Komitee oder ein Mechanismus). Wenn sie scheitern, stocken oder kolludieren, verschlechtert sich die Benutzererfahrung. ➤ neue Fehlermodi, bei denen Schlüsselverwaltung, Lebensdauerannahmen und „wer was wann erfährt“ Teil deiner Protokolloberfläche werden. Verschlüsselte Mempools sind also kein kostenloses Mittagessen, sondern eine bewusste Entscheidung, einen Koordinationsaufwand zu zahlen, um die Sichtbarkeit zu reduzieren.