Een camera ziet niet of een slot echt open is. Een mens hoort de klik en voelt de weerstand wegvallen. Met Neuron AI wil het Duitse NEURA Robotics zijn robots precies dat leren: het nieuwe foundation model combineert 3D-beeld met tast, kracht, geluid, de eigen toestand van de robot en taal, en het onthoudt wat er gebeurd is. Deze week krijgt het zijn eerste publieke test, met een humanoïde die op NVIDIA GTC Berlin elf minuten lang zelfstandig de was doet. Hier lees je wat Neuron AI anders doet, waar het op getraind is en wat NEURA nog niet heeft aangetoond.
Wat is Neuron AI van NEURA Robotics?
Neuron AI is het eigen robotmodel van NEURA Robotics uit Metzingen, bij Stuttgart. Het bedrijf stelde het op 14 oktober 2026 voor en noemt het een Perception-Language-Action-model, kort PLA. Het model leest alle zintuigen van de robot tegelijk in, zet ze op één tijdlijn en geeft één stroom acties terug: een arm die beweegt, een hand die knijpt, een stap opzij.
NEURA ontwikkelde en trainde het model zelf, in Duitsland. Het draait op vijf van zijn eigen robots, met verschillende grijpers en handen. CEO David Reger vat het doel zo samen: “Een intelligente robot heeft een brein nodig dat zijn zintuigen samenbrengt en onthoudt wat er gebeurd is.”
Waarom tast, geluid en geheugen het verschil moeten maken
De meeste bekende robotmodellen zijn vision-language-action-modellen. Ze leren vooral uit beelden en taal. Dat werkt goed om een voorwerp te herkennen en te weten waar het ligt. Het schiet tekort zodra het belangrijke gebeurt waar de camera niet bij kan: in een hand die een voorwerp omsluit, achter een deur of in een geluid.
NEURA geeft zelf drie voorbeelden. Geluid en tast bevestigen dat een slot echt open is. Tast laat een robot een voorwerp vastnemen dat hij niet ziet. Bij lassen vertelt het geluid iets over de kwaliteit van de naad. Het geheugen voegt daar een vierde vaardigheid aan toe: de robot houdt bij waar een voorwerp is, ook als het uit beeld verdwijnt, en weet wat zijn eigen vorige acties veranderd hebben.
Bij wasgoed is dat geen detail. Wie een machine laadt, de deur sluit en ze later weer opent, moet weten wat erin zit en of de deur echt dicht was. Daarom koos NEURA de was als eerste publieke test.
Waarop NEURA het model traint
Volgens NEURA komt de training uit drie bronnen:
- Echte robotdata uit de NEURA Gyms, trainingshallen waar robots taken uitvoeren en beeld, tast, kracht, geluid en beweging tegelijk worden opgenomen.
- Data uit simulatie, aangevuld met de eigen Data Amplifier, die variaties op taken en omgevingen genereert.
- Menselijke demonstraties, opgenomen met pakken vol sensoren die mensen dragen terwijl ze gewone bewegingen maken.
Industriepartners Schaeffler en Bosch leveren extra data. Dat is ook meteen de grootste vraag rond het model. Rueben Scriven van onderzoeksbureau Interact Analysis zei aan TechTarget dat er al een tekort is aan goed geannoteerde videodata, “laat staan aan multimodale data”. De echte vraag is volgens hem of de data uit de NEURA Gyms volstaan om het model te trainen. Een overzichtsstudie op arXiv van dezelfde week komt tot een gelijkaardig besluit: tastdata zijn schaars omdat je ze alleen met echt fysiek contact verzamelt, en ze zijn sterk gebonden aan de sensor waarmee je ze meet.
Eén model voor vijf robots, en je vaardigheden blijven van jou
Neuron AI is één gedeeld model voor vijf platformen: de humanoïden 4NE1 Gen 3 en Gen 4, een 4NE1 op wielen en twee platformen met twee armen, zo meldt Interesting Engineering. Volgens de productinformatie van NEURA draait het model lokaal op de robot, zonder cloudverbinding.
Bedrijven verfijnen het model op hun eigen taken via Neuraverse, het platform van NEURA, en rollen die vaardigheden uit over hun hele vloot. Ze kunnen een geleerde vaardigheid privé houden of delen met andere gebruikers. Voor een fabriek die haar procesknowhow niet wil weggeven, is dat een belangrijk punt.
NEURA meet zijn vooruitgang met één cijfer: Time-to-Skill, de tijd die een robot nodig heeft om een nieuwe taak te leren en ze betrouwbaar uit te voeren. Dat is de juiste maat voor een bedrijf dat robots wil inzetten. Alleen heeft NEURA er nog geen enkele meting van gepubliceerd.
Het geheugen krijgt hulp uit Linz
Op 20 oktober kondigde NEURA een samenwerking aan met NXAI, het Oostenrijkse bedrijf van AI-pionier Sepp Hochreiter. Samen bouwen ze een geheugencomponent voor robots op basis van xLSTM, de architectuur van Hochreiter die een toestand efficiënt bijhoudt over lange reeksen. NXAI wil ook een eigen xLSTM-model op Neuraverse aanbieden, naast Neuron AI. Een datum daarvoor is er niet. “Een robot die echt helpt in het dagelijkse leven en in de industrie, moet kunnen onthouden”, zei Reger daarbij.
Dat NEURA zo snel na de lancering extra hulp voor het geheugen inroept, zegt iets over hoe moeilijk dat stuk is. Een robot die zich vergist over wat hij onthoudt, handelt met evenveel zekerheid als een robot die het juist heeft.
Wat NEURA nog niet heeft aangetoond
De aankondiging is ambitieus, het bewijs is dun. NEURA publiceerde geen benchmarks, geen technisch rapport, geen modelkaart en geen gewichten. Het aantal parameters, de latentie, de prijs en de klanten zijn niet bekend. Hoeveel tast, geluid en geheugen opleveren tegenover een model dat alleen kijkt, heeft het bedrijf niet gemeten, of toch niet gedeeld.
De demo op GTC Berlin loopt van 20 tot 22 oktober. Een geslaagde run van elf minuten is een mooi begin, maar zegt weinig over hoe vaak het misloopt en hoe de robot zich herstelt. Dat het verschil tussen een podium en de praktijk groot is, ondervond NEURA in juni op Computex in Taipei: een 4NE1 met een chip van Qualcomm viel daar tijdens een keynote op het podium. Qualcomm sprak van een communicatiefout en een gecontroleerde veiligheidsstop.
NEURA is ook niet de enige die tast toevoegt. De Figure 03-robot van Figure AI heeft ook tastsensoren en camera’s in de handpalm. Het verschil zit in de aanpak: NEURA maakt van tast, geluid en geheugen de kern van het model in plaats van een extraatje bij het beeld. Of dat beter werkt, moet nog blijken. Wie het breder wil plaatsen, vindt in onze uitleg over DreamZero, het World Action Model van Nvidia, een heel andere route: robots die leren door video te voorspellen.
Een Europees robotbrein met ook Belgisch geld
NEURA is de grootste Europese gok op humanoïde robots. In juni haalde het bedrijf tot 1,4 miljard dollar op in een ronde geleid door Tether. Het volledige bedrag hangt af van mijlpalen. Ook Nvidia, Amazon, Qualcomm, Bosch, Schaeffler, de Europese Investeringsbank en imec.xpand, het fonds dat aan het Leuvense imec verbonden is, stapten in. Bloomberg schatte de waardering op zo’n 7 miljard dollar, wat NEURA niet bevestigde. Het bedrijf telt meer dan 1.000 medewerkers en spreekt zelf van een orderboek en een pijplijn van meer dan 1 miljard dollar.
Met een eigen model maakt NEURA zich minder afhankelijk van Amerikaanse en Chinese spelers. Dat past in een bredere beweging: ook in China bouwen labs eigen modellen voor de fysieke wereld, zoals je leest in ons overzicht van Chinese wereldmodellen. Wat robots economisch kunnen betekenen, beschreef Jacob Rintamaki in The Final Offshoring.
Veelgestelde vragen over Neuron AI
Wat betekent PLA bij Neuron AI?
PLA staat voor Perception-Language-Action. Waar een gewoon vision-language-action-model vooral beeld en taal gebruikt, verwerkt Neuron AI ook tast, kracht, geluid en de toestand van de robot, samen met een geheugen.
Kan ik Neuron AI zelf gebruiken?
Niet als los model. Neuron AI draait op robots van NEURA en wordt verfijnd via het Neuraverse-platform. NEURA publiceerde geen gewichten en geen prijs.
Op welke robots draait Neuron AI?
Op vijf NEURA-platformen: de humanoïden 4NE1 Gen 3 en Gen 4, een 4NE1 op wielen en twee platformen met twee armen.
Wanneer is Neuron AI beschikbaar?
NEURA noemt het model gelanceerd, maar gaf geen datum voor brede beschikbaarheid. De demo op NVIDIA GTC Berlin van 20 tot 22 oktober 2026 is de eerste publieke test.
De wasmand is pas het begin van het examen
Elf minuten was doen zonder hulp is een sterke demo. Het echte examen begint als een klant de robot duizend keer laat draaien, met andere stoffen, een andere machine en een deur die soms klemt. Pas dan blijkt of tast en geheugen fouten voorkomen of alleen een mooier verhaal maken. Vraag NEURA daarom niet hoe slim Neuron AI is, maar hoe lang het duurt voor jouw taak betrouwbaar loopt. Op die vraag, de Time-to-Skill, moet het bedrijf nu met cijfers komen.
