--- title: Wie Meta-KI künftig smarte Rollstühle steuert description: US-Forscher nutzen Open-Source-Modelle für eine neue Plattform, die Unfälle verhindern und die Navigation erleichtern soll. author: Andreas Becker url: https://www.all-ai.de/news/news26/meta-ki-rollstuhl --- ![Ein Rollstuhl mit Meta](https://www.all-ai.de/images/2-news/7-26/meta-rollstuhl-1600.webp) # Wie Meta-KI künftig smarte Rollstühle steuert US-Forscher nutzen Open-Source-Modelle für eine neue Plattform, die Unfälle verhindern und die Navigation erleichtern soll. [Andreas Becker](https://www.all-ai.de/charaktere)·27.07.26 GPT-Images-2.0 ![Ein Rollstuhl mit Meta](https://www.all-ai.de/images/2-news/7-26/meta-rollstuhl-1600.webp#joomlaImage://local-images/2-news/7-26/meta-rollstuhl-1600.webp?width=1600&height=900) Kurzfassung ▾ Quellen ▾ - US-Forscher entwickeln mit der RAMMP-Plattform intelligente Rollstühle, um Unfälle im Alltag spürbar zu reduzieren. - Dafür integrieren sie die Open-Source-Modelle DINO und SAM von Meta für eine 360-Grad-Bilderkennung in Echtzeit. - Die KI läuft per Edge Computing direkt auf dem Gerät, was schnelle und verlässliche Reaktionen ohne Cloud-Zwang ermöglicht. - Künftig sollen Anwender ihre Plattform bequem per Sprache steuern, da das System Hindernisse und Objekte eigenständig erkennt. - [Meta AI Blog - Reimagining Independence: How Meta’s AI Models Are Helping the University of Pittsburgh Transform Assistive Robotics](https://ai.meta.com/blog/assistive-robotics-university-of-pittsburgh-sam-dino/) Rund 100.000 Rollstuhlfahrer landen in den USA jährlich nach Stürzen in der Notaufnahme. Ein Forschungsteam der Universität Pittsburgh will das nun mit Bilderkennungs-KI von Meta ändern. Die Technik läuft direkt auf den Geräten und soll die Navigation sicherer machen. #### Smarte Bilderkennung im Alltag Das Projekt trägt den Namen RAMMP. Unterstützt von der US-Forschungsbehörde ARPA-H mit bis zu 41,5 Millionen US-Dollar, arbeiten die Human Engineering Research Laboratories (HERL) mit dem Unternehmen ATDev an dem System. Ihr Ziel ist ein Rollstuhl, der seine Umgebung eigenständig analysiert. Dafür integrieren die Ingenieure die Open-Source-Modelle DINO und Segment Anything Model (SAM) von Meta. DINOv3 dient dabei als visuelles Gehirn. Es ordnet unstrukturierte Bilddaten ein und erkennt Hindernisse. SAM ergänzt diese Funktion, indem es Objekte in der Umgebung präzise isoliert. Im Zusammenspiel verleihen sie dem Rollstuhl eine 360-Grad-Wahrnehmung in Echtzeit. SAM markiert die Trainingsdaten dabei automatisch, um eine hohe Datenqualität bei unterschiedlichen Lichtverhältnissen und Kamerawinkeln zu garantieren. ###### Anzeige #### Lokale Datenverarbeitung statt Cloud Die Hardware von elektrischen Rollstühlen setzt der KI enge Grenzen: Sie sind batteriebetrieben, bieten wenig Platz für Kühlung und haben unterwegs oft keine stabile Internetverbindung. Daher setzen die Entwickler auf Edge Computing. Sie optimieren die Modelle so, dass sie direkt auf dem Gerät laufen. Dafür reduzieren sie den Speicherbedarf und verzichten zugunsten der Geschwindigkeit auf kleinste Bilddetails. Diese lokale Verarbeitung garantiert eine schnelle und verlässliche Reaktion. Das ist entscheidend, wenn etwa plötzlich ein Kind auf den Gehweg rennt oder eine Bordsteinkante auftaucht. Sivashankar Sivakanthan, Stabschef des RAMMP-Projekts, betont: »Für die Assistenzrobotik misst sich die Leistung nicht allein an der Benchmark-Genauigkeit, sondern daran, ob ein System in der Unvorhersehbarkeit des Alltags zuverlässig funktioniert.« #### Natürliche Steuerung über Sprache Im ersten Prototyp testet das Team bereits, wie die KI neben der Navigation auch automatische Türöffner, Bordsteine oder Alltagsgegenstände wie Tassen erkennt. Künftig sollen Anwender ihre Plattform oder verbundene Greifarme direkt per Sprache oder Touch-Display steuern. Da der Rollstuhl den visuellen Kontext bereits erfasst hat, entfallen komplexe Steuerungsmenüs. Ein einfaches Kommando reicht aus, damit das System die richtige Aktion ausführt. Im nächsten Schritt plant das Forschungsteam, neuere Modellversionen wie SAM 3.1 zu integrieren und die Software so anzupassen, dass sie individuelle Verhaltensmuster der Nutzer im Alltag erlernt.