Von Samarkand nach Silicon Valley: Wie Sanjar Atamuradov die Zukunft der humanoiden Roboter gestaltet

Sanjar Atamuradov, Absolvent des KAIST (Südkorea) und Forscher am Georgia Institute of Technology (USA), stammt aus Samarkand und entwickelt derzeit eine der ehrgeizigsten Plattformen der globalen Robotik: Humanola, ein Startup mit Sitz im Silicon Valley, das Telepräsenz als Grundstein für physische künstliche Intelligenz neu definiert. Das Unternehmen ermöglicht es Betreibern auf der ganzen Welt, humanoide Roboter mit minimaler Latenz zu steuern und jede Interaktion in Trainingsdaten für zukünftige physische AGI zu verwandeln.

In einem Interview mit IT Park Uzbekistan und The Tech erzählte Sanjar von seinem Weg - von einem kleinen Jungen, der unter dem weiten Nachthimmel von Samarkand Schafe hütete, bis hin zum Gründer eines Start-ups im Silicon Valley, das 2,5 Millionen Dollar erhalten hat, um die Grundlagen für die Robotik der nächsten Generation zu schaffen.

Sanjar Atamuradov, Samarkand - Gründer von Humanola, LinkedIn

Ich wurde in Samarkand geboren, einer Stadt, in der sich die Kindheit unter einem Sternenhimmel entfaltet und in der die Wünsche unerreichbar scheinen. Schon in jungen Jahren war ich von der Technik fasziniert: Ich nahm alles auseinander, was ich finden konnte, um die Funktionsweise von Mechanismen zu verstehen, bis ich schließlich zu Computern und Robotern überging. Vielleicht war es diese Zeit, in der ich zum ersten Mal den Ehrgeiz verspürte, eines Tages meine eigenen Drohnen und Roboter zu entwickeln.

Nach dem Abitur zog ich nach Südkorea, um das KAIST zu besuchen, eine der weltweit führenden Universitäten für Ingenieurwesen und Robotik. Dort studierte ich Informatik mit dem Schwerpunkt Robotik und konzentrierte mich auf die Entwicklung von autonomen Systemen und Drohnen. Diese Erfahrung markierte den Beginn meiner Reise: Ich erkannte meinen Wunsch, mein Leben humanoiden Robotern und künstlicher Intelligenz zu widmen.

Während meines Studiums am KAIST wollte ich so viel wie möglich in KI und Robotik eintauchen. Während des gesamten Studienjahres widmete ich die meiste Zeit dem Studium der theoretischen Dimensionen von KI und Robotik, und in den Semesterferien absolvierte ich Praktika in verschiedenen Unternehmen, um mein Wissen praktisch anzuwenden. In Korea erstrecken sich sowohl die Sommer- als auch die Winterferien über etwa 2,5 Monate und bieten reichlich Gelegenheit, an bedeutenden Industrieprojekten mitzuarbeiten.

Erste Schritte auf dem Gebiet: Computer Vision und autonome Roboter

Nach meiner Rückkehr nach Südkorea absolvierte ich ein Praktikum bei StoneLab Inc. wo ich an der Entwicklung einer medizinischen Diagnoseanwendung mit Hilfe von Computer Vision beteiligt war, die Datenkommentierung, Training von neuronalen Netzen und Integration von Modellen in das Backend beinhaltete. Gleichzeitig entwickelte ich eine API für die biometrische Authentifizierung - mein erstes System, das von echten Kunden genutzt wurde.

Mein nächster bedeutender Schritt war meine Arbeit bei Macroact Inc.

wo ich die autonome Navigation für einen vierbeinigen Roboter entwickelt habe. Dabei habe ich Algorithmen optimiert, Verhaltensweisen feinabgestimmt und Simulationen in Gazebo konfiguriert (eine Softwareplattform zur Erstellung virtueller Umgebungen mit Robotern und anderen Einheiten, die es Entwicklern ermöglicht, Roboterverhalten und Steuerungsalgorithmen zu testen, ohne die tatsächliche Hardware zu gefährden).

Dies diente als wesentliche Grundlage für die Entwicklung komplizierterer Robotersysteme.

Während meiner Zeit am KAIST habe ich auch im AVE Lab und im IRiS Lab geforscht. Im AVE-Labor habe ich Algorithmen für selbstfahrende Fahrzeuge entwickelt. Im IRiS-Labor konzentrierte ich mich auf Wahrnehmungssysteme für autonome Fahrzeuge - einschließlich der LiDAR-Verarbeitung (eine digitale Darstellung räumlicher Daten als "Punktwolke", die durch Laserscanning erzeugt wird, bekannt als Light Detection and Ranging) zur Fahrspurerkennung. In dieser Phase erhielt ich einen tiefen Einblick in die Art und Weise, wie ein Roboter seine Umgebung wahrnimmt.

Industrie: vom Lagerhaus-RMR bis zum vierbeinigen Roboter

Nach meiner Forschungstätigkeit wechselte ich in die Industrie. Bei Digitrack Inc. war ich an der Entwicklung von autonomen mobilen Robotern (AMR) für die Lagerautomatisierung beteiligt.

Anschließend konzentrierte ich mich bei Raion Robotics auf die Fortbewegung von vierbeinigen Robotern. Es war eine große Herausforderung, einen Roboter in die Lage zu versetzen, gleichmäßig zu laufen, sich an verschiedene Oberflächen anzupassen und komplizierte Manöver auszuführen.

Studieren und Arbeiten in den Vereinigten Staaten: Integration von Technik und Wissenschaft

Mein Karriereweg führte mich schließlich in die Vereinigten Staaten, genauer gesagt nach Atlanta, wo ich in ein Umfeld eintauchte, das sich der fortschrittlichen Forschung im Bereich der humanoiden Robotik widmete. Ich schrieb mich am Georgia Institute of Technology (Georgia Tech) ein, das als eine der weltweit führenden Einrichtungen für Robotik und KI gilt.

Das Studium in den Vereinigten Staaten markierte eine entscheidende Phase in meiner Entwicklung. Ich erwarb umfangreiches Grundlagenwissen in den Bereichen Robotersteuerung, neuronale Netze, Wahrnehmungssysteme und autonomes Verhalten. Ich belegte Kurse in Robotermanipulation, Bewegungsoptimierung, maschinellem Lernen und Echtzeitalgorithmen - allesamt wichtige Bestandteile der heutigen Robotik.

Gleichzeitig arbeitete ich als Robotikingenieur bei Atlanta Ventures, wo ich mobile Roboter für Sicherheits- und Inspektionsanwendungen entwickelte. Bei dieser Erfahrung begann die Theorie mit der Praxis zu verschmelzen - die Konzepte aus dem Klassenzimmer wurden nahtlos in Code, Algorithmen und funktionierende Maschinen umgesetzt.

Anschließend setzte ich meine Forschung an der Georgia Tech fort und konzentrierte mich auf wissenschaftliche Projekte im Bereich der humanoiden Lokomanipulation - der Fähigkeit humanoider Roboter, Bewegungen zu synchronisieren, beim Tragen von Gegenständen zu gehen, Türen zu öffnen und komplexe sequenzielle Aufgaben auszuführen.

In dieser Zeit lernte ich, dass große Sprachmodelle aufgrund umfangreicher Internetdaten erhebliche Fortschritte erzielten. Im Gegensatz dazu verfügen Roboter nicht über ein solches "Internet" und sind im Wesentlichen ohne Daten. Ich erkannte, dass die einzige skalierbare Methode zur Erzeugung hochwertiger Trainingsdaten die Teleoperation ist - Roboter, die von menschlichen Bedienern gesteuert werden. Dieser Ansatz war jedoch noch nicht systematisch untersucht worden.

Diese Erkenntnis führte zur Entstehung einer Idee, die mein Leben veränderte: eine Plattform zu schaffen, die jedem Robotiker ein Telepräsenz-Tool zur Verfügung stellt und eine Infrastruktur für physische KI-Daten einrichtet.

Folglich wurde Humanola im Juni 2025 gegründet.

Derzeit ist die Begeisterung für die Robotik in den Vereinigten Staaten bemerkenswert - viele betrachten sie als die nächste Grenze der KI. Unternehmen und Forschungseinrichtungen investieren in erheblichem Umfang, um die universelle Herausforderung der Robotik zu meistern, die ausgesprochen komplex ist. Dank der jüngsten Fortschritte in der KI ist die Entwicklung von physischer Intelligenz jedoch möglich geworden. Der Bereich befindet sich noch in der Anfangsphase: Die Automatisierung der körperlichen Arbeit muss noch auf breiter Front umgesetzt werden. Humanoide Roboter, die in Fabriken, Lagern oder Haushalten in den USA eingesetzt werden, sind noch keine Realität - aber dieser Moment rückt schnell näher.

Das Problem, das Humanola anspricht

Derzeit sind die Trainingsdaten für Roboter auf einzelne Unternehmen und Labors beschränkt. Jedes Unternehmen sammelt seine eigenen kleinen Datensätze, ohne sie gemeinsam zu nutzen, was zu einer Stagnation in diesem Sektor führt. Es ähnelt einem Szenario, in dem jedes KI-System im Jahr 2023 auf seinem eigenen begrenzten, lokalisierten Mikro-Internet trainiert wird.

Vor Humanola musste jedes Unternehmen seine eigene Datenerfassungsinfrastruktur aufbauen - ein kostspieliges, langsames und ineffizientes Unterfangen. Viele arbeiteten mit eingeschränkten Datensätzen, was den Fortschritt behinderte. Ein zusammenhängendes Ökosystem, das Daten integriert und Zugang bietet, gab es einfach nicht.

Unser Team stellt sich eine Zukunft vor, in der Roboter gefährliche, sich wiederholende oder monotone Aufgaben übernehmen, so dass Menschen sich auf Kreativität und Strategie konzentrieren können. Das einzige Hindernis zwischen der Gegenwart und dieser Zukunft ist der Mangel an Daten für physische KI. Wenn wir dieses Problem angehen, können wir die Ankunft dieser Zukunft um einige Jahre beschleunigen.

Mir wurde klar, dass die Herausforderung nicht nur in der Fragmentierung der einzelnen Lösungen liegt, sondern auch im Fehlen einer branchenweiten Plattform, an der sich alle Marktteilnehmer beteiligen könnten. Die Duplizierung von Anstrengungen und die Isolierung von Daten behindert den gesamten Sektor. Diese Erkenntnis war die treibende Kraft hinter der Gründung von Humanola.

Was Humanola bietet

Humanola konzentriert sich auf die Entwicklung einer Plattform für die Fernsteuerung von Robotern sowie auf eine umfassende Infrastruktur für die Erfassung, Verarbeitung und Analyse von physischen Daten.

Die Plattform setzt sich aus zwei wesentlichen Komponenten zusammen:

Unternehmen erhalten damit ein robustes Werkzeug, das die Roboterentwicklung beschleunigt.

Humanola ist die einzige unabhängige Plattform, die nicht an eine bestimmte Hardware gebunden ist und eine umfassende Lösung bietet - von der Robotersteuerung bis zur kompletten Datenverarbeitung. Andere Alternativen erfordern den Aufbau einer eigenen Infrastruktur oder verfügen nicht über eine so umfassende Integration.

Zu unseren Kunden zählen Unternehmen, die Roboter in der Logistik, Landwirtschaft und Lagerhaltung einsetzen, sowie Entwickler und Forscher, die einen schnellen Zugriff auf hochwertige Daten benötigen.

Zu den Herausforderungen bei der Arbeit

Die größte Herausforderung bestand darin, eine minimale Latenzzeit über große Entfernungen zu erreichen und gleichzeitig verschiedene Hardware zu integrieren.

Dies erforderte umfangreiche technische Anstrengungen auf allen Ebenen - von der VR-Schnittstelle und den Netzwerkprotokollen bis hin zur Cloud-Infrastruktur

Wir erreichten dies, indem wir unsere eigene Echtzeit-Netzwerkinfrastruktur auf der Grundlage von UDP-Protokollen schufen, die eine Vorwärtsfehlerkorrektur (FEC) und adaptives Streaming beinhalten, ähnlich wie bei führenden VR-Spielen. Zur globalen Steuerung haben wir regionale Edge-Server (USA, Asien, Europa) eingerichtet, die es uns ermöglichen, die Latenzzeit auch über Kontinente hinweg auf 80-100 ms zu begrenzen.

Die Hardware-Integration wurde durch eine einheitliche API für Roboter erreicht, die gemeinsame Steuerung, Sensorströme und Sicherheitsprotokolle abstrahiert, so dass jeder Humanoid oder Manipulator mit minimaler Konfiguration angeschlossen werden kann.

Ein bedeutender Fortschritt war die Zusammenführung privater 5G-Netzwerke in Testumgebungen mit GPU-beschleunigter Videokodierung/-dekodierung sowohl auf der Betreiber- als auch auf der Roboterseite. Dies ermöglichte eine stabile Teleoperation mit einer Latenzzeit von unter 100 ms - zum Beispiel von Taschkent nach San Francisco. Wir haben gezeigt, dass globale, skalierbare Telepräsenz tatsächlich machbar ist.

Die Hauptmotivation, weiterzumachen, ergibt sich aus unserem Glauben an die Mission und der Erkenntnis, dass wir nicht nur ein Produkt herstellen, sondern den Grundstein für die nächste Generation von KI und Robotik legen.

Der technische Durchbruch, der den Fernbetrieb mit einer Latenzzeit von unter 100 ms ermöglichte, war entscheidend - er markierte den Übergang vom Konzept zur Realität und ermöglichte die Markteinführung des Produkts.

Worauf ich am meisten stolz bin:

Wir haben erfolgreich eine Seed-Runde von 2,5 Millionen Dollar von Link Ventures, Bad Ideas Fund, dem Georgia Tech Fund und Akmal Paiziev abgeschlossen. Unsere ersten Kunden haben bereits mit der Implementierung der Plattform begonnen, und wir erleben eine klare Bestätigung sowohl der Bedeutung des Problems als auch des Wertes unserer Lösung. Umsatz- und Nutzerzahlen werden aufgrund des frühen Stadiums des Projekts nicht bekannt gegeben.

Wir werden von namhaften Risikokapitalgebern unterstützt, und zu unseren Kunden gehören Unternehmen, die erhebliche Investitionen in die Robotik tätigen. Die Dynamik der Akzeptanz liefert den überzeugendsten Beweis für die Effektivität.

Über die Entwicklung in den USA, Korea und Usbekistan

Die Vereinigten Staaten stehen an der Spitze der Entwicklung des "Gehirns" der Robotik - KI und Softwaresysteme, die es Robotern ermöglichen, wie Menschen zu denken und zu handeln. Dies ist der Schlüsselfaktor, der die Branche vorantreibt.

Korea verfügt über starke Teams und stößt immer wieder an technologische Grenzen. Allerdings ist die Größe des Landes wesentlich geringer als in den Vereinigten Staaten. Koreanische Unternehmen konzentrieren sich oft auf Hardware und Innovation, erreichen aber nicht die Größenordnung des amerikanischen Marktes.

Usbekistan steht in diesem Bereich erst am Anfang seiner Reise. Die Robotik befindet sich in diesem Land noch in der Anfangsphase der Entwicklung.

Pläne für die nahe Zukunft

Unser Ziel ist es, Humanola in alle wichtigen humanoiden Roboterplattformen in den USA und weltweit zu integrieren und uns als Infrastrukturpartner für die Branchenführer - Vidia, Tesla, Google - bei der Entwicklung von physischen AGI zu positionieren.

Im Rahmen unserer Expansionsstrategie für das erste Jahr konzentrieren wir uns auf groß angelegte Einsätze durch Roboterhersteller. Wir haben bereits damit begonnen, Telepräsenz-Operatoren aus Usbekistan einzustellen, die die in den USA und anderen Ländern eingesetzten Roboter verwalten.

Dieses Modell schafft beträchtliche wirtschaftliche Möglichkeiten - Tausende neuer Arbeitsplätze in ganz Usbekistan - und erhöht gleichzeitig das Volumen der gesammelten Trainingsdaten. Die Bediener können von jedem beliebigen Ort aus arbeiten, die Roboter können überall Aufgaben ausführen, und die Daten werden zur Verbesserung der Modelle verwendet. Dieser Ansatz kommt der gesamten Robotikbranche zugute, fördert die Schaffung von Arbeitsplätzen in Schwellenländern und bringt die physikalische KI voran.

Unser Ziel ist es, die Entwicklung der physischen KI voranzutreiben, um Roboter zu Assistenten für den Massenmarkt zu machen und die Arbeitsmethoden grundlegend zu verändern. Unsere Aufgabe ist es, die Infrastruktur zu schaffen, die die Branche demokratisiert und intelligente Roboter überall zugänglich macht.

Ratschläge für Entrepreneure

Träumen Sie groß und nehmen Sie Risiken in Kauf. Alle bedeutenden Errungenschaften entstehen am Rande des Scheiterns - was wirklich zählt, ist Beharrlichkeit und Konsequenz.