Das südkoreanische Unternehmen NC AI hat am 3. November 2026 ein neues Vision-Language-Modell für Roboter und industrielle Geräte vorgestellt. VAETKI Vision 3B besitzt rund drei Milliarden Parameter und wurde für Anwendungen mit begrenzter lokaler Rechenleistung entwickelt.
Nach Angaben des Unternehmens erreichte das Modell bei drei Tests für visuelles und räumliches Verständnis einen durchschnittlichen Wert von 63,8 Punkten. In der verwendeten Standardkonfiguration lag es damit vor sechs größeren Vergleichsmodellen aus den Modellfamilien Qwen und Ministral.
NC AI hat zusätzlich eine spezialisierte Variante für Schweißprozesse entwickelt. Sie soll Schweißnähte, mögliche Defekte und geometrische Merkmale zuverlässiger erkennen. Die veröffentlichten Ergebnisse stammen bislang aus Modelltests. Ein dauerhaft autonomer Schweißbetrieb auf realer Roboterhardware wurde damit noch nicht nachgewiesen.
Ein kleines Modell soll direkt auf Robotern laufen
Bei vielen industriellen KI-Anwendungen ist nicht nur die Qualität eines Modells entscheidend. Auch die Rechenleistung am Einsatzort spielt eine wichtige Rolle.
Große multimodale Modelle benötigen häufig leistungsfähige Beschleuniger und entsprechend viel Speicher. In einem mobilen Roboter oder einem kompakten Industriecontroller stehen diese Ressourcen nicht immer zur Verfügung.
VAETKI Vision 3B soll deshalb visuelle Informationen mit einem vergleichsweise kleinen Modell verarbeiten können.
Das System kombiniert Bild- und Videoeingaben mit sprachlichem Verständnis. Es kann beispielsweise Fragen zur Position von Objekten, zur räumlichen Anordnung oder zu beobachteten Vorgängen beantworten.
Diese Fähigkeiten sind für die Roboterentwicklung relevant, weil ein Roboter vor einer Handlung zunächst seine Umgebung erfassen muss.
Ein Vision-Language-Modell ist allerdings noch kein vollständiges Steuerungssystem. Es kann eine Situation beschreiben oder bewerten, erzeugt aber nicht automatisch die erforderlichen Gelenkbewegungen für einen realen Roboter.
NC AI will VAETKI Vision 3B deshalb als visuellen Bestandteil zukünftiger Vision-Language-Action-Systeme einsetzen.
63,8 Punkte in drei Benchmarks
Für die erste Leistungsbewertung verwendete NC AI drei öffentliche Testreihen: BLINK, ERIQ und ERQA.
BLINK untersucht unter anderem die Fähigkeit eines Modells, räumliche Zusammenhänge aus mehreren Bildern zu verstehen. ERIQ und ERQA prüfen unterschiedliche Formen verkörperter beziehungsweise räumlicher Schlussfolgerungen.
In der Konfiguration ohne zusätzlichen ausführlichen Denkprozess erreichte VAETKI Vision 3B laut Unternehmen einen durchschnittlichen Wert von 63,8 Punkten.
NC AI verglich das Modell mit sechs veröffentlichten Systemen zwischen zwei und acht Milliarden Parametern. Dazu gehörten Varianten von Qwen3-VL, Qwen3.5 und Ministral 3.
In dieser Auswahl erzielte VAETKI nach Herstellerangaben den höchsten Durchschnittswert.
Die Messung ist für den beabsichtigten Einsatzbereich interessant. Ein Modell, das räumliche Beziehungen gut erkennt und dabei weniger Rechenressourcen benötigt, könnte für die lokale Wahrnehmung von Robotern nützlich sein.
Die Ergebnisse sind jedoch keine allgemeine Aussage über sämtliche Fähigkeiten der verglichenen Modelle. Sie beziehen sich auf ausgewählte Benchmarks und die vom Hersteller verwendeten Testeinstellungen.
Eine unabhängige Reproduktion der gesamten Vergleichstabelle wurde bislang nicht veröffentlicht.
Vier Sekunden Video werden gemeinsam analysiert
NC AI hat das Modell auf die Verarbeitung kurzer Videosequenzen ausgelegt.
Nach Unternehmensangaben werden acht Bilder über einen Zeitraum von vier Sekunden gemeinsam analysiert. Das System betrachtet damit nicht nur einzelne Standbilder, sondern auch Veränderungen zwischen den Bildern.
Für Roboter ist diese zeitliche Information wichtig. Die Position eines Werkstücks, die Bewegung eines Greifers oder der Verlauf eines Schweißprozesses lassen sich nicht immer aus einem einzigen Bild bestimmen.
Ein Modell kann durch die zeitliche Auswertung erkennen, ob sich ein Objekt bewegt, welche Richtung eine Bewegung nimmt und wie sich die sichtbare Situation verändert.
Aus der veröffentlichten Beschreibung geht allerdings noch nicht hervor, welche tatsächliche Verarbeitungslatenz VAETKI Vision 3B auf verschiedenen industriellen Rechenplattformen erreicht.
Die Analyse von acht Bildern über vier Sekunden ist daher nicht mit einer bestätigten Echtzeit-Steuerfrequenz gleichzusetzen.
Für den Einsatz an einem Roboter wären weitere Angaben zur Inferenzzeit, zum Speicherbedarf und zur Reaktion auf schnelle Bewegungen erforderlich.
Schweißmodell verbessert drei spezialisierte Testergebnisse
Mit VAETKI Vision 3B Weld stellte NC AI eine auf Schweißprozesse zugeschnittene Modellvariante vor.
Die Entwickler ergänzten das Grundmodell durch weiteres Training mit branchenspezifischen Daten. Ziel ist es, Schweißnähte und mögliche Fehler besser zu beurteilen.
In den veröffentlichten Tests stieg der Wert für die Schweißklassifikation von 41,1 auf 80,9 Punkte.
Bei der Erkennung von Defekten und der Beurteilung des Prozesszustands verbesserte sich der gemeldete Wert von 39,3 auf 69,8 Punkte. Die Erkennung von Position und Form einer Schweißnaht stieg in einem weiteren Test von 5,3 auf 72,5 Punkte.
Die drei Messungen beziehen sich auf unterschiedliche Aufgaben und Bewertungsverfahren. Sie dürfen deshalb nicht zu einer einzigen allgemeinen Erfolgsquote zusammengefasst werden.
Auch eine höhere Erkennungsgenauigkeit bedeutet noch nicht, dass ein Roboter eigenständig eine vollständige Schweißaufgabe ausführen kann.
Für einen autonomen Schweißprozess werden zusätzlich Bewegungsplanung, Prozessüberwachung, Sicherheitsfunktionen und die Steuerung der Schweißtechnik benötigt.
NC AI will das Modell in Industrieprojekten einsetzen
Das Unternehmen sieht Anwendungen vor allem in der Stahlindustrie, im Schiffbau und in anderen technisch anspruchsvollen Produktionsumgebungen.
NC AI arbeitet nach eigenen Angaben unter anderem mit Hanwha Ocean an Physical AI für die Automatisierung von Schweißprozessen. Weitere Industriebeziehungen bestehen zu POSCO DX und Hyundai Rotem.
Die Entwicklung von VAETKI Vision 3B soll diese Projekte unterstützen.
Die veröffentlichten Informationen erlauben jedoch noch keine Aussage darüber, in welcher Produktionsanlage das Modell bereits dauerhaft verwendet wird oder welche wirtschaftlichen Einsparungen dadurch entstehen.
NC AI betont außerdem, dass die Vortrainings- und Anpassungsprozesse auf einer eigenen technischen Infrastruktur aufbauen. Damit will das Unternehmen die Abhängigkeit von externen Modellanbietern reduzieren.
Die koreanische Nachrichtenagentur Yonhap dokumentiert die veröffentlichten Benchmarks und die vorgesehenen industriellen Anwendungen.
Lokale Wahrnehmung wird für Physical AI wichtiger
Der Markt für Roboter-KI entwickelt sich nicht nur in Richtung immer größerer Modelle.
Für industrielle Geräte können kleinere, spezialisierte Modelle Vorteile bieten, wenn sie auf vorhandener Hardware arbeiten und Aufgaben mit begrenztem Speicherbedarf zuverlässig erfüllen.
NC AI verfolgt mit VAETKI Vision 3B einen solchen Ansatz für die visuelle Wahrnehmung.
Daneben entstehen Systeme für andere Teile der Robotikentwicklung. UBTECH hat beispielsweise mit Thinker-Sim eine Plattform für synthetische Trainingsdaten und Simulation vorgestellt.
Beide Technologien bearbeiten unterschiedliche Probleme. Eine Simulationsplattform erzeugt Trainings- und Testsituationen. Ein visuelles Modell soll Informationen aus Bildern und Videos interpretieren.
Für einen industriell nutzbaren Roboter müssen solche Komponenten mit der eigentlichen Bewegungssteuerung verbunden werden.
VAETKI Vision 3B liefert dafür einen neuen Forschungs- und Entwicklungsbaustein. Ob das Modell bei realen Kunden zuverlässig und kostengünstig eingesetzt werden kann, müssen Messungen auf konkreter Hardware und in tatsächlichen Produktionsabläufen zeigen.