{"id":3443757,"date":"2026-09-15T11:26:10","date_gmt":"2026-09-15T09:26:10","guid":{"rendered":"https:\/\/datanorth.ai\/?post_type=news&p=3443757"},"modified":"2026-09-15T11:27:13","modified_gmt":"2026-09-15T09:27:13","slug":"reward-ai-lanceert-om-1","status":"publish","type":"news","link":"https:\/\/datanorth.ai\/nl\/nieuws\/reward-ai-lanceert-om-1","title":{"rendered":"Reward AI lanceert OM-1"},"content":{"rendered":"\n

Gepubliceerd 15 september 2026<\/em><\/p>\n\n\n\n

Reward AI publiceerde op 14 september 2026 OM-1, een algemeen robotmodel voor manipulatie dat volgens het bedrijf een nieuwe taak oppikt uit minder dan 30 minuten menselijke demonstratie. Bijzonder aan OM-1 is de trainingsdata: geen teleoperatie en geen enkele robotervaring, alleen opnames van mensen met een sensorhandschoen. Er zijn geen gewichten, geen code en geen paper vrijgegeven, en Reward AI heeft voor geen enkele taak een slagingspercentage gepubliceerd.<\/p>\n\n\n\n

Hoe leert OM-1 zonder robotdata?<\/h2>\n\n\n\n

Vrijwel elk robotmodel wordt vandaag op teleoperatie getraind. Een mens stuurt de robot aan met een controller of een motion-capture-opstelling, en het model leert van wat de robot deed. Die data verzamelen is traag en duur, en je leert er vooral iets van over die ene robot waarop je hem verzamelde.<\/p>\n\n\n\n

Het antwoord van Reward AI is een draagbaar apparaat dat het bedrijf de Omnibody Hand noemt, met zeven vrijheidsgraden in plaats van een kopie van elk vingergewricht. Je draagt het apparaat en voert de taak op normale snelheid uit. Het legt camerabeelden vast, de druk bij aanraking, de afstand tussen vingers vlak voor contact en het pad dat de hand aflegt. OM-1 leert daar direct robotacties uit te produceren, zonder dat er een robot aan de training te pas komt.<\/p>\n\n\n\n

Onder het model zit een aparte besturingslaag, getraind in simulatie met reinforcement learning, die de bedoelde bewegingen van OM-1 omzet in gewrichtscommando’s voor de machine waarop het draait. Die laag loopt op zijn eigen klok, dus als het model langer nadenkt, hapert de robot niet. Volgens Reward AI dekt dezelfde opzet industri\u00eble armen, humano\u00efden op benen en verrijdbare mobiele manipulatoren.<\/p>\n\n\n\n

Wat Reward AI daadwerkelijk heeft gemeten<\/h2>\n\n\n\n

Slechts een experiment in de release levert cijfers op, en dat test de handschoen in plaats van het model. Reward AI monteerde zijn elektromagnetische tracker en een gangbare visueel-inerti\u00eble tracker op dezelfde opstelling en bewoog ze tussen twee vaste aanslagen op acht snelheden, tien runs per snelheid. Op de hoogste snelheid, 67 centimeter per seconde, schoot de elektromagnetische tracker gemiddeld 9,5 mm door tegen 24,9 mm voor de visueel-inerti\u00eble, een verschil van 60%. Op de laagste snelheid bleven beide onder 2,1 mm.<\/p>\n\n\n\n

Dat is een echt resultaat en degelijk technisch werk. Het is ook een sensorvergelijking. Het vertelt je dat de handschoen snelle beweging zuiver vastlegt, en dat telt, want de hele aanpak staat of valt met de nauwkeurigheid van de opname. Het vertelt je niets over de vraag of een robot met OM-1 een taak afmaakt.<\/p>\n\n\n\n

Hoe verhoudt OM-1 zich tot GR00T N1.7 en Gemini Robotics 2?<\/h2>\n\n\n\n

Het verschil tussen OM-1 en de naaste concurrenten zit niet echt in de claims. Het zit in wat elk bedrijf bereid was te publiceren.<\/p>\n\n\n\n

Wat de release bevat<\/th>Reward AI OM-1<\/th>Het gepubliceerde alternatief<\/th><\/tr><\/thead>
Hoeveelheid trainingsdata<\/td>niet vermeld<\/td>20.854 uur menselijke video, NVIDIA Isaac GR00T N1.7<\/td><\/tr>
Aantal parameters<\/td>niet vermeld<\/td>3 miljard, GR00T N1.7<\/td><\/tr>
Slagingspercentages per taak<\/td>geen<\/td>92% een lamp losdraaien, 44% een vuilniszak knopen, Gemini Robotics 2<\/td><\/tr>
Gewichten en code<\/td>niet vrijgegeven<\/td>Apache 2.0 op Hugging Face, GR00T N1.7<\/td><\/tr>
Technisch paper<\/td>geen<\/td>arXiv:2604.15483, Physical Intelligence \u03c00.7<\/td><\/tr>
Gepubliceerde meting<\/td>trackingfout van de sensor<\/td>slagingspercentages van robottaken<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

De cijfers in de rechterkolom komen van de bedrijven zelf, dus ze dragen hetzelfde voorbehoud als die van Reward AI. Het verschil is dat ze bestaan. GR00T N1.7 is de dichtstbijzijnde vergelijking, want NVIDIA zet in op precies dezelfde gok met menselijke video in plaats van teleoperatie, en publiceerde een schaalcurve waaruit blijkt dat de stap van 1.000 naar 20.000 uur het gemiddelde aantal voltooide taken meer dan verdubbelt. Reward AI heeft niet gezegd hoeveel uur het gebruikte.<\/p>\n\n\n\n

Wat dit betekent<\/h2>\n\n\n\n

Koop je robots, negeer deze release dan voorlopig. Er valt niets aan te schaffen, niets te downloaden en er is geen cijfer dat laat zien dat een robot een klus afmaakt. De enige meting die Reward AI publiceerde vergelijkt twee bewegingssensoren, en die hoort in een hardwarenotitie thuis, niet in de aankondiging van een foundation model. Het bedrijf publiceert bovendien geen financiering, vestigingsplaats of teamomvang, en de oprichters staan alleen met hun voornaam op de site.<\/p>\n\n\n\n

Bouw je zelf robotmodellen, houd dit dan goed in de gaten. De claim zonder teleoperatie is het enige hier waarover het de moeite waard is te discussi\u00ebren, en het team erachter schreef DexCap, HumanPlus en ALOHA, ongeveer het sterkste trackrecord dat dit vakgebied te bieden heeft. Een taak leren uit een half uur waarin iemand die taak gewoon uitvoert zou de economie van robotdata veranderen, en dat is op dit moment de beperkende factor voor het hele veld. De toets is simpel en is publiek nooit gedaan: pak een taak, noem een slagingspercentage over een genoemd aantal pogingen, en vertel op welke robot het draaide. Tot dat cijfer er is, is OM-1 een demonstratiefilm met een goede stamboom.<\/p>\n\n\n\n

Voor meer informatie, bekijk<\/em> de offici\u00eble aankondiging van OM-1 op de blog van Reward AI<\/a>.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

Reward AI publiceerde op 14 september 2026 OM-1, een robotmodel voor manipulatie dat alleen is getraind op opnames van mensen met een sensorhandschoen, zonder teleoperatie en zonder robotdata. Volgens het bedrijf pikt OM-1 een nieuwe taak op uit minder dan 30 minuten demonstratie en draait het op armen, humano\u00efden en mobiele robots. Er zijn geen gewichten, code, paper of slagingspercentages vrijgegeven, en de enige gepubliceerde meting vergelijkt twee bewegingssensoren.<\/p>\n","protected":false},"author":22,"featured_media":3443767,"template":"","tags":[],"news-category":[],"class_list":["post-3443757","news","type-news","status-publish","has-post-thumbnail"],"meta_box":[],"_links":{"self":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/news\/3443757","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/news"}],"about":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/types\/news"}],"author":[{"embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/users\/22"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/media\/3443767"}],"wp:attachment":[{"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/media?parent=3443757"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/tags?post=3443757"},{"taxonomy":"news-category","embeddable":true,"href":"https:\/\/datanorth.ai\/nl\/wp-json\/wp\/v2\/news-category?post=3443757"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}