Hugging Face startet Vorbestellungen: Open-Source-Roboter Microduck für 399 Dollar

Hugging Face nimmt seit dem 27. August 2026 Vorbestellungen für den Microduck an. Der entenförmige Roboter kostet 399 Dollar, er läuft, und Entwickler können alles neu trainieren, was er tut. Pollen Robotics, das Hardware-Team von Hugging Face dahinter, veröffentlicht den kompletten Trainings-Stack auf GitHub unter der Apache-2.0-Lizenz. Diese Wahl der Lizenz ist der bemerkenswerte Teil. Sie macht den Roboter zu einer programmierbaren Plattform und nicht zu einem verschlossenen Spielzeug.

Hugging Face hat Pollen Robotics laut TechCrunch im April 2025 übernommen. Die beiden Teams brachten dann im Juli 2025 den Desktop-Roboter Reachy Mini heraus. Microduck ist das zweite Produkt dieser Paarung und bisher das günstigste.

Was der Roboter ist und was er kostet

Der Microduck ist 25 Zentimeter hoch und wiegt 800 Gramm. Fünfzehn Motoren treiben ihn an, so die Produktseite von Pollen Robotics. Er nimmt die Welt mit einer Kamera, mit Lidar-Sensoren und mit zwei IMUs wahr. Eine IMU, also eine inertiale Messeinheit, ist der Chip, der einem Roboter sagt, wo oben ist und wie schnell er sich dreht.

TechCrunch berichtet, der Roboter könne watscheln, Gegenstände mit dem Schnabel aufheben, sich nach einem Sturz wieder aufrichten, sich hinhocken und Rollschuh fahren. Sieben Verhaltensweisen sind vorinstalliert. Im Karton liegen ein Gamecontroller, ein USB-C-Kabel und ein Akku. Der Roboter funktioniert also direkt nach dem Auspacken.

Artikel	Preis
Microduck, Basisgerät	$399
Dev-Pack	$119
Ladepaket	$39
Zubehörpaket	$39

Zum Vergleich: TechCrunch weist darauf hin, dass Reachy Mini für 499 Dollar verkauft wird und Reachy Mini Lite für 399 Dollar. Microduck kommt damit am unteren Ende dieser Spanne an, nicht darunter. Pollen Robotics erwartet die Auslieferung vor Weihnachten 2026. TechCrunch nennt außerdem eine berichtete Bewertung von Hugging Face in Höhe von 13 Milliarden Dollar.

Wie das Training funktioniert

Verhaltensweisen werden zuerst in Software trainiert und dann auf den echten Roboter kopiert. Ingenieure nennen diesen Schritt sim2real, kurz für Simulation zu Realität. Pollen Robotics sagt, die Simulation laufe auf MuJoCo, einer Open-Source-Physik-Engine.

Die Trainingsmethode heißt Reinforcement Learning, also verstärkendes Lernen. Sie schreiben den Code für das Laufen nicht selbst. Stattdessen definieren Sie eine Belohnung, lassen die Software es in der Simulation Millionen Mal versuchen und behalten die Versuche mit guter Bewertung. Das fertige Ergebnis heißt Policy. Auf dem Microduck läuft diese Policy mit 50 Hz. Sie wählt also fünfzig Mal pro Sekunde eine Aktion.

Pollen Robotics sagt, jede Verhaltensweise lasse sich auf dem eigenen Rechner neu trainieren, oder auf Hugging Face Jobs, dem gehosteten Rechendienst des Unternehmens. Das SDK, die Simulation und der Reinforcement-Learning-Stack liegen alle auf GitHub. Clem Delangue, CEO von Hugging Face, nannte es einen „Open-Source-Roboter, dem man mit Reinforcement Learning neue Kunststücke beibringen kann". Er ergänzte: „Willkommen in der Ära der offenen, erschwinglichen Roboter, die physische KI demokratisieren."

Was das für Entwickler bedeutet

Prüfen Sie die Lizenzgrenze, bevor Sie darauf ein Produkt planen. Apache 2.0 deckt den Reinforcement-Learning-Stack ab, und das ist freizügig genug, um ihn zu forken und kommerziell auszuliefern. Das veröffentlichte Material sagt nicht, ob die Firmware und die Hardware-Konstruktionsdateien denselben Bedingungen unterliegen. Fragen Sie nach, bevor Sie annehmen, der ganze Roboter sei so offen wie der Trainingscode.

Behandeln Sie 50 Hz als hartes Budget. Jeder Code für Wahrnehmung oder Planung, den Sie anbauen, muss in unter 20 Millisekunden eine Aktion zurückgeben. Das schließt einen Umweg zu einem großen Cloud-Modell innerhalb der Regelschleife aus. Legen Sie langsames Schlussfolgern in eine separate, langsamere Schleife. Lassen Sie die trainierte Policy ihr eigenes Timing behalten.

Rechnen Sie damit, Ihre Zeit mit der sim2real-Lücke zu verbringen, nicht mit der Belohnungsfunktion. Eine Policy, die in MuJoCo wunderbar läuft, stolpert auf einem echten Teppich oft. Denn Reibung, Motorträgheit und Sensorrauschen weichen vom Modell ab. Die sieben mitgelieferten Verhaltensweisen sind hier aus einem Grund jenseits von Demos nützlich. Sie geben Ihnen eine funktionierende Grundlinie, mit der Sie Ihre eigene trainierte Policy vergleichen können. Das ist der schnellste Weg, eine schlechte Belohnung von einer schlechten Simulation zu unterscheiden.

Zwei Zahlen fehlen in der Ankündigung, und beide beeinflussen die Planung. Keine der Quellen nennt die Akkulaufzeit oder die Rechenleistung, die nötig ist, um ein Verhalten von Grund auf neu zu trainieren. Wenn Sie einen Klassensatz oder einen Forschungsaufbau kalkulieren, sind das die Fragen an Pollen Robotics vor der Bestellung.

Achten Sie zuletzt auf den Kalender. Die Vorbestellungen starteten am 27. August 2026, und die Auslieferung wird vor Weihnachten erwartet. Jede Arbeit, die den physischen Roboter braucht, ist damit Arbeit für Anfang 2027. Der Simulations-Stack liegt aber schon heute auf GitHub. Sie können also jetzt gegen MuJoCo trainieren und Policies bereithalten, wenn die Hardware ankommt.