Bonsai Robotics zeigt Amiga Flex, Max und Trax: vision-basierte KI für präzisere Feldarbeit

Bonsai Robotics hat auf der FIRA USA 2025 drei autonome, vision-basierte Feldfahrzeuge vorgestellt: Amiga Flex, Amiga Max und Amiga Trax. Alle Systeme bauen auf „Bonsai Intelligence“ auf, einer Kombination aus Onboard-Wahrnehmung und cloudgestützter Einsatzplanung. Zielgruppe sind Betriebe und Forschungsteams, die Automatisierung praxisnah testen und in den Betrieb überführen möchten.

Amiga Flex dient als kompakte, modulare Plattform für den schnellen Übergang vom Labor ins Feld. Das Fahrzeug unterstützt Weeding, Hauling, Sprühen, Mähen und Crop-Scouting sowie den Einsatz als Testbed für Sensorik und Algorithmen. Laut Hersteller bietet das Chassis Traktion und Schutz auf wechselndem Terrain, eine Nutzlast von 800 lb, 700 lb Hub (CAT 0 3-Punkt) und 1.600 lb Zugkraft. Wechselakkus ermöglichen über acht Stunden Laufzeit pro Pack. Offene Schnittstellen, Datenports und APIs erleichtern die Integration von Anbaugeräten und eigenen Systemen (Nutzung per Software-Subscription).

Amiga Trax ist ein modularer, niedrig bauender Träger für robuste Außenarbeiten, ausgelegt für Sprühen, Jäten, Mähen und Transport auch an Hängen – etwa in Weinbergen oder bei Dauerkulturen. Amiga Max kombiniert kompakte Bauweise mit höherer Lastfähigkeit, inklusive CAT 1 3-Punkt und optionaler Hybrid‑Energieversorgung für nahezu kontinuierlichen Betrieb. Beide Varianten zielen auf den Dauereinsatz in landwirtschaftlichen und industriellen Umgebungen.

Kern der Fahrzeuge ist „Bonsai Intelligence“ mit zwei Bausteinen: Bonsai Autonomy (vision-basierte Wahrnehmung, Navigation und Aufgabenbearbeitung direkt am Gerät) und Bonsai Pilot (Cloud-App für Planung, Live-Monitoring und Flottensteuerung). Im Unterschied zu GPS-zentrierten Ansätzen lernt das System laut Anbieter aus realen Feldeinsätzen über mehr als 500.000 Acres und soll Staub, Trümmer und geringe Sicht adaptiv bewältigen.

Einordnung: Vision-basierte Autonomie kann die Abhängigkeit von GPS reduzieren und Präzision in heterogenen Feldern erhöhen. Parallel zeigen andere Anbieter – etwa Carbon Robotics mit Laser-Jäten – die Spannbreite aktueller Ansätze. Für die Praxis bleiben Fragen zu Sicherheit, Konnektivität, Implementierungskosten und Integration in bestehende Geräteparks zentral. Pilotprojekte und standardisierte Schnittstellen dürften über die Skalierung entscheiden.