WRC 2026 ukázal, že čínští roboti míří od show k užitečné práci

Světová robotická konference WRC 2026 v Pekingu ukázala odvětví v přechodové fázi. Od 19. do 23. srpna se v pekingské čtvrti I-čuang představili roboti, kteří třídili zásilky, obsluhovali výrobní procesy, připravovali jídlo i zvládali domácí práce – vedle známějších humanoidních vystoupení. Hlubší poselství veletrhu bylo prosté: další zkouškou robotiky už není, zda stroj dokáže jednou zaujmout publikum, ale zda dokáže dostatečně spolehlivě vykonávat užitečnou práci a stát se součástí skutečného provozu. 3417

Současně bylo zřejmé, že softwarový základ pro skutečně univerzální roboty ještě není ustálený. Firmy hledají různé odpovědi na stejný problém: jak strojům předat dostatečné porozumění fyzickému světu, zajistit jim tréninková data a umožnit jim přizpůsobit se úkolům, které nejsou předem přesně naprogramované.

Od efektní demonstrace k provozu

Téma letošní konference – „Symbióza člověka a robotů, propojení výroby s poptávkou“ – posunulo do popředí konkrétní využití a potenciální odběratele. Expozice zahrnovaly třídění zásilek, balení mobilních telefonů, manipulaci s materiálem, recepční služby, maloobchod i domácí práce. Agentura Reuters popsala ambici odvětví jako odklon od atraktivních show směrem k širšímu komerčnímu využití, zároveň však upozornila, že samotné demonstrace ještě nejsou důkazem dlouhodobého a škálovatelného nasazení. 217

Rozdíl je důležitý. Robot, který splní úkol v připraveném prostředí výstavní haly, prokazuje určitou schopnost. Robot, který ho opakovaně zvládá v proměnlivém pracovním provozu, už prokazuje fungující produkt. WRC 2026 nabídla více důkazů o prvním kroku směrem k druhému než o masovém nasazení.

Některé expozice ukázaly šíři tohoto posunu:

• X Square Robot předvedl jednotný model pro logistiku i domácí prostředí. Jeho roboti skládali oblečení, uklízeli, vyzvedávali doručené zásilky a nápoje, zalévali rostliny a zvládali další domácí úkoly.
• UBTECH prezentoval koordinované humanoidní pracovní postupy zahrnující zvedání, stohování, třídění a doplňování zboží. Model Walker C1 firma představila především pro služby a kontakt s veřejností, například na recepcích.
• JD.com nasadila svou platformu JoyInside AI do humanoidního robota Unitree R1, který předváděl chůzi s robotickým psem. Ukázka zdůraznila, že JD.com nechce být pouze potenciálním uživatelem robotů, ale také účastníkem v oblasti AI platforem a celého robotického ekosystému.
• Komerční záměr podtrhly i ukázky z gastronomie, maloobchodu a služeb: automatizované vaření, příprava kávy nebo roboticky obsluhované prodejní koncepty. 516

Dostupné podklady k WRC 2026 nepotvrzují konkrétní aplikace společností AI² Robotics ani LimX Dynamics, a jejich roli na konferenci proto nelze spolehlivě popisovat podrobněji.

Velký veletrh ještě neznamená vyzrálý trh

Čísla konference byla výrazná. Organizátoři uvedli účast 373 domácích i zahraničních firem, více než 3 000 produktů a 311 novinek uvedených na trh během pětidenní akce. Výstava pokrývala kompletní roboty, klíčové komponenty, průmyslovou spolupráci i využití v řadě prostředí. 34

Význam tohoto rozsahu spočívá především v tom, že ukazuje stále ucelenější komercializační řetězec, nikoli jen soubor izolovaných výrobců. Na jednom místě se potkaly robotické platformy, pohony a senzory, čipy, systémy pro sběr dat, základní modely, aplikační software i potenciální odběratelé. Výraznou pozornost získaly také klíčové součásti, jako jsou obratné robotické ruce, silové senzory, kloubové moduly a čipy. 5

Čísla je však nutné číst s rezervou. Stovky vystavovatelů a tisíce produktů měří aktivitu odvětví a jeho tržní ambice; nepotvrzují, že tisíce robotických systémů už fungují ve velkém a ziskově. Přesvědčivějším signálem bylo propojení demonstrací s konkrétními pracovními úkoly: přesunem materiálu, tříděním zásilek, doplňováním zásob, obsluhou zákazníků a domácími činnostmi.

Otevřená „rozbíhavost cest“ v embodied AI

Konference zároveň zvýraznila zásadní strategickou otázku: jak nejefektivněji vytvořit adaptabilní robotickou inteligenci, která rozumí fyzickému světu? V odborném kontextu se pro tento směr používá označení embodied AI, tedy umělá inteligence propojená s vnímáním a jednáním ve fyzickém prostředí.

První cesta: učit fyzické chování z rozsáhlých lidských videí

Dyna Robotics s modelem Dyna-2 představuje jeden z možných přístupů. Firma ho popisuje jako world-action model pro manipulaci, předtrénovaný na více než milionu hodin videí z pohledu člověka – což odpovídá zhruba 170 letům nepřetržitého bdělého života. Výchozí myšlenkou je, že rozsáhlá video data mohou robotům předat informace o tom, jak se mění scény, jak předměty reagují na kontakt a jak lidé provádějí fyzické úkony. Tím by se snížila závislost na obtížně získatelných datech z činnosti robotů.

Dyna Robotics uvádí, že Dyna-2 lze přenášet mezi různými robotickými platformami a přizpůsobit pomocí pouhých několika hodin dodatečného dolaďování. Jde však o tvrzení společnosti, nikoli o nezávisle potvrzený důkaz univerzálního výkonu.

Druhá cesta: rychlé učení z předvedeného úkolu

GEN-1.5 od společnosti Generalist klade důraz na jiný princip. Firma ho popisuje jako multimodální základní model pro roboty, který se dokáže během několika sekund naučit nový úkol z jediné demonstrace, a to bez aktualizace gradientů nebo dodatečného dolaďování. Systém zpracovává video společně se senzorickými, jazykovými a proprioceptivními vstupy – tedy informacemi o vlastním pohybu a poloze robota – a vytváří trajektorie činnosti.

Tento přístup upřednostňuje rychlé přizpůsobení přímo v kontextu. Místo nového trénování pro každý úkol operátor robotovi ukáže, co má dělat, a model se pokusí pokyn zobecnit na nové situace. Stejně jako u Dyna-2 jsou dostupné důkazy převážně založeny na tvrzeních samotné firmy, takže je třeba je chápat jako uváděné schopnosti, nikoli jako definitivně potvrzené srovnávací výsledky.

Co zatím nevíme

Tyto dva přístupy ukazují, před jakými volbami odvětví stojí:

• Kolik užitečných znalostí o fyzickém světě lze získat z lidských videí namísto přímé interakce robotů?
• Kdy mají větší cenu data z reálného světa než simulace nebo zaznamenané demonstrace?
• Mají vývojáři upřednostnit větší modely, modelování světa, imitativní učení, nebo rychlé přizpůsobení novým úkolům?
• Dokáže model natrénovaný na jednom robotovi spolehlivě fungovat na jiném těle s odlišnými senzory, geometrií a omezeními řízení?

Dostupné podklady neurčují jedinou vítěznou architekturu ani univerzální recept na trénink. Tato rozdílnost technologických cest není okrajovou otázkou: rozhodne o tom, jak drahé bude přidávat nové úkoly, prostředí a robotické platformy.

Jak vypadá „rok praktického nasazení“

WRC 2026 naznačil strategii o dvou kolejích. Firmy rozvíjejí omezené aplikace s jasnou ekonomickou logikou – sklady, montáž, logistiku, maloobchod a služby – a současně investují do základních modelů, datové infrastruktury a hardwaru pro obecnější embodied AI. 24

Je to pragmatická kombinace. Užší systémy mohou okamžitě získávat zákazníky, provozní zpětnou vazbu a data, i když samy o sobě neřeší univerzální robotiku. Humanoidní platformy přitahují pozornost, ale pro konkrétní úkoly mohou být vhodnější kolové nebo specializované stroje. Zpravodajství z konference si všimlo, že mnoho robotů skutečně vykonávajících produktivní práci se pohybovalo na kolech, nikoli po dvou nohách.

Výsledkem je trh, který se komercializuje dříve, než se ustálí technická hranice oboru. WRC 2026 proto nebyla oznámením, že univerzální humanoidi už dorazili. Spíše šlo o test, zda výrobci dokážou působivé demonstrace proměnit v opakovatelné pracovní postupy – a zda na těchto nasazeních dokážou dál zlepšovat své systémy, zatímco závod o nejlepší metody embodied AI pokračuje.