Humanoidní roboti mají těla. Chybí jim zkušenost z reálného světa

Čínský problém s humanoidními roboty se stále méně týká samotného hardwaru a stále více dat. Robot může chodit, tančit nebo zopakovat pečlivě připravenou ukázku. Spolehlivá autonomie ale vyžaduje něco mnohem obtížnějšího: legálně získané, rozmanité a kvalitní záznamy toho, jak stroj v reálném světě vnímá, pohybuje se, dotýká se předmětů, chybuje a následně svou chybu napravuje. 514

Tento posun byl patrný na Světové robotické konferenci 2026 v Pekingu. Vedle naleštěných demonstrací robotů vystavovatelé představovali teleoperační vybavení, nositelné systémy pro snímání pohybu, hmatové a silové senzory i infrastrukturu určenou ke sběru dat pro učení robotů. 4913

V čem spočívá datový deficit fyzické AI

Podle údajů opakovaně citovaných v souvislosti s konferencí činí objem dostupných vyhovujících dat z reálných fyzických interakcí přibližně 500 000 hodin. Komerčně využitelné obecné modely vtělené AI jsou přitom často spojovány s potřebou desítek milionů hodin. To znamená schodek přes 99 procent. Číslo je však třeba chápat jako průmyslový odhad, nikoli jako univerzální vědecký práh. Potřebný objem závisí na konkrétním úkolu, konstrukci robota, prostředí i požadované úrovni bezpečnosti. 357

Srovnání je důležité, protože data o fyzické interakci nelze jednoduše nahradit běžným internetovým obsahem. Video může ukazovat člověka, který zvedá šálek, obvykle ale nezachytí stav kloubů robota, sílu sevření, okamžik kontaktu, tření, prokluz ani opravné pohyby. Právě tyto detaily rozhodují o tom, zda robot úkon zvládne zopakovat, když bude šálek těžší, povrch mokrý nebo předmět položený trochu jinak.

Proč demonstrace není důkazem autonomie

Naplánovaná rutina může skrýt ty nejtěžší části robotiky. Předměty, osvětlení, trasa i načasování jsou často pod kontrolou a lidský operátor zasáhne pokaždé, když se objeví neočekávaná situace. Výsledek pak může působit autonomně, aniž by dokazoval, že se robot naučil odolné pravidlo převádějící vnímání na konkrétní jednání.

Pro skutečné nasazení je potřeba víc. Robot musí zvládat různé tvary předmětů, místa uchopení, povrchy, nepořádek i přítomnost lidí. Musí také rozpoznat chybu a zotavit se z ní. U úkolů s častým kontaktem přitom není podstatné jen to, zda byl nakonec splněn cíl. Cenný je celý sled pozorování, pohybů, fyzických stavů a oprav. Specializované datové soubory pro fyzickou AI proto propojují multimodální pozorování s akcemi a jejich následky. 333440

Sběr dat je stále náročnější

První datové soubory pro učení robotů se mohly soustředit na krátké a snadno opakovatelné ukázky. Další fáze však zahrnuje delší úkoly s více kroky a častým fyzickým kontaktem: manipulaci s předměty, třídění, montáž, balení, úklid i další činnosti v domácnostech, obchodech, továrnách a servisních provozech.

To zvyšuje nároky na data třemi způsoby:

• Větší rozmanitost: stejný úkol je třeba zaznamenat s různými předměty, v odlišných uspořádáních, z různých materiálů a v proměnlivých podmínkách.
• Více informací o selhání: uklouznutí, náraz, nepovedené uchopení a pokusy o nápravu mohou být stejně poučné jako úspěšné ukázky. 33
• Synchronizace více signálů: kamery, hloubková data, poloha robota, pohyb kloubů, síla, dotyk a další senzorické proudy musí být časově sladěné, aby se model naučil, jak vnímání souvisí s akcí.

Rozšíření sběru je obtížné. Provoz skutečných robotů je drahý, fyzické experimenty vyžadují bezpečnostní opatření a kvalitní data je nutné pečlivě vybírat a upravovat, nikoli jen hromadit. Velký archiv videí proto automaticky není užitečným datovým souborem pro výcvik robotů.

Vzniká nová vrstva dodavatelů dat

Specializované firmy začínají vyplňovat mezeru mezi lidským chováním a daty použitelnými pro strojové učení. Mohou nabírat a školit operátory, dálkově ovládat roboty, snímat lidský pohyb, vybavovat pracoviště senzory, synchronizovat datové proudy, vyřazovat nekvalitní trajektorie a připravovat výsledky ve formátu pro vývojáře modelů.

Teleoperace je cenná v tom, že zaznamenává jednání na skutečném robotu, nikoli jen lidský pohyb, který mu je podobný. Příkazy robotu mohou dodávat VR a další univerzální ovladače. Nositelné systémy a technologie snímání pohybu zase zachycují podrobnější pohyby člověka a převádějí je na robota. 1

Vzniká tak nová dodavatelská vrstva pro vtělenou AI. Firmy už nevyrábějí pouze robotická těla a modely, ale také vytvářejí ukázky a senzorické záznamy, které obojí propojují. Vystavovatelé na konferenci otevřeně prezentovali sběr dat jako součást celého technologického řetězce, včetně systémů zaznamenávajících pohyby hlavy a rukou při běžných činnostech. 49

Proč Čína buduje celostátní tréninkové areály

Tréninkové areály poskytují kontrolované, ale realistické prostředí, v němž lze roboty učit, testovat a vzájemně porovnávat. Mohou napodobovat továrny, sklady, domácnosti, obchody nebo místa veřejných služeb. Vývojářům tak nabízejí opakovatelné scénáře, aniž by se problém zredukoval na laboratorní rutinu.

Podle zpráv o studii Čínské akademie pro informační a komunikační technologie fungovalo v Číně do konce června více než 70 tréninkových areálů pro vtělenou AI. Dalších 46 bylo ve výstavbě nebo ve fázi plánování. Zařízení pokrývala více než polovinu čínských oblastí na úrovni provincií a průmyslová výroba se objevovala v 86 procentech sledovaných areálů. 1822

Samotná existence infrastruktury ale nestačí. Její smysl spočívá v aktivním využívání jako zdroje dat a platformy pro testování v reálném světě, nikoli jen jako dalšího místa pro předváděcí akce. Zamýšlený cyklus je praktický: nasazení v reálném světě vytvoří data, data zlepší model, lepší model umožní širší nasazení a provoz následně vytvoří další data. 1422

Politika žene roboty z veletrhů do provozu

Čínské ministerstvo průmyslu a informačních technologií a Komise pro dohled a správu státního majetku zahájily v roce 2026 zvláštní program praktického výcviku humanoidních robotů a vtělené AI. Zaměřuje se na průmyslové, servisní a specializované scénáře, mimo jiné na výrobu, logistiku, zdravotnictví, veřejné služby a krizové situace. 2425

Vládní oznámení stanovilo mimo jiné cíl komerčně nasadit do konce roku 2026 10 000 humanoidních robotů a vytvořit více než 100 vysoce hodnotných aplikačních scénářů. 26 Politika se snaží učinit ze samotného nasazení součást tréninkové infrastruktury: místní úřady a státní podniky mají poskytovat prostředí, v němž lze systémy testovat, ověřovat a zlepšovat za skutečných provozních podmínek. 24

To samozřejmě nezaručuje, že roboty cíle splní nebo že se z nich stanou široce autonomní stroje. Ukazuje to však, že důraz se posouvá od výroby hardwaru k datovému a provoznímu cyklu, který je pro komerční spolehlivost nezbytný.

Proč nestačí video, text ani data z autonomního řízení

Video a jazyková data zůstávají užitečná. Mohou modely naučit, co jsou jednotlivé předměty, co znamenají pokyny a jak vypadá lidská činnost. Simulace umožňuje získat data ve velkém měřítku a pokrýt situace, jejichž fyzické opakování by bylo drahé nebo nebezpečné. Výzkum datových standardů pro vtělenou AI zároveň směřuje ke kombinaci reálných dat, simulace a více senzorických modalit, nikoli k závislosti na jediném zdroji. 232

Tyto zdroje ale samy o sobě úplně nepopisují problém řízení. Při manipulaci může robot potřebovat odhadnout:

• polohu a orientaci předmětu ve třech rozměrech;
• úhly a rychlost vlastních kloubů i mechanickou odezvu;
• sílu nutnou k uchopení, zatlačení, zasunutí nebo zvednutí;
• okamžik kontaktu, prokluzu či nárazu;
• způsob, jak upravit pohyb, když očekávaný postup nefunguje.

Proto se jednotlivé metody sběru navzájem doplňují:

• VR teleoperace zaznamenává příkazy člověka prostřednictvím rozhraní, které lze převést na pohyby robota. 1
• Nositelné snímání pohybu zachycuje pohyb těla, paží a rukou člověka, který lze následně přenést na robota. 1
• Silová zpětná vazba a hmatové senzory odhalují kontakt, odpor, tlak a prokluz, které běžné obrazové záznamy nemusí zachytit. 733
• Točivý moment motorů a proprioceptivní data ukazují vnitřní stav robota a jeho skutečnou mechanickou reakci během akce. 3946
• Trajektorie skutečného robota odhalují chyby kalibrace, zpoždění, šum senzorů, mechanické limity a neuspořádanost prostředí, které video člověka nebo simulace mohou pouze přibližovat. 3234

Datové soubory z autonomního řízení mohou pomoci s vnímáním a navigací, ale obratná manipulace pracuje s jiným prostorem akcí. Řízení vozidla je převážně zaměřené na samotné vozidlo a obvykle nevyžaduje nepřetržitý kontakt s většinou objektů. Uchopení, zasouvání a montáž naopak závisí na kontaktních silách, poddajnosti mechanismu a schopnosti zotavit se z chyby.

Co to znamená pro další závod

Hlavní poučení z konference WRC 2026 není, že by Čína přestala investovat do robotického hardwaru. Hardware sám však nedokáže odstranit rozdíl mezi působivou ukázkou a skutečnou autonomií. Výhoda může stále více patřit organizacím, které umějí ve velkém sbírat, standardizovat a legálně využívat multimodální data z fyzických interakcí.

Cesta čínského průmyslu humanoidních robotů za hranice pódiových vystoupení a dálkově ovládaných strojů vede přes kombinaci reálného nasazení, vyškolených operátorů, senzoricky vybavených prostředí, společných datových standardů a opakovaného testování. Tento řetězec se už buduje. Rozdíl mezi stovkami tisíc hodin a desítkami milionů hodin, o nichž se hovoří v souvislosti s komercializací, však zůstává jeho hlavní překážkou. 31314