Fra 40.000 leverede robotter til reel produktivitet

Budskabet fra World Robot Conference 2026 var både ambitiøst og nøgternt: Kina kan have vundet det tidlige kapløb om at producere og levere humanoide robotter i stor skala. Men antallet af leverede enheder er kun startlinjen. Den sværere opgave bliver at bevise, at robotterne kan udføre stabilt, selvstændigt arbejde, der faktisk øger produktiviteten.

Kina fører stort – men tallet er omstridt

En bran cher apport, der blev præsenteret på konferencen, oplyste, at Kina leverede over 40.000 humanoide robotter i første halvår af 2026. Det skulle svare til omkring 97 procent af alle globale leverancer. Ifølge rapporter fra konferencen viser udviklingen, at humanoide robotter er på vej fra små pilotprojekter til rutinemæssig anvendelse og løsninger i større skala. 101215

Tallet bør dog ikke læses som et entydigt og endeligt markedsregnskab. Smart Analytics Global anslog cirka 19.100 leverede humanoide robotter på verdensplan i samme periode, mens Counterpoint Research satte det globale tal til over 22.000. Et andet estimat lød på, at kinesiske producenter alene havde leveret over 30.000 enheder. Forskellene ser ud til at skyldes forskellige definitioner og opgørelsesmetoder, så det præcise antal er vanskeligt at verificere uafhængigt. 14

Den mere robuste konklusion er derfor ikke ét bestemt tal, men retningen: Produktionen og udbredelsen accelererer, og kinesiske producenter har ifølge de rapporterede opgørelser en dominerende del af markedet.

Konferencen trak en tydelig grænse mellem show og produktivitet

Demonstrationerne på WRC 2026 viste, hvorfor humanoide robotter tiltrækker sig så meget opmærksomhed – og hvorfor demonstrationer alene ikke længere er nok. Unitrees præsentation i et mødelokale og forhåndsvisningen af en robot, der blev markedsført med en hastighed på 12,65 meter i sekundet, illustrerede fremskridt inden for bevægelse og produktudvikling.

Men fart, balance eller en poleret optræden i et kontrolleret miljø beviser ikke, at en robot kan udføre alsidigt arbejde. Den afgørende skelnen på konferencen gik mellem nøje koreograferede numre og opgaver, der kan fungere i virkeligheden. Robotterne blev beskrevet som på vej fra opvisninger på udstillingsgulvet til opgaver som sortering af pakker, tilberedning af nudler og pakning af varer samt brug på fabrikker og i hjemmet. 815

For en kunde er spørgsmålet derfor ikke, om en robot kan klare én omhyggeligt forberedt opgave. Spørgsmålet er, om det samme system kan håndtere skiftende genstande, indretninger, instruktioner, lysforhold og uventede fejl – uden at en tekniker skal nulstille det efter hvert forsøg.

Den næste målestok er ukendte opgaver

Grundlæggerne og branchefolkene på konferencen placerede den kommercielle tærskel langt højere end en vellykket demonstration i et kontrolleret miljø. En værdifuld humanoid robot skal kunne træde ind på en ukendt arbejdsplads eller i et hjem, forstå hvad der skal gøres, lære en ny opgave hurtigt og udføre den med stabil hastighed og præcision. 13

Det peger på flere huller i de nuværende systemer:

• Generalisering: En robot, der er trænet til ét miljø, kan få problemer, når genstande, overflader eller arbejdsgange ændrer sig.
• Præcision: Små fysiske fejl kan gøre en opgave, der ser vellykket ud, ubrugelig i praksis.
• Hastighed: En opgave kan fungere i en demonstration og stadig være for langsom til at konkurrere med en menneskelig medarbejder.
• Autonomi: Hyppig fjernstyring, teknisk support eller menneskelig indgriben kan udhule den økonomiske værdi ved at tage robotten i brug.

Det er ikke blot mindre justeringer. Det er forskellen på en fleksibel platform til fysisk arbejde og en dyr maskine, der reelt er bygget omkring en snæver samling demonstrationer.

Den aktuelle præstation viser stadig afstanden

De benchmarktal, som Starship Navigator blev citeret for, placerede de nuværende systemer på omkring 70-80 procent af menneskers præstation på opgaver. I en anden demonstration brugte en robot næsten to minutter på at folde en kortærmet T-shirt, før en menneskelig operatør måtte træde til. 1320

Tøjfoldningen er et nyttigt eksempel, fordi den omsætter en imponerende evne til et konkret drifts spørgsmål: Hvor mange stykker tøj kan robotten håndtere i timen? Hvor ofte fejler den? Og hvor meget opsyn kræver den?

En robot, der kan folde en T-shirt, demonstrerer fysisk manipulation. En robot, der hurtigt og selvstændigt kan håndtere blandet vasketøj, demonstrerer derimod en service, der potentielt kan fungere i praksis.

Den samme forskel gælder på fabrikker og lagre. En maskine kan godt være teknisk i stand til at flytte en genstand og stadig være et dårligt forretningsprodukt, hvis den er for langsom, for skrøbelig eller trænet for snævert til den arbejdsgang, den skal indgå i.

Hurtigere oplæring er afgørende for økonomien

Et af målene, der blev omtalt i dækningen af konferencen, var at reducere tiden til at træne en robot til en ny opgave fra cirka 10 timer til omtrent én time. Det handler ikke kun om bekvemmelighed. Hurtigere tilpasning vil kunne mindske behovet for dataindsamling, programmering og teknisk udvikling, hver gang en kunde ændrer en proces. 13

Det kan blive afgørende for økonomien i teknologien. Hvis hver ny opgave kræver et specialbygget integrationsprojekt, vil humanoide robotter sandsynligvis forblive begrænset til nøje kontrollerede pilotforsøg. Hvis medarbejdere hurtigt kan lære eller konfigurere nye opgaver, og robotten derefter udfører dem stabilt, bliver den samme hardware mere værdifuld på tværs af flere opgaver og lokationer.

Produktivitet på et lager er derfor en mere meningsfuld milepæl end én viral demonstration. Det vil teste, om en robot kan arbejde i længere perioder, håndtere variation, komme sig efter fejl og levere resultater uden konstant hjælp.

Hvorfor et humanoidt »ChatGPT-øjeblik« stadig er betinget

Nogle af virksomhederne, der blev omtalt på konferencen, pegede på et tidsvindue på to til ti år for et gennembrud inden for alsidige humanoide robotter. Den optimistiske mulighed blev placeret omkring 2028. Datoerne er prognoser – ikke fastlagte milepæle. 13

Den grundlæggende udfordring er, at fysisk kunstig intelligens skal forbinde opfattelse, ræsonnement og handling. En model kan måske identificere en genstand korrekt eller beskrive en plan, men stadig mislykkes med at udføre bevægelsen præcist i den virkelige verden. Branchen kæmper også med svag generalisering, fejl på millimeterskala og mangel på de store mængder kvalitetsdata om fysisk interaktion, der er nødvendige for at træne robuste systemer. 13

Ambitionen, som blev beskrevet i konferencedækningen, er, at robotter på sigt skal kunne udføre omkring 80 procent af opgaverne i ukendte hjem. Det vil kræve potentielt titusinder af millioner timers brugbare træningsdata samt fremskridt, der gør det muligt for robotterne at overføre færdigheder i stedet for at lære hver enkelt opgave helt fra bunden. 13

Det skal man holde øje med efter WRC 2026

Konferencen omformulerede kapløbet om humanoide robotter til fem praktiske spørgsmål:

1. Kan robotten udføre arbejdet uden for et manuskriptstyret miljø?
2. Hvor hurtigt kan den lære en reelt ny opgave?
3. Hvor tæt kommer dens vedvarende hastighed og præcision på en menneskelig medarbejders?
4. Hvor ofte kræver den fjernstyring eller indgriben på stedet?
5. Skaber den dokumenterbar økonomisk værdi over tid?

Kinas rapporterede føring på leverancer besvarer spørgsmålet om produktion mere overbevisende, end den besvarer spørgsmålene om produktivitet. WRC 2026 fremstillede derfor branchen som værende på vej ind i en valideringsfase: Markedet skal nu bevise, at humanoide robotter ikke bare kan produceres i stor skala, men også udføre nyttigt arbejde i stor skala.