WRC 2026 viser, hvordan Kinas robotter bevæger sig fra show til rigtigt arbejde

WRC 2026 tegnede et billede af en robotindustri i overgang. Fra 19. til 23. august blev Beijing-forstaden Yizhuang fyldt med robotter, der sorterede pakker, håndterede produktionsforløb, pakkede mobiltelefoner, lavede mad og udførte huslige opgaver – side om side med de mere velkendte humanoide stunts. Den dybere besked var, at robotternes næste prøve ikke er, om de kan imponere et publikum én gang, men om de kan udføre nyttigt arbejde stabilt nok til at få en fast plads i en virksomhed. 3417

Samtidig gjorde konferencen det klart, at softwarefundamentet for bredt anvendelige robotter stadig er uafklaret. Virksomhederne prøver forskellige svar på det samme grundproblem: Hvordan giver man maskiner tilstrækkelig fysisk forståelse, træningsdata og tilpasningsevne til at arbejde uden for en snævert programmeret opgave?

Fra spektakel til drift

Konferencens tema – ”Menneske-robot-symbiose, konvergens mellem produktion og efterspørgsel” – placerede anvendelser og købere tættere på centrum. Udstillingerne omfattede blandt andet pakkesortering, pakning af mobiltelefoner, materialehåndtering, reception, detailhandel og huslige gøremål. Reuters beskrev ambitionen som et skifte fra publikumsvenlige opvisninger til bredere kommerciel anvendelse, men understregede også, at demonstrationerne i sig selv ikke beviser en holdbar og skalerbar drift. 217

Det er en afgørende forskel. En robot, der løser en opgave på et forberedt messegulv, demonstrerer en teknisk mulighed. En robot, der gentager opgaven i en omskiftelig hverdag på en arbejdsplads, demonstrerer et driftsklart produkt. WRC 2026 gav flere tegn på bevægelsen fra det første mod det andet – men ikke på masseudrulning endnu.

Flere stande illustrerede bredden i udviklingen:

• X Square Robot viste én samlet model på tværs af logistik og hjemlige miljøer. Robotterne organiserede tøj, gjorde rent, hentede leverancer og drikkevarer, vandede planter og udførte andre huslige opgaver.
• UBTECH præsenterede koordinerede humanoide arbejdsgange med løft, stabling, sortering og genopfyldning af varer. Walker C1 blev samtidig positioneret til service og kontakt med offentligheden, eksempelvis i receptioner.
• JD.com kørte sin JoyInside AI-platform på en Unitree R1-humanoid, som blev vist gående med en robothund. Demonstrationen fremhævede JD.com som mere end en mulig robotkunde: også som AI-platform og økosystemaktør.
• Demonstrationer med automatisk madlavning, kaffebrygning og robotbetjente detailhandelsoplevelser gjorde den kommercielle ambition synlig for de besøgende. 516

Det tilgængelige materiale om WRC 2026 dokumenterer ikke konkrete anvendelser fra AI² Robotics eller LimX Dynamics. Deres roller på konferencen bør derfor ikke beskrives mere specifikt, end kilderne giver grundlag for.

Stor udstilling – men størrelse er ikke det samme som modenhed

Konferencens tal var markante. Arrangørerne oplyste, at 373 kinesiske og internationale virksomheder deltog med over 3.000 produkter, hvoraf 311 var produktpremierer i løbet af de fem dage. Udstillingen dækkede komplette robotter, kernekomponenter, industrisamarbejde og anvendelser i flere forskellige miljøer. 34

Størrelsen er vigtig, fordi den peger på en mere komplet kommercialiseringskæde end en samling isolerede robotproducenter. På messen mødtes robotkroppe, aktuatorer og sensorer, chips, systemer til dataindsamling, grundmodeller, applikationssoftware og potentielle brugere. Kernekomponenter som fingerfærdige robot hænder, kraftsensorer, ledmoduler og chips fik også stor opmærksomhed. 5

Tallene skal dog læses med omtanke. Hundredvis af udstillere og tusindvis af produkter måler industriens aktivitet og markedsambition – ikke om tusindvis af systemer allerede kører rentabelt i stor skala. Det mere interessante signal var den voksende forbindelse mellem demonstrationer og konkrete arbejdsopgaver: at flytte materialer, sortere pakker, fylde lager op, betjene kunder og udføre huslige opgaver.

Embodied AI står ved en teknisk skillevej

Konferencen satte også fokus på et grundlæggende strategisk spørgsmål: Hvilken vej er mest effektiv, hvis robotter skal have en fleksibel intelligens?

Første vej: lær fysisk adfærd fra menneskevideo

Dyna Robotics’ Dyna-2 repræsenterer én tilgang. Virksomheden beskriver modellen som en ”world-action model” til robotmanipulation, fortrænet på mere end én million timer med førstepersonsvideo af mennesker – svarende til cirka 170 års ubrudt vågen erfaring. Tanken er, at store mængder video kan give information om, hvordan scener ændrer sig, hvordan objekter reagerer på berøring, og hvordan mennesker udfører fysiske handlinger. Det kan mindske afhængigheden af den mere begrænsede mængde data fra faktiske robotbevægelser.

Dyna oplyser, at Dyna-2 kan overføres til forskellige robotplatforme og tilpasses med blot få timers yderligere finjustering. Det er dog virksomhedens egne oplysninger og ikke en uafhængig validering af modellens evne til at fungere generelt.

Anden vej: tilpas dig hurtigt efter en demonstration

Generalists GEN-1.5 lægger vægt på noget andet. Virksomheden beskriver den som en multimodal grundmodel til robotter, der kan lære en ny opgave fra én enkelt demonstration på få sekunder – uden gradientopdateringer eller finjustering. Systemet behandler video sammen med sensor-, sprog- og proprioceptive input og producerer handlingsbaner for robotten.

Tilgangen prioriterer hurtig tilpasning i konteksten. I stedet for at gen træne robotten til hver ny opgave viser en operatør, hvad der skal gøres, hvorefter modellen forsøger at generalisere instruktionen til nye situationer. Som med Dyna-2 bygger den tilgængelige dokumentation primært på virksomhedens egne oplysninger. Påstandene bør derfor forstås som rapporterede egenskaber – ikke som endeligt fastslåede benchmarks.

Det, der stadig er uvist

De to tilgange synliggør branchens ubesvarede valg:

• Hvor meget nyttig fysisk viden kan læres fra menneskevideo i stedet for interaktion med robotter?
• Hvornår er data fra den virkelige verden mere værdifulde end simulationer eller optagede demonstrationer?
• Bør udviklerne prioritere større modeller, world models, imitation learning eller hurtig opgavetilpasning?
• Kan en model, der er trænet på én robot, overføres pålideligt til en anden robot med andre sensorer, dimensioner og kontrolbegrænsninger?

Det tilgængelige materiale peger ikke på én vindende arkitektur eller træningsopskrift. Denne tekniske skillevej er ikke en detalje: Den afgør, hvor dyrt det bliver at tilføje nye opgaver, miljøer og robottyper.

Sådan ser et ”landingsår” ud

WRC 2026 pegede på en strategi med to spor. Virksomhederne arbejder med afgrænsede anvendelser med en tydelig økonomisk logik – lagerdrift, montage, logistik, detailhandel og service – samtidig med at de investerer i grundmodeller, datainfrastruktur og hardware til mere generel embodied intelligence. 24

Det er en pragmatisk kombination. Smalere systemer kan allerede nu give kunde-feedback og driftsdata, selv om de ikke løser den generelle robotik. Humanoide platforme tiltrækker opmærksomhed, men hjulbaserede og specialiserede maskiner kan være bedre til konkrete opgaver. Rapportering fra konferencen viste, at mange af robotterne, der faktisk udførte produktivt arbejde, kørte på hjul i stedet for at gå på ben.

Resultatet er et marked, der kommercialiserer teknologien, før den tekniske frontier er afgjort. WRC 2026 var derfor mindre en erklæring om, at de generelle humanoide robotter er ankommet, og mere en stresstest af industrien: Kan virksomhederne omsætte imponerende demonstrationer til gentagelige arbejdsgange – og bruge de nye installationer til at forbedre robotterne, mens kampen om embodied-AI-metoderne fortsætter?