לרובוטים של סין יש גוף — אבל עדיין חסר להם ניסיון בעולם האמיתי

החסם המרכזי של תעשיית הרובוטים דמויי־האדם בסין הולך ומתברר כבעיית נתונים, ולא רק כבעיית חומרה. רובוט יכול ללכת, לרקוד או לבצע הדגמה שהוכנה בקפידה — אבל אוטונומיה אמינה דורשת דבר שקשה הרבה יותר להשיג: מאגרי מידע חוקיים, מגוונים ואיכותיים של מכונות שחשות את העולם, נעות בו, נוגעות בחפצים, נכשלות ומתאוששות. 514

ועידת הרובוטים העולמית 2026 בבייג׳ינג המחישה את השינוי הזה. לצד הדגמות מלוטשות, המציגים הקדישו תשומת לב רבה לציוד טל־אופרציה, מערכות לבישות ללכידת תנועה, חיישני מגע וכוח ותשתיות שנועדו לייצר את נתוני האימון שמודלים של למידת רובוטים זקוקים להם. 4913

הפער בין בינה מלאכותית לעולם הפיזי

הנתונים שצוטטו בענף סביב הוועידה מציבים את היקף מאגרי האינטראקציה הפיזית תואמי־הרגולציה בכ־500 אלף שעות, בעוד שמודלים כלליים של בינה מלאכותית גופנית — כלומר מערכות שמסוגלות לחוש, להחליט ולפעול בגוף פיזי — מקושרים לעיתים לדרישה של עשרות מיליוני שעות. בחישוב ישיר, מדובר במחסור של יותר מ־99%. עם זאת, זו הערכה תעשייתית ולא סף מדעי אוניברסלי: כמות הנתונים הדרושה תלויה במשימה, בפלטפורמת הרובוט, בסביבת ההפעלה וברמת הבטיחות הנדרשת. 357

ההבדל חשוב משום שנתוני אינטראקציה פיזית אינם שקולים לנתונים רגילים מהאינטרנט. סרטון יכול להראות אדם מרים כוס, אך בדרך כלל הוא אינו מתעד את מצב המפרקים של הרובוט, את עוצמת האחיזה, את רגע המגע, את החיכוך, את ההחלקה או את התנועה המתקנת. דווקא הפרטים האלה קובעים אם הרובוט יצליח לחזור על הפעולה כאשר הכוס כבדה יותר, המשטח רטוב או החפץ מונח במקום מעט שונה.

הדגמה מרשימה אינה הוכחה לאוטונומיה

שגרה מתוסרטת יכולה להסתיר את החלקים הקשים ביותר ברובוטיקה. החפצים, התאורה, המסלול והתזמון עשויים להיות מבוקרים, ואדם יכול להתערב בכל פעם שהרובוט נתקל במצב בלתי צפוי. התוצאה נראית אוטונומית, אך אינה בהכרח מוכיחה שהרובוט למד מדיניות פעולה יציבה — כזו שמחברת בין תפיסה לבין תנועה.

שימוש מסחרי דורש הרבה יותר. הרובוטים צריכים להתמודד עם צורות שונות של חפצים, נקודות אחיזה משתנות, משטחים, עומס, אנשים בסביבה ותנאי אי־סדר. הם גם חייבים לזהות שגיאות ולהתאושש מהן. במשימות הכוללות מגע, הנתון החשוב אינו רק האם הושגה התוצאה הסופית, אלא גם רצף התצפיות, הפעולות, המצבים הפיזיים והתיקונים שבוצעו בדרך. לכן מאגרי נתונים ייעודיים לבינה מלאכותית גופנית מחברים בין מידע חזותי וחושי לבין פעולות והשלכותיהן. 333440

איסוף הנתונים הופך למורכב יותר

מאגרי הלמידה הראשונים של רובוטים יכלו להתמקד בהדגמות קצרות, חוזרות וצפויות. השלב הבא כולל משימות ארוכות ורבות־שלבים, שבהן יש מגע פיזי תכוף: מיון, הרכבה, אריזה, ניקוי, טיפול בחפצים ועבודות בסביבות ביתיות, מסחריות ותעשייתיות.

המעבר הזה מגדיל את עומס איסוף הנתונים בשלושה אופנים:

• יותר שונות: אותה משימה צריכה להירשם עם חפצים, סידורי חלל, חומרים ותנאי סביבה שונים.
• יותר מידע על כישלונות: החלקות, התנגשויות, אחיזות כושלות וניסיונות התאוששות עשויים להיות אינפורמטיביים לא פחות מהדגמות מוצלחות. 33
• יותר אותות מסונכרנים: מצלמות, עומק, תנוחת הרובוט, תנועת מפרקים, כוח, מגע וחיישנים נוספים צריכים להיות מתואמים בזמן, כדי שהמודל ילמד כיצד תפיסה קשורה לפעולה.

ההתרחבות אינה פשוטה. הפעלת רובוטים אמיתיים יקרה, ניסויים פיזיים דורשים מנגנוני בטיחות, ונתונים איכותיים צריכים לעבור סינון ואוצרות — לא רק להיערם. ארכיון גדול של סרטונים אינו הופך אוטומטית למאגר אימון שימושי לרובוטים.

שכבת אספקת נתונים חדשה

ספקיות אימון מתמחות מתחילות למלא את הפער שבין התנהגות אנושית לבין נתונים שמכונה יכולה להשתמש בהם. עבודתן עשויה לכלול גיוס והכשרת מפעילים, הפעלה מרחוק של רובוטים, לכידת תנועה אנושית, התקנת חיישנים, סנכרון ערוצי מידע, סינון מסלולים באיכות נמוכה והמרת התוצאות לפורמט שמתאים למפתחי מודלים.

טל־אופרציה חשובה משום שהיא מתעדת פעולה על רובוט אמיתי, ולא רק אדם שמבצע תנועה דומה. בקרי VR וממשקים כלליים יכולים לספק פקודות לרובוט, בעוד שמערכות לבישות ולכידת תנועה מתעדות תנועות מורכבות יותר של גוף האדם וממפות אותן למכונה. 1

כך נוצרת שכבת אספקה חדשה בתחום הבינה המלאכותית הגופנית: חברות כבר לא בונות רק את גוף הרובוט ואת המודל, אלא גם את מאגרי ההדגמות והחיישנים שמחברים ביניהם. מציגים בוועידת הרובוטים העולמית הציגו איסוף נתונים כחלק בלתי נפרד ממערך הבינה הגופנית, כולל מערכות שמתעדות את תנועות הראש והידיים במהלך פעולות יומיומיות. 49

מדוע סין בונה מתקני אימון ברחבי המדינה

מתקני אימון מספקים סביבות מבוקרות אך מציאותיות שבהן אפשר לאמן, לבחון ולהשוות רובוטים. הם יכולים לדמות מפעלים, מחסנים, בתים, חנויות ומוקדי שירות — ולספק תרחישים חוזרים שאינם מצטמצמים לניסוי מעבדתי סטרילי.

לפי דיווחים על דוח 2026 של האקדמיה הסינית לטכנולוגיות מידע ותקשורת, עד סוף יוני פעלו ברחבי סין יותר מ־70 מתקני אימון לבינה מלאכותית גופנית, בעוד 46 נוספים היו בבנייה או בתכנון. המתקנים פרוסים ביותר ממחצית מהאזורים ברמת מחוז, וייצור תעשייתי הוא השימוש הנפוץ ביותר — הוא הופיע ב־86% מהמתקנים שנסקרו. 1822

עצם בניית התשתית אינה מספיקה. המטרה היא להפוך אותה למשאב נתונים ולפלטפורמת בדיקה בעולם האמיתי, ולא לעוד אוסף של אולמות הדגמה. הלולאה שאליה מכוונת התעשייה היא: אימון בעולם האמיתי מייצר נתונים, הנתונים משפרים את המודל, המודל המשופר מאפשר פריסה רחבה יותר, והפריסה מייצרת נתוני תפעול נוספים. 1422

המדיניות דוחפת את הרובוטים אל מחוץ לאולם ההדגמות

משרד התעשייה וטכנולוגיית המידע של סין והוועדה לפיקוח וניהול נכסים ממשלתיים השיקו ב־2026 תוכנית מיוחדת לאימון רובוטים דמויי־אדם ובינה מלאכותית גופנית בתרחישים אמיתיים. התוכנית מתמקדת בסביבות תעשייתיות, שירותיות ומיוחדות, ובהן ייצור, לוגיסטיקה, בריאות, שירותים ציבוריים ועבודות חירום. 2425

בהודעה ממשלתית הוגדרו יעדים של פריסה מסחרית של 10,000 רובוטים דמויי־אדם ויותר מ־100 תרחישי יישום בעלי ערך גבוה עד סוף 2026. 26 הגישה היא להפוך את הפריסה עצמה לחלק מתשתית האימון: ממשלות מקומיות וחברות ממשלתיות מעודדות לספק סביבות שבהן ניתן לבדוק, לאמת ולשפר את המערכות בתנאי עבודה אמיתיים. 24

אין בכך ערובה שהיעדים יושגו או שהרובוטים יהפכו לאוטונומיים באופן רחב. אבל הדבר כן מעיד שהדגש המדיני עובר מייצור חומרה בלבד אל מעגל הנתונים והפריסה שנדרש כדי להגיע לאמינות מסחרית.

מדוע סרטונים, טקסט ונתוני נהיגה אינם מספיקים

סרטונים ושפה עדיין חשובים. הם יכולים ללמד מודלים מהו חפץ, מה משמעותה של הוראה ואיך נראית פעולה אנושית. סימולציות מאפשרות להגדיל את היקף האימון ולכסות תרחישים שעלולים להיות יקרים או מסוכנים לביצוע במציאות. מחקרים בתחום תקני נתונים לבינה מלאכותית גופנית מצביעים גם הם על הצורך לשלב נתוני עולם אמיתי, סימולציה ומגוון ערוצי חישה, במקום להסתמך על מקור יחיד. 232

אולם מקורות אלה אינם מתארים במלואם את בעיית השליטה. במשימת מניפולציה, רובוט עשוי להזדקק להעריך:

• את מיקום החפץ ואת כיוונו בתלת־ממד;
• את זוויות המפרקים, המהירות והתגובה המכאנית של עצמו;
• את הכוח הדרוש לאחיזה, דחיפה, החדרה או הרמה;
• את רגע המגע, ההחלקה או ההתנגשות; ואת
• הדרך לתקן את התנועה כאשר התוצאה הצפויה אינה מתקבלת.

לכן שיטות איסוף שונות משלימות זו את זו:

• טל־אופרציה באמצעות VR מתעדת פקודות שאדם מדגים דרך ממשק שניתן למפות לתנועות הרובוט. 1
• לכידת תנועה לבישה מתעדת את כוונת התנועה של גוף האדם, הזרועות והידיים, שאותה אפשר למפות לרובוט. 1
• משוב כוח וחישה טקטילית חושפים מגע, התנגדות, לחץ והחלקה שחיישני תמונה רגילים עלולים לפספס. 733
• נתוני מומנט מנוע ופרופריוספציה — תחושת המצב הפנימית של המכונה — מגלים את מצב המפרקים ואת תגובת המנגנון במהלך הפעולה. 3946
• מסלולים שנאספו מרובוט אמיתי חושפים שגיאות כיול, השהיה, רעשי חיישנים, מגבלות מכאניות ואי־סדר סביבתי שסימולציה או סרטון אנושי יכולים רק לדמות בקירוב. 3234

מאגרי נתונים של נהיגה אוטונומית יכולים לסייע בתפיסה ובניווט, אך מניפולציה עדינה כוללת מרחב פעולה שונה. נהיגה היא בעיקר בעיה של כלי רכב, ובדרך כלל אינה כוללת מגע רציף עם רוב העצמים בסביבה. לעומת זאת, אחיזה, החדרה והרכבה תלויות בכוחות מגע, בגמישות מכאנית וביכולת להתאושש משגיאות.

המשמעות האסטרטגית

המסר המרכזי של ועידת הרובוטים העולמית 2026 אינו שסין ויתרה על חומרה. אלא שחומרה לבדה לא תסגור את פער האוטונומיה. היתרון התחרותי עשוי לעבור יותר ויותר לארגונים שיודעים לאסוף, לתקנן ולהשתמש באופן חוקי בכמויות גדולות של נתוני אינטראקציה פיזית ורב־חושית.

הדרך מהדגמות במה ורובוטים שמופעלים מרחוק אל מכונות אמינות עוברת בשילוב קשה של פריסות בעולם האמיתי, מפעילים מיומנים, סביבות מצוידות בחיישנים, תקני נתונים משותפים ובדיקות חוזרות. סין בונה את הצינור הזה — אך הפער בין מאות אלפי שעות לבין עשרות המיליונים שנדרשים לכאורה למסחור נותר המגבלה המרכזית של התחום. 31314