SynapX menggunakan World Robot Conference (WRC) 2026 untuk mengetengahkan laluan berbeza dalam pembangunan AI berjasad: bina lapisan kecerdasan dan manipulasi yang boleh diguna semula terlebih dahulu, bukannya bermula dengan sebuah robot humanoid lengkap. Sistem “Otak-Tangan-Data” syarikat itu menggabungkan model dunia berjasad SYNWorld, tangan robotik cekap OctoH-Hand dan platform pengumpulan data OctoSense. 12

Idea strategiknya ialah nilai utama robot bukan semata-mata pada rupa yang menyerupai manusia atau keupayaan berjalan. Yang lebih penting ialah kebolehan memahami bagaimana dunia fizikal berfungsi dan berinteraksi dengannya secara tepat. Secara teori, satu platform otak dan tangan boleh dipasang pada badan robot yang berbeza, lengan robotik atau stesen kerja tetap. Ini menjadikan kecerdasan itu lebih mudah dipindahkan berbanding sistem humanoid yang dibina untuk satu tujuan khusus. 114

Tiga komponen yang diperkenalkan SynapX

SYNWorld: “otak” robot

SynapX menggambarkan SYNWorld V0.5 sebagai model asas dunia umum yang direka khusus untuk AI berjasad. Matlamatnya adalah membantu robot membuat penaakulan berdasarkan hukum fizikal yang dikongsi merentas tugasan dan persekitaran, bukannya bergantung pada atur cara berasingan untuk setiap tindakan.

Demonstrasi di persidangan itu merangkumi tugasan seperti membakar roti, melipat pakaian dan menyelesaikan puzzle terperinci. 1922

Model ini dipersembahkan melalui dua keupayaan yang saling melengkapi. Model dunia terkawal tindakan meramalkan bagaimana persekitaran mungkin berubah selepas sesuatu tindakan dilakukan. Sementara itu, model dunia-ke-tindakan menggunakan pemahamannya tentang keadaan semasa dan keadaan masa hadapan untuk menjana pergerakan robot.

Menurut SynapX, SYNWorld V0.5 mempunyai skala 16 bilion parameter dan dilatih menggunakan lebih 300,000 jam data multimodal. 14

Dakwaan itu menunjukkan matlamat utama model berkenaan: mempelajari pola fizikal yang berguna sekali, kemudian menggunakannya merentas tugasan dan jenis robot. Namun, persoalan paling besar masih belum terjawab—sejauh mana keupayaan itu benar-benar boleh digeneralisasikan di luar demonstrasi yang dikawal.

OctoH-Hand: “tangan” yang boleh merasa

OctoH-Hand ialah tangan bionik berbilang jari dengan jumlah darjah kebebasan yang tinggi. Ia direka untuk pergerakan hujung jari yang halus, pertembungan ibu jari dengan jari lain, genggaman kompleks dan koordinasi beberapa jari serentak.

Laporan mengenai reka bentuknya menyebut gabungan pergerakan berasaskan tendon pada bahagian tangan dengan motor yang ditempatkan di lengan bawah. Spesifikasi yang diterbitkan merangkumi 28 penggerak yang boleh dikawal secara berasingan, 23 darjah kebebasan aktif dan lebih 1,900 unit penderia sentuhan. 418

Perbezaan penting berbanding penggenggam robot biasa ialah interaksi gelung tertutup. Tangan yang cekap bukan sekadar bergerak ke kedudukan dan menggenggam objek. Ia perlu sentiasa melaraskan cengkaman berdasarkan sentuhan, tekanan, daya dan perubahan pada objek.

Keupayaan ini amat penting ketika mengendalikan barang lembut atau mudah rosak. Daya berlebihan boleh menghancurkan objek, manakala daya yang terlalu kecil boleh menyebabkan objek terlepas. Sebab itu SynapX meletakkan penderiaan dan kawalan daya sebagai teras manipulasi, bukannya ciri tambahan. 14

OctoSense: lapisan “data”

OctoSense ialah sistem pengumpulan data berjasad SynapX. Demonstrasi yang dilaporkan menunjukkan penggunaan peralatan boleh pakai seperti rig kepala berfisheye, gelang elektromiografi (EMG) pada pergelangan tangan dan sarung tangan pengumpulan data berasaskan eksoskeleton.

Peralatan ini direka untuk merakam perkara yang dilihat manusia, pergerakan badan dan tangan, serta cara seseorang berinteraksi dengan objek melalui isyarat seperti daya, tork, tekanan dan sentuhan. 1512

SynapX berkata sistem itu bertujuan menyelaraskan demonstrasi manusia dengan lebih dekat kepada struktur pergerakan dan penderiaan tangan robotiknya. Jika berjaya, pendekatan ini boleh mengurangkan masalah “retargeting”—iaitu menterjemahkan tindakan manusia kepada tindakan robot.

Syarikat itu turut mendakwa isyarat otot boleh digeneralisasikan merentas individu tanpa contoh khusus terlebih dahulu. Namun, bukti bebas bahawa keupayaan itu berfungsi dengan konsisten pada skala besar masih terhad dalam laporan yang tersedia. 5720

Kitaran data yang menjadi taruhan utama

Ketiga-tiga produk ini direka untuk beroperasi sebagai satu gelung, bukan tiga barisan produk yang terpisah:

1. Manusia menunjukkan cara melakukan tugasan fizikal harian.
2. OctoSense merakam data visual, pergerakan, otot, daya dan sentuhan yang disegerakkan.
3. SYNWorld belajar meramalkan hasil fizikal dan menjana tindakan.
4. OctoH-Hand melaksanakan tindakan itu dengan maklum balas daya dan sentuhan.
5. Hasil dunia sebenar serta demonstrasi baharu menghasilkan lebih banyak data latihan.

Kitaran inilah yang menjadi teras tesis SynapX. Data yang lebih baik sepatutnya meningkatkan model; model yang lebih berkebolehan pula menjadikan tangan robot berguna dalam lebih banyak situasi; dan penggunaan yang lebih meluas akan menghasilkan data yang lebih kaya.

Pertaruhan syarikat itu ialah gelung bersepadu ini mampu membina kemahiran fizikal yang lebih mudah dipindahkan berbanding usaha mengoptimumkan model, tangan atau rangka humanoid secara berasingan. 137

Mengapa otak dan tangan, bukan badan humanoid?

Badan humanoid mempunyai kelebihan yang jelas. Ia berpotensi bergerak dalam ruang yang direka untuk manusia dan menggunakan peralatan sedia ada. Namun, hujah SynapX ialah badan harus dilihat sebagai platform penggunaan yang boleh ditukar ganti, manakala model dunia dan alat hujung seperti tangan robotik merupakan asas yang lebih mudah digunakan semula.

Ini bukan sekadar pendirian teknikal, tetapi juga strategi perniagaan. SynapX cuba meletakkan dirinya sebagai penyedia lapisan asas AI fizikal—membekalkan model umum, perkakasan tangan cekap dan infrastruktur data.

Dengan pendekatan itu, syarikat tersebut tidak semestinya perlu menghasilkan setiap robot lengkap atau mengendalikan sendiri setiap kilang, restoran dan aplikasi rumah. Rakan kongsi boleh mengintegrasikan komponennya ke dalam badan robot serta sistem operasi yang berbeza. 2314

Pendekatan itu juga mencerminkan satu kesesakan praktikal dalam robotik. Keupayaan berjalan memang menarik perhatian, tetapi banyak tugasan komersial lebih bergantung pada manipulasi yang selamat dan mudah menyesuaikan diri.

Mengambil makanan lembut, meletakkannya dengan tepat, mengenakan tekanan yang sesuai dan bertindak balas terhadap sentuhan tidak dijangka semuanya ialah masalah tangan dan penderiaan.

Apa maksud “tenaga kerja silikon lulusan sekolah menengah”?

Frasa “tenaga kerja silikon lulusan sekolah menengah” yang digunakan Du Dalong lebih sesuai difahami sebagai metafora ekonomi dan keupayaan, bukannya dakwaan literal tentang pendidikan.

Ia merujuk kepada kemungkinan pencapaian awal: robot tidak perlu terus menjadi pekerja umum yang setara dengan manusia dalam semua perkara. Sebaliknya, ia mungkin bermula sebagai pekerja digital berharga rendah dengan kecekapan asas yang luas—boleh mengikut arahan, memahami kawasan kerja, menggunakan kedua-dua tangan, belajar daripada demonstrasi dan melaksanakan tugasan lazim dengan penyeliaan serta latihan berterusan.

Dalam model ini, nilai utamanya datang daripada satu asas bersama dan pembelajaran seluruh kumpulan robot. Kemahiran yang dipelajari dalam satu tempat boleh disesuaikan untuk tempat lain, bukannya dibina semula dari awal bagi setiap mesin.

Namun, idea ini masih merupakan visi syarikat, bukan hasil penggunaan yang telah terbukti. Nilai ekonominya akan bergantung pada kebolehpercayaan, keselamatan, kos perkakasan, penyelenggaraan dan jumlah pengawasan manusia yang diperlukan.

Mengapa hamburger dianggap “detik ChatGPT” untuk robot?

Bagi SynapX, menghasilkan hamburger lebih bermakna daripada demonstrasi robot mengambil dan meletakkan objek secara berulang. Menyediakan hamburger memerlukan gabungan pelbagai bentuk ketangkasan: mengendalikan objek dengan bentuk dan tekstur yang berbeza, menyelaras beberapa jari, mengawal daya menggenggam atau menekan, mengikut urutan langkah dan meletakkan bahan dengan tepat.

Robot juga perlu mengesan sentuhan secara halus supaya bahan tidak dihancurkan atau terlepas.

Jika robot mampu menghasilkan hamburger dengan lebih konsisten daripada manusia merentas bahan, alatan dan ruang kerja yang berubah-ubah, ia mungkin menunjukkan peralihan daripada automasi yang diprogram secara sempit kepada perpustakaan kemahiran fizikal yang boleh digunakan semula.

Kemahiran itu berpotensi dikembangkan kepada pengendalian pembungkusan, roti dan hasil makanan, pengeluaran bahan, pemasangan, pembersihan serta pemindahan barangan dalam persekitaran perkhidmatan makanan.

Jangka masa satu hingga dua tahun yang dicadangkan Du Dalong bagi pencapaian seperti itu harus dilihat sebagai aspirasi, bukannya ramalan industri yang telah disahkan. Sumber yang tersedia merekodkan dakwaan produk dan demonstrasi SynapX, tetapi belum membuktikan bahawa jadual tersebut akan dicapai. 14

Apa yang boleh dan tidak boleh disimpulkan daripada perbandingan Tesla?

Perbandingan dengan Tesla menguatkan sebab tangan robotik mendapat begitu banyak perhatian. Satu laporan mengaitkan Elon Musk dengan pandangan bahawa tangan merangkumi kira-kira separuh daripada usaha kejuruteraan Optimus.

Kenyataan itu menunjukkan betapa sukar dan pentingnya tangan dalam satu program humanoid. Namun, ia bukan bukti bahawa Tesla memperuntukkan separuh daripada belanjawan penyelidikan perkakasannya kepada tangan. Tiada pecahan belanjawan sedemikian diberikan dalam bahan yang dirujuk. 23

Kesimpulan SynapX lebih terhad tetapi munasabah: tanpa ketangkasan yang boleh dipercayai, penderiaan sentuhan yang kaya dan kawalan daya, otak robot yang berkuasa masih mungkin gagal melakukan kerja fizikal biasa.

Sebab itu strategi WRC SynapX adalah untuk mengkomersialkan komponen yang dianggapnya sebagai teras kecerdasan fizikal—model, tangan dan gelung data—sebelum memilih satu badan robot universal.

SynapX menggunakan World Robot Conference (WRC) 2026 untuk mengetengahkan laluan berbeza dalam pembangunan AI berjasad: bina lapisan kecerdasan dan manipulasi yang boleh diguna semula terlebih dahulu, bukannya bermula dengan sebuah robot humanoid lengkap. Sistem “Otak-Tangan-Data” syarikat itu menggabungkan model dunia berjasad SYNWorld, tangan robotik cekap OctoH-Hand dan platform pengumpulan data OctoSense. 12

Idea strategiknya ialah nilai utama robot bukan semata-mata pada rupa yang menyerupai manusia atau keupayaan berjalan. Yang lebih penting ialah kebolehan memahami bagaimana dunia fizikal berfungsi dan berinteraksi dengannya secara tepat. Secara teori, satu platform otak dan tangan boleh dipasang pada badan robot yang berbeza, lengan robotik atau stesen kerja tetap. Ini menjadikan kecerdasan itu lebih mudah dipindahkan berbanding sistem humanoid yang dibina untuk satu tujuan khusus. 114

Tiga komponen yang diperkenalkan SynapX

SYNWorld: “otak” robot

SynapX menggambarkan SYNWorld V0.5 sebagai model asas dunia umum yang direka khusus untuk AI berjasad. Matlamatnya adalah membantu robot membuat penaakulan berdasarkan hukum fizikal yang dikongsi merentas tugasan dan persekitaran, bukannya bergantung pada atur cara berasingan untuk setiap tindakan.

Demonstrasi di persidangan itu merangkumi tugasan seperti membakar roti, melipat pakaian dan menyelesaikan puzzle terperinci. 1922

Model ini dipersembahkan melalui dua keupayaan yang saling melengkapi. Model dunia terkawal tindakan meramalkan bagaimana persekitaran mungkin berubah selepas sesuatu tindakan dilakukan. Sementara itu, model dunia-ke-tindakan menggunakan pemahamannya tentang keadaan semasa dan keadaan masa hadapan untuk menjana pergerakan robot.

Menurut SynapX, SYNWorld V0.5 mempunyai skala 16 bilion parameter dan dilatih menggunakan lebih 300,000 jam data multimodal. 14

Dakwaan itu menunjukkan matlamat utama model berkenaan: mempelajari pola fizikal yang berguna sekali, kemudian menggunakannya merentas tugasan dan jenis robot. Namun, persoalan paling besar masih belum terjawab—sejauh mana keupayaan itu benar-benar boleh digeneralisasikan di luar demonstrasi yang dikawal.

OctoH-Hand: “tangan” yang boleh merasa

OctoH-Hand ialah tangan bionik berbilang jari dengan jumlah darjah kebebasan yang tinggi. Ia direka untuk pergerakan hujung jari yang halus, pertembungan ibu jari dengan jari lain, genggaman kompleks dan koordinasi beberapa jari serentak.

Laporan mengenai reka bentuknya menyebut gabungan pergerakan berasaskan tendon pada bahagian tangan dengan motor yang ditempatkan di lengan bawah. Spesifikasi yang diterbitkan merangkumi 28 penggerak yang boleh dikawal secara berasingan, 23 darjah kebebasan aktif dan lebih 1,900 unit penderia sentuhan. 418

Perbezaan penting berbanding penggenggam robot biasa ialah interaksi gelung tertutup. Tangan yang cekap bukan sekadar bergerak ke kedudukan dan menggenggam objek. Ia perlu sentiasa melaraskan cengkaman berdasarkan sentuhan, tekanan, daya dan perubahan pada objek.

Keupayaan ini amat penting ketika mengendalikan barang lembut atau mudah rosak. Daya berlebihan boleh menghancurkan objek, manakala daya yang terlalu kecil boleh menyebabkan objek terlepas. Sebab itu SynapX meletakkan penderiaan dan kawalan daya sebagai teras manipulasi, bukannya ciri tambahan. 14

OctoSense: lapisan “data”

OctoSense ialah sistem pengumpulan data berjasad SynapX. Demonstrasi yang dilaporkan menunjukkan penggunaan peralatan boleh pakai seperti rig kepala berfisheye, gelang elektromiografi (EMG) pada pergelangan tangan dan sarung tangan pengumpulan data berasaskan eksoskeleton.

Peralatan ini direka untuk merakam perkara yang dilihat manusia, pergerakan badan dan tangan, serta cara seseorang berinteraksi dengan objek melalui isyarat seperti daya, tork, tekanan dan sentuhan. 1512

SynapX berkata sistem itu bertujuan menyelaraskan demonstrasi manusia dengan lebih dekat kepada struktur pergerakan dan penderiaan tangan robotiknya. Jika berjaya, pendekatan ini boleh mengurangkan masalah “retargeting”—iaitu menterjemahkan tindakan manusia kepada tindakan robot.

Syarikat itu turut mendakwa isyarat otot boleh digeneralisasikan merentas individu tanpa contoh khusus terlebih dahulu. Namun, bukti bebas bahawa keupayaan itu berfungsi dengan konsisten pada skala besar masih terhad dalam laporan yang tersedia. 5720

Kitaran data yang menjadi taruhan utama

Ketiga-tiga produk ini direka untuk beroperasi sebagai satu gelung, bukan tiga barisan produk yang terpisah:

1. Manusia menunjukkan cara melakukan tugasan fizikal harian.
2. OctoSense merakam data visual, pergerakan, otot, daya dan sentuhan yang disegerakkan.
3. SYNWorld belajar meramalkan hasil fizikal dan menjana tindakan.
4. OctoH-Hand melaksanakan tindakan itu dengan maklum balas daya dan sentuhan.
5. Hasil dunia sebenar serta demonstrasi baharu menghasilkan lebih banyak data latihan.

Kitaran inilah yang menjadi teras tesis SynapX. Data yang lebih baik sepatutnya meningkatkan model; model yang lebih berkebolehan pula menjadikan tangan robot berguna dalam lebih banyak situasi; dan penggunaan yang lebih meluas akan menghasilkan data yang lebih kaya.

Pertaruhan syarikat itu ialah gelung bersepadu ini mampu membina kemahiran fizikal yang lebih mudah dipindahkan berbanding usaha mengoptimumkan model, tangan atau rangka humanoid secara berasingan. 137

Mengapa otak dan tangan, bukan badan humanoid?

Badan humanoid mempunyai kelebihan yang jelas. Ia berpotensi bergerak dalam ruang yang direka untuk manusia dan menggunakan peralatan sedia ada. Namun, hujah SynapX ialah badan harus dilihat sebagai platform penggunaan yang boleh ditukar ganti, manakala model dunia dan alat hujung seperti tangan robotik merupakan asas yang lebih mudah digunakan semula.

Ini bukan sekadar pendirian teknikal, tetapi juga strategi perniagaan. SynapX cuba meletakkan dirinya sebagai penyedia lapisan asas AI fizikal—membekalkan model umum, perkakasan tangan cekap dan infrastruktur data.

Dengan pendekatan itu, syarikat tersebut tidak semestinya perlu menghasilkan setiap robot lengkap atau mengendalikan sendiri setiap kilang, restoran dan aplikasi rumah. Rakan kongsi boleh mengintegrasikan komponennya ke dalam badan robot serta sistem operasi yang berbeza. 2314

Pendekatan itu juga mencerminkan satu kesesakan praktikal dalam robotik. Keupayaan berjalan memang menarik perhatian, tetapi banyak tugasan komersial lebih bergantung pada manipulasi yang selamat dan mudah menyesuaikan diri.

Mengambil makanan lembut, meletakkannya dengan tepat, mengenakan tekanan yang sesuai dan bertindak balas terhadap sentuhan tidak dijangka semuanya ialah masalah tangan dan penderiaan.

Apa maksud “tenaga kerja silikon lulusan sekolah menengah”?

Frasa “tenaga kerja silikon lulusan sekolah menengah” yang digunakan Du Dalong lebih sesuai difahami sebagai metafora ekonomi dan keupayaan, bukannya dakwaan literal tentang pendidikan.

Ia merujuk kepada kemungkinan pencapaian awal: robot tidak perlu terus menjadi pekerja umum yang setara dengan manusia dalam semua perkara. Sebaliknya, ia mungkin bermula sebagai pekerja digital berharga rendah dengan kecekapan asas yang luas—boleh mengikut arahan, memahami kawasan kerja, menggunakan kedua-dua tangan, belajar daripada demonstrasi dan melaksanakan tugasan lazim dengan penyeliaan serta latihan berterusan.

Dalam model ini, nilai utamanya datang daripada satu asas bersama dan pembelajaran seluruh kumpulan robot. Kemahiran yang dipelajari dalam satu tempat boleh disesuaikan untuk tempat lain, bukannya dibina semula dari awal bagi setiap mesin.

Namun, idea ini masih merupakan visi syarikat, bukan hasil penggunaan yang telah terbukti. Nilai ekonominya akan bergantung pada kebolehpercayaan, keselamatan, kos perkakasan, penyelenggaraan dan jumlah pengawasan manusia yang diperlukan.

Mengapa hamburger dianggap “detik ChatGPT” untuk robot?

Bagi SynapX, menghasilkan hamburger lebih bermakna daripada demonstrasi robot mengambil dan meletakkan objek secara berulang. Menyediakan hamburger memerlukan gabungan pelbagai bentuk ketangkasan: mengendalikan objek dengan bentuk dan tekstur yang berbeza, menyelaras beberapa jari, mengawal daya menggenggam atau menekan, mengikut urutan langkah dan meletakkan bahan dengan tepat.

Robot juga perlu mengesan sentuhan secara halus supaya bahan tidak dihancurkan atau terlepas.

Jika robot mampu menghasilkan hamburger dengan lebih konsisten daripada manusia merentas bahan, alatan dan ruang kerja yang berubah-ubah, ia mungkin menunjukkan peralihan daripada automasi yang diprogram secara sempit kepada perpustakaan kemahiran fizikal yang boleh digunakan semula.

Kemahiran itu berpotensi dikembangkan kepada pengendalian pembungkusan, roti dan hasil makanan, pengeluaran bahan, pemasangan, pembersihan serta pemindahan barangan dalam persekitaran perkhidmatan makanan.

Jangka masa satu hingga dua tahun yang dicadangkan Du Dalong bagi pencapaian seperti itu harus dilihat sebagai aspirasi, bukannya ramalan industri yang telah disahkan. Sumber yang tersedia merekodkan dakwaan produk dan demonstrasi SynapX, tetapi belum membuktikan bahawa jadual tersebut akan dicapai. 14

Apa yang boleh dan tidak boleh disimpulkan daripada perbandingan Tesla?

Perbandingan dengan Tesla menguatkan sebab tangan robotik mendapat begitu banyak perhatian. Satu laporan mengaitkan Elon Musk dengan pandangan bahawa tangan merangkumi kira-kira separuh daripada usaha kejuruteraan Optimus.

Kenyataan itu menunjukkan betapa sukar dan pentingnya tangan dalam satu program humanoid. Namun, ia bukan bukti bahawa Tesla memperuntukkan separuh daripada belanjawan penyelidikan perkakasannya kepada tangan. Tiada pecahan belanjawan sedemikian diberikan dalam bahan yang dirujuk. 23

Kesimpulan SynapX lebih terhad tetapi munasabah: tanpa ketangkasan yang boleh dipercayai, penderiaan sentuhan yang kaya dan kawalan daya, otak robot yang berkuasa masih mungkin gagal melakukan kerja fizikal biasa.

Sebab itu strategi WRC SynapX adalah untuk mengkomersialkan komponen yang dianggapnya sebagai teras kecerdasan fizikal—model, tangan dan gelung data—sebelum memilih satu badan robot universal.