Galbot onthult ET1: tweevoetige humanoïde robot maakt zich op voor tennisdebuut

Galbot beschrijft de onderliggende architectuur met een onderscheid tussen een hoger niveau, het zogenoemde ‘grote brein’, en een ‘kleine hersenen’-laag. Het eerste deel houdt zich bezig met waarneming, redeneren en planning. Het tweede vertaalt die intenties naar stabiele, vloeiende bewegingen van het hele lichaam.

Dat onderscheid is belangrijk. Een robot kan er atletisch uitzien tijdens een strak geregisseerde demonstratie, zonder werkelijk te kunnen reageren wanneer de bal, de tegenstander of de timing verandert. Tennis vormt daarom een bruikbare stresstest voor de vraag of waarneming, besluitvorming en bewegingscontrole als één gesloten regelkring samenwerken.

Een mogelijk ‘AlphaGo-moment’ voor robots?

Galbot en sommige commentatoren hebben autonoom tennisspel omschreven als een mogelijk ‘AlphaGo-moment voor bewegingsintelligentie’: een zichtbaar keerpunt waarop een machine niet alleen bewegingen uitvoert, maar tijdens het bewegen ook acties kiest in een onvoorspelbare omgeving.

Die vergelijking vraagt wel om enige voorzichtigheid. Een geslaagde rally of wedstrijd zou aantonen dat waarneming, tactiek en fysieke controle indrukwekkend kunnen worden gecombineerd. Daarmee is echter nog geen algemene intelligentie bewezen. De meest verdedigbare conclusie op basis van de beschikbare berichtgeving is beperkter: robuust tennisspel zonder vast script zou wijzen op vooruitgang richting humanoïde robots die zich al bewegend kunnen aanpassen en beslissingen nemen.

Hoe AstraBrain-Agent bedoeld is te werken

ET1 is uitgerust met Galbots zelfontwikkelde AstraBrain-Agent, een fysieke AI-agent voor realtime multimodale interactie en bewegingscontrole. Volgens Galbot en de berichtgeving rond de conferentie kan het systeem de omgeving voortdurend observeren, gesproken of natuurlijke instructies begrijpen en gedrag en bewegingsreeksen dynamisch plannen.

De beoogde werking bestaat uit drie stappen:

1. Waarnemen: informatie verzamelen uit de fysieke omgeving.
2. Begrijpen en plannen: een instructie van een persoon interpreteren en een passende handelwijze bepalen.
3. Handelen en leren: het plan omzetten in gecoördineerde bewegingen en via interactie nieuwe vaardigheden opdoen.

Galbot zegt dat ET1 nieuwe bewegingsvaardigheden kan leren zonder afhankelijk te zijn van motion-capturegegevens of vooraf opgenomen trainingsvideo’s. Tijdens de demonstraties liet het bedrijf ook realtime interactie zien: de robot maakte oogcontact, bewoog zijn hoofd en genereerde op basis van gesproken taal nieuwe lichaamsbewegingen.

Daarmee wil Galbot een onderscheid maken tussen een traditionele robot die een vast scenario volgt en een embodied agent die reageert op wat er op dat moment gebeurt, zijn plan kan bijstellen en van interactie kan leren. Vooralsnog gaat het hierbij om demonstraties die door het bedrijf zijn gerapporteerd. Hoe goed deze capaciteiten buiten gecontroleerde omstandigheden werken, moet nog blijken.

Huishoudelijke taken op de beursvloer

De huishoudelijke demonstraties op WRC 2026 werden uitgevoerd door Galbots G1-robots. Ze werden dus niet gepresenteerd als het volledige huishoudelijke productaanbod van ET1. De G1-machines lieten onder meer zien hoe ze spullen opruimen, was uit de machine halen en ophangen, en kleding op een bed vouwen. Andere berichtgeving vermeldde ook taken rond het ontbijt, zoals toast maken, drank inschenken en beide armen gecoördineerd gebruiken.

Achter die alledaagse handelingen schuilen complexe robotica-uitdagingen. Een robot moet verschillende voorwerpen herkennen, omgaan met objecten die kunnen rollen of bewegen, flexibele kleding en beddengoed manipuleren en lange reeksen handelingen in de juiste volgorde uitvoeren. Bij het vouwen van kleding moet hij bijvoorbeeld een kraag, mouw of zoom vinden, het materiaal uitspreiden, uitlijnen en vervolgens opvouwen.

Galbot presenteerde deze voorbeelden als bewijs van de bredere ambitie achter AstraBrain: één gedeeld AI-systeem inzetten voor robots met verschillende lichamen en toepassingen, van huishoudelijke hulp tot retail en industriële werkzaamheden.

Wat de onthulling van ET1 vooral betekent

De betekenis van ET1 ligt daarom niet alleen in het feit dat de robot een tennisracket kan vasthouden. Belangrijker is de architectuur die Galbot erachter presenteert: één embodied-AI-systeem dat taal, waarneming, planning en controle van het hele lichaam met elkaar moet verbinden — en dat over verschillende robotvormen heen.

De demonstratie in het gemengde dubbelspel op 22 augustus moest die ambitie zichtbaar maken. Als ET1 betrouwbaar kan reageren op veranderende spelsituaties en op een menselijke partner, levert dat een aansprekend voorbeeld op van adaptieve fysieke intelligentie. De echte langetermijntest wordt echter de overstap van een geregisseerde tennisshowcase naar de onvoorspelbare, herhalende taken van het dagelijks werk.