China’s humanoïde robotrace draait niet langer alleen om snelheid

De tweede World Humanoid Robot Games en de World Robot Conference van 2026 in Beijing lieten twee kanten van dezelfde industrie zien. Op de atletiekbaan boekten Tiangong-robots opvallende vooruitgang in snelheid en sprongkracht. Op de conferentie presenteerde het Beijing Humanoid Robotics Innovation Center een breder platform voor zogeheten embodied intelligence: kunstmatige intelligentie die niet alleen redeneert, maar ook in de fysieke wereld kan handelen.

De belangrijkste ontwikkeling zit daarom niet in één nieuw record. De sector beweegt langzaam van spektakel naar productontwikkeling. De lastigste stap moet echter nog worden gezet: humanoïde robots die veilig, betrouwbaar en tegen een verdedigbare prijs op grote schaal kunnen worden ingezet.

Tiangong maakt indruk op de baan

De Tiangong-serie behoorde tot de opvallendste deelnemers aan de tweede World Humanoid Robot Games.

• Tiangong Ultra won de 400 meter in de categorie voor grote robots in 38,15 seconden. 45
• Later won de robot de finale van de 100 meter in 8,64 seconden, na een halvefinaletijd van 8,86 seconden. 15
• Tiangong Omni won de 400 meter in de categorie voor kleinere robots in 45,66 seconden. 23
• Tot de gemelde records behoorden 2 minuten en 21,64 seconden op de 1.500 meter, een staande hoogtesprong van 3,40 meter en een staande verspringafstand van 4,83 meter. 25

De cijfers laten zien dat robots snel vooruitgaan in dynamische voortbeweging. Toch is enige terughoudendheid nodig. Een robot die is geoptimaliseerd voor een afgebakend onderdeel, bewijst vooral dat hij onder specifieke omstandigheden een gespecialiseerde prestatie kan leveren. Dat zegt nog niet dat hij veilig door een onvoorspelbare fabriek kan bewegen, uiteenlopende voorwerpen kan hanteren of langdurig zonder menselijke tussenkomst kan werken.

Sommige berichten schrijven de teams van het Beijing Humanoid Robotics Innovation Center en de Tiangong-serie bovendien 15 gouden, 12 zilveren en 18 bronzen medailles en 34 records toe. Die aantallen zijn afkomstig uit secundaire berichtgeving en hier niet onafhankelijk geverifieerd. Ze kunnen daarom het best worden beschouwd als gerapporteerde totalen. 613

Een robotbrein naast een lichter lichaam

Tijdens de World Robot Conference introduceerde het centrum Pelican-Unify, een verenigd model voor embodied intelligence dat begrip, redeneren, verbeelding en handelen met elkaar moet verbinden. In het bijbehorende onderzoek wordt een enkel vision-language model beschreven als een gecombineerde module voor begrip en redeneren. Het model brengt scènes, instructies, visuele context en eerdere acties samen in één gedeelde semantische ruimte. 17

Daarmee verschuift de ontwikkelopgave. Het gaat niet meer uitsluitend om krachtigere actuatoren, betere balansregeling of handigere handen. Ontwikkelaars proberen ook een herbruikbare intelligentielaag te bouwen die een omgeving kan interpreteren, een taak kan plannen en die planning kan vertalen naar fysieke handelingen.

Het centrum presenteerde ook Tiangong Omni, een humanoïde robot van 1,35 meter en 39 kilogram, met als uitgesproken doel een goedkopere massaproductie te ondersteunen. 1319 Het kleinere formaat raakt aan een praktische commerciële vraag: kan een lichtere en goedkopere robot experimenten en eerste toepassingen toegankelijker maken dan grote, zeer geavanceerde modellen?

Pelican-Unify en Omni zijn daarmee twee kanten van dezelfde strategie. Het ene product richt zich op de software- en intelligentielaag; het andere op het fysieke platform waarop die laag kan draaien.

Het ‘ChatGPT-moment’ is voorlopig nog een verwachting

Xiong Youjun, de topman van het centrum, heeft gezegd dat embodied AI een ‘ChatGPT-moment’ nadert: het punt waarop een algemeen model en voldoende data een technologie bruikbaar maken voor uiteenlopende taken. De vergelijking vat de ambitie van de sector goed samen, maar is geen bewijs dat algemeen inzetbare, volledig autonome humanoïde robots al bestaan.

Robots moeten in een veel grilligere omgeving functioneren dan software. Ze moeten veranderende fysieke omstandigheden waarnemen, botsingen vermijden, krachten doseren, fouten opvangen en taken steeds opnieuw uitvoeren. Een model dat in een demonstratie goed presteert, kan in een commerciële omgeving nog altijd veel taakgerichte data, toezicht en technische integratie nodig hebben.

De echte test van de vergelijking met ChatGPT is dan ook niet of een robot een indrukwekkende demo kan geven. De vraag is of één model betrouwbaar kan worden overgezet naar verschillende robotlichamen, werkplekken en taken.

Van specificaties naar systeemprestaties

Humanoïde robots worden vaak vergeleken op zichtbare kenmerken: lengte, gewicht, aantal bewegingsvrijheidsgraden, draagvermogen en topsnelheid. Die gegevens blijven relevant, maar beantwoorden niet de vragen die bepalen of een fabriek daadwerkelijk tot aankoop overgaat.

Industriële klanten zullen eerder willen weten:

• Hoe vaak voltooit de robot een taak zonder menselijke tussenkomst?
• Hoe hoog zijn de uptime en de onderhoudsbehoefte?
• Hoe constant zijn snelheid en kwaliteit?
• Wat kost de integratie met bestaande machines?
• Kan het systeem veilig tussen mensen werken?
• Levert de robot een meetbaar rendement op de investering?

Daarom gaat veel aandacht uit naar afgebakende inspecties, sorteerwerk, repetitieve handelingen en ander werk dat ‘vies, gevaarlijk of saai’ is. In zulke toepassingen is de verhouding tussen kosten en concreet operationeel voordeel beter te meten. Denk aan minder blootstelling aan risico’s, hogere doorvoer of verlichting van personeelstekorten.

In de aangeleverde berichtgeving wordt ook een project voor de verificatie met infraroodthermometers genoemd dat zes keer sneller zou zijn geworden. Dat cijfer wordt niet onafhankelijk onderbouwd door het beschikbare bewijs en moet daarom niet als vaststaande prestatienorm worden behandeld. Infraroodsensoren kunnen wel snel en contactloos temperatuur meten, maar die algemene eigenschap bevestigt niet de specifieke claim over dit robotproject. 33

Gemeenschappelijke infrastructuur moet opschaling mogelijk maken

De grootste beperking van de sector is niet alleen mechanische prestaties. Ook de infrastructuur rondom robots is duur en versnipperd.

Volgens de berichtgeving rond de presentaties hebben bedrijven te maken met dubbel werk bij het verzamelen van data, kostbare verificatie en hardware- en softwaresystemen die slecht met elkaar samenwerken. Als iedere robotfabrikant en iedere fabriek eigen datasets, interfaces, veiligheidsprocedures en integratietools moet bouwen, blijven implementaties traag en duur, zelfs wanneer afzonderlijke robots steeds beter worden.

De voorgestelde oplossing is een gemeenschappelijke infrastructuurlaag. Het Tiangong-platform wordt gepositioneerd als herbruikbaar robotlichaam, terwijl het opensource-ecosysteem Huisi Kaiwu hulpmiddelen en modellen biedt voor de ontwikkeling van embodied-world-modellen en robotgerichte vision-language-modellen. X-Humanoids eigen materiaal noemt toepassingen over verschillende scenario’s en taken heen, waaronder fabrieken, woningen en buitenomgevingen, maar ook grijpen, navigatie en mens-robotinteractie. 2122

Open of compatibele infrastructuur kan dubbel ontwikkelwerk verminderen. Openstelling alleen garandeert echter geen betrouwbaarheid. Gedeelde platforms hebben nog altijd duidelijke interfaces, robuuste evaluaties, goede documentatie, beveiligingsmaatregelen en bewijs nodig dat modellen daadwerkelijk tussen verschillende robotlichamen en werkomgevingen kunnen worden overgedragen.

Samenwerking met Mercedes-Benz wijst eerst op ondersteuning

De gemelde samenwerking met Mercedes-Benz, waarbij Tiangong 3.0 als een ‘silicon-based recommender’ zou worden ingezet, wijst op een voorzichtiger rol voor humanoïde robots op korte termijn. Ze kunnen werknemers ondersteunen en handelingen aanbevelen binnen afgebakende werkprocessen, in plaats van meteen brede menselijke besluitvorming te vervangen. Het beschikbare bewijs bevestigt dat de samenwerking is gemeld, maar niet wat de volledige reikwijdte of operationele prestaties ervan zijn. 19

Dat onderscheid is belangrijk. Industriële invoering kan beginnen met robots die inspecteren, adviseren, onderdelen ophalen, sorteren of repetitieve stappen uitvoeren, terwijl mensen verantwoordelijk blijven voor uitzonderingen en beslissingen met grote gevolgen. Zulke toepassingen kunnen operationele data opleveren en laten zien waar systemen falen voordat bedrijven meer autonomie toestaan.

Standaarden zijn net zo belangrijk als modellen

Veiligheid en interoperabiliteit bepalen mede of humanoïde robots verder komen dan proefprojecten. China heeft de ontwikkeling goedgekeurd van nationale standaarden voor humanoïde robots. Die moeten onder meer betrekking hebben op omgevingswaarneming, besluitvorming en planning, bewegingscontrole en taakuitvoering. 27

Standaarden kunnen helpen bij het vastleggen van testmethoden, technische eisen en verwachtingen voor mens-robotinteractie. Ook kunnen ze de onzekerheid verkleinen voor fabrieken die robots van meerdere leveranciers moeten integreren.

De specifieke bewering dat er 49 veiligheids- en aanverwante standaarden in ontwikkeling zijn, is niet onafhankelijk geverifieerd door de aangeleverde bronnen. De bredere richting is wel duidelijk: een robotindustrie die massale toepassing nastreeft, heeft meer nodig dan krachtige hardware en slimme modellen. Er zijn herhaalbare evaluaties, geloofwaardige veiligheids onderbouwingen, compatibele interfaces en duidelijke verantwoordelijkheden nodig wanneer systemen fouten maken.

De waarschijnlijke route naar massale toepassing

De gebeurtenissen in Beijing wijzen op een gefaseerd model:

1. Begin met smalle, meetbare taken. Inspectie, sorteren, repetitieve handelingen en andere afgebakende processen zijn eenvoudiger te beoordelen dan algemeen arbeidsvermogen.
2. Meet prestaties in de praktijk. Doorvoer, kwaliteit, uptime, interventiegraad, veiligheid en totale eigendomskosten wegen zwaarder dan één recordrun.
3. Herbruik data en infrastructuur. Gemeenschappelijke platforms en compatibele hulpmiddelen kunnen dubbel trainings- en integratiewerk beperken.
4. Ontwikkel standaarden gelijktijdig met de technologie. Fabrieken hebben betrouwbare manieren nodig om humanoïde systemen te testen, certificeren en monitoren.
5. Breid autonomie stap voor stap uit. Robots kunnen pas van begeleide ondersteuning naar bredere multitask-inzet gaan wanneer betrouwbaarheid en rendement zijn aangetoond.

De evenementen in Beijing tonen een sector met veel momentum op het gebied van dynamische beweging, embodied-AI-onderzoek en platformontwikkeling. De beslissende concurrentiestrijd wordt echter niet gewonnen met alleen een nieuw sprintrecord. De winnaars zijn de systemen die nuttig werk herhaaldelijk, veilig en tegen een voor klanten aanvaardbare prijs kunnen uitvoeren.