Kinas robotkappløp stopper ikke på maskinvaren – men på dataene

Kinas flaskehals innen humanoide roboter er i økende grad et dataproblem, ikke et maskinvareproblem. Roboter kan gå, danse og gjennomføre nøye forberedte demonstrasjoner. Men pålitelig selvstendighet krever noe langt vanskeligere å skaffe: lovlig innsamlede, varierte og høykvalitets data om hvordan maskiner sanser, beveger seg, får kontakt med omgivelsene, feiler og retter opp feil i den fysiske verden. 514

World Robot Conference (WRC) i 2026 gjorde denne dreiningen synlig. Ved siden av polerte robotoppvisninger fremhevet utstillere utstyr for fjernstyring, bærbar bevegelsesfangst, berørings- og kraftsensorer samt infrastruktur for å samle inn treningsdata til robotlæringsmodeller. 4913

Det fysiske KI-gapet

Bransjetall som ble gjentatt rundt WRC, setter mengden tilgjengelige data fra regelverksetterlevende, fysiske interaksjoner til omtrent 500 000 timer. Samtidig forbindes kommersielt anvendelige, generelle modeller for fysisk KI ofte med et behov på titalls millioner timer. Det tilsier et underskudd på over 99 prosent – men tallet må leses som et bransjeestimat, ikke som en universell vitenskapelig terskel. Hvor mye data som faktisk trengs, avhenger blant annet av oppgaven, robotplattformen, miljøet og sikkerhetskravene. 357

Sammenligningen er viktig fordi data om fysisk samhandling ikke kan erstattes av vanlige data i internett-skala. En video kan vise en person som løfter en kopp, men viser vanligvis ikke robotens leddtilstand, gripe kraft, tidspunktet for kontakt, friksjon, glidning eller korrigerende bevegelser. Nettopp disse detaljene avgjør om roboten klarer å gjenta handlingen når koppen er tyngre, underlaget er vått eller objektet står litt annerledes.

En demonstrasjon er ikke det samme som selvstendighet

En programmert rutine kan skjule de vanskeligste delene av robotikk. Objekter, lysforhold, rute og tidsbruk kan være kontrollert, mens en menneskelig operatør griper inn så snart noe uventet skjer. Resultatet kan se autonomt ut uten å vise at roboten faktisk har lært en robust kobling mellom det den oppfatter og det den gjør.

Kommersiell bruk stiller høyere krav. Roboter må håndtere variasjoner i objektenes form, hvor de kan gripes, underlag, rot og mennesker i nærheten. De må også kunne oppdage feil og hente seg inn igjen. I oppgaver med mye fysisk kontakt er det ikke nok å registrere om sluttmålet ble nådd. De nyttige dataene omfatter hele sekvensen av observasjoner, handlinger, fysiske tilstander og korrigeringer underveis. Derfor utformes datasett for fysisk KI for å koble sammen flere sanseformer, handlinger og konsekvensene av dem. 333440

Datainnsamlingen blir stadig mer krevende

De første datasettene for robotlæring kunne konsentrere seg om korte og repeterbare demonstrasjoner. Neste fase handler om lengre oppgaver med flere trinn og hyppig fysisk kontakt: håndtering av varer, sortering, montering, pakking, rengjøring og annet arbeid i hjem, butikker, fabrikker og tjenestemiljøer.

Det øker databehovet på tre måter:

• Større variasjon: Den samme oppgaven må registreres med ulike objekter, romløsninger, materialer og miljøforhold.
• Mer informasjon om feil: Glipptak, sammenstøt, mislykkede grep og forsøk på å rette opp situasjonen kan være like lærerike som vellykkede demonstrasjoner. 33
• Flere synkroniserte signaler: Kameraer, dybdedata, robotens posisjon, leddbevegelser, kraft, berøring og andre sensorstrømmer må tidsjusteres slik at modellen lærer sammenhengen mellom det den oppfatter og det den gjør.

Oppskaleringen er vanskelig. Ekte roboter er dyre i drift, fysiske forsøk krever sikkerhetstiltak, og gode data må kvalitetssikres og struktureres – de kan ikke bare samles i et stort arkiv. Et omfattende videobibliotek er derfor ikke automatisk et nyttig treningsdatasett for roboter.

Et nytt leverandørledd for robotdata

Spesialiserte dataleverandører begynner å fylle gapet mellom menneskelig atferd og maskinlesbare treningsdata. Arbeidet kan omfatte rekruttering og opplæring av operatører, fjernstyring av roboter, registrering av menneskelige bevegelser, instrumentering av oppgaver, synkronisering av sensordata, filtrering av dårlige handlingsforløp og formatering av materialet for modellutviklere.

Fjernstyring er verdifullt fordi den registrerer handlinger på en ekte robot – ikke bare en menneskelig bevegelse som ligner. VR- og andre generiske kontrollere kan omsette menneskelige input til robotkommandoer. Bærbare systemer og bevegelsesfangst kan på sin side registrere mer detaljert bevegelse hos et menneske og tilpasse den til en maskin. 1

Dermed vokser det frem et nytt forsyningsledd for fysisk KI. Selskaper bygger ikke bare robotkropper og modeller, men også demonstrasjonene og sensorregistreringene som knytter de to sammen. WRC-utstillere presenterte uttrykkelig datainnsamling som en del av infrastrukturen for fysisk intelligens, blant annet systemer som registrerer hode- og håndbevegelser i hverdagsaktiviteter. 49

Hvorfor Kina bygger treningsarenaer over hele landet

Treningsarenaer gir robotene kontrollerte, men realistiske omgivelser der systemene kan trenes, testes og sammenlignes. De kan gjenskape fabrikker, lager, hjem, butikker og offentlige tjenestesteder. Slik får utviklere tilgang til repeterbare situasjoner uten å redusere utfordringen til en ren laboratorieøvelse.

Ifølge omtale av en rapport fra China Academy of Information and Communications Technology var mer enn 70 treningsarenaer for fysisk KI i drift i Kina ved utgangen av juni 2026. Ytterligere 46 var under bygging eller planlegging. Anleggene dekket mer enn halvparten av Kinas regioner på provinsnivå, og industriproduksjon var det vanligste bruksområdet – registrert ved 86 prosent av arenaene. 1822

Infrastrukturen har imidlertid bare verdi dersom den faktisk brukes. Målet er at arenaene skal bli datakilder og plattformer for testing i virkelige situasjoner, ikke bare nye steder for demonstrasjoner. Den ønskede rundgangen er i praksis: Trening i virkeligheten skaper data, data forbedrer modellen, bedre modeller muliggjør bredere bruk, og bredere bruk skaper mer driftsdata. 1422

Kinesisk politikk skal få robotene ut av messehallen

Kinas departement for industri og informasjonsteknologi og statsforvalteren for statseide selskaper lanserte i 2026 et særprogram for praktisk trening av humanoide roboter og fysisk KI. Programmet retter seg mot industrielle, tjenestebaserte og spesialiserte bruksområder, blant annet produksjon, logistikk, helse, offentlige tjenester og beredskapsarbeid. 2425

Et regjeringsdokument beskrev mål om kommersiell utrulling av 10 000 humanoide roboter og mer enn 100 høyt verdsatte bruksområder innen utgangen av 2026. 26 Politikken gjør selve utrullingen til en del av treningsinfrastrukturen: Lokale myndigheter og statseide selskaper oppfordres til å stille med miljøer der systemene kan testes, valideres og forbedres under faktiske driftsforhold. 24

Det garanterer ikke at robotene når målene eller blir bredt autonome. Men det viser at den politiske prioriteringen beveger seg utover produksjon av maskinvare – mot den data- og utrullingssløyfen som trengs for kommersiell pålitelighet.

Hvorfor video, tekst og kjøredata ikke er nok

Video og språkdata er fortsatt nyttige. De kan lære modeller hva objekter er, hva instruksjoner betyr og hvordan en menneskelig handling ser ut. Simulering kan gi stor skala og dekke situasjoner som ville vært kostbare eller farlige å gjenskape fysisk. Forskning på standarder for data til fysisk KI peker også mot en kombinasjon av virkelige data, simulering og flere sansemodaliteter, fremfor én enkelt datakilde. 232

Men disse kildene beskriver ikke hele styringsproblemet. I en manipulasjonsoppgave må en robot blant annet kunne anslå:

• objektets posisjon og orientering i tre dimensjoner;
• egne leddvinkler, hastighet og mekaniske respons;
• kraften som kreves for å gripe, skyve, sette inn eller løfte;
• tidspunktet for kontakt, glidning eller sammenstøt; og
• hvordan den skal justere bevegelsen når forventet resultat uteblir.

Derfor utfyller flere metoder hverandre:

• VR-fjernstyring registrerer demonstrerte kommandoer gjennom et grensesnitt som kan kobles til robotens bevegelser. 1
• Bærbar bevegelsesfangst registrerer menneskets kropps-, arm- og håndbevegelser, som deretter kan tilpasses roboten. 1
• Krafttilbakemelding og berøringssensorer synliggjør kontakt, motstand, trykk og glidning som vanlige bildepiksler kan gå glipp av. 733
• Motorens dreiemoment og proprioseptive data viser robotens indre tilstand og hvordan mekanikken reagerer under en handling. 3946
• Handlingsforløp fra ekte roboter avdekker kalibreringsfeil, forsinkelser, sensorstøy, mekaniske begrensninger og uforutsigbare omgivelser som menneskevideo og simulering bare kan etterligne. 3234

Datasett fra selvkjørende biler kan bidra til syn og navigasjon, men fingerferdig manipulering har et annet handlingsrom. Bilkjøring er i hovedsak kjøretøysentrert og innebærer lite vedvarende kontakt med de fleste objekter. Oppgaver som å gripe, sette inn deler og montere er derimot avhengige av kontaktkrefter, ettergivenhet i mekanikken og evnen til å hente seg inn etter feil.

Den strategiske konsekvensen

Lærdommen fra WRC 2026 er ikke at Kina har sluttet å satse på robotmaskinvare. Poenget er at maskinvare alene ikke kan lukke gapet til autonomi. Konkurransefortrinnet kan i økende grad tilfalle organisasjoner som klarer å samle inn, standardisere og lovlig bruke store mengder multimodale data fra fysisk samhandling.

For Kinas humanoide robotindustri går veien forbi sceneshow og fjernstyrte maskiner gjennom en krevende kombinasjon av reelle utrullinger, trente operatører, instrumenterte miljøer, felles datastandarder og gjentatt testing. Kina bygger nå denne kjeden – men avstanden mellom hundretusener av timer og de titalls millionene som ofte nevnes for kommersialisering, er fortsatt den sentrale begrensningen. 31314