Ponad 40 tys. dostaw to dopiero początek. Humanoidalne roboty muszą teraz udowodnić swoją wartość

Najważniejszy wniosek z World Robot Conference 2026 był prosty, ale wymagający: Chiny mogły wygrać wczesny wyścig o skalę produkcji humanoidalnych robotów, jednak liczba wysłanych urządzeń to dopiero linia startu. Znacznie trudniejsze pytanie brzmi: czy maszyny potrafią wykonywać powtarzalną, autonomiczną pracę, która rzeczywiście zwiększa produktywność?

Chiny mają wyraźną przewagę, ale sama liczba dostaw jest sporna

Raport branżowy przedstawiony podczas konferencji mówił o ponad 40 tys. humanoidalnych robotów dostarczonych przez Chiny w pierwszej połowie 2026 roku. Według tych danych odpowiadało to za około 97 proc. globalnych dostaw. W relacjach z konferencji wzrost ten przedstawiano jako sygnał, że humanoidy wychodzą poza niewielkie programy pilotażowe i zaczynają trafiać do regularnych wdrożeń oraz zastosowań na większą skalę. 101215

Tej liczby nie należy jednak traktować jako powszechnie uznanej sumy dla całego rynku. Smart Analytics Global szacował, że w tym samym okresie na świecie wysłano około 19,1 tys. humanoidalnych robotów, a Counterpoint Research podawał ponad 22 tys. sztuk. Jeszcze inne zestawienie mówiło o ponad 30 tys. robotów wysłanych przez samych chińskich dostawców. Różnice najpewniej wynikają z odmiennych definicji rynku i metodologii, dlatego dokładnej liczby dostaw nie da się niezależnie potwierdzić z pełną pewnością. 14

Szerszy wniosek jest jednak bardziej wiarygodny niż każda pojedyncza statystyka: produkcja i wdrożenia przyspieszają, a chińscy producenci mają dominujący udział w rynku według przytaczanych danych.

Konferencja wyraźnie oddzieliła widowisko od produktywności

Pokazy podczas WRC 2026 dobrze tłumaczyły, dlaczego humanoidalne roboty budzą tak duże zainteresowanie — ale także, dlaczego same demonstracje już nie wystarczają. Prezentacja Unitree w sali konferencyjnej oraz zapowiedź robota reklamowanego jako zdolny do poruszania się z prędkością 12,65 m/s pokazały postęp w mobilności i sprawności produktowej. Szybkość, równowaga czy efektowny występ w kontrolowanych warunkach nie dowodzą jednak, że robot potrafi wykonywać pracę ogólnego przeznaczenia.

Istotniejsze było rozróżnienie między wyczynem przygotowanym pod konkretną scenę a pracą, która sprawdza się w prawdziwym świecie. Podczas konferencji wskazywano, że roboty przechodzą od pokazów na targowych stoiskach do zadań takich jak sortowanie przesyłek, przygotowywanie makaronu czy pakowanie towarów, a także do zastosowań w fabrykach i domach. 815

Dla nabywców kluczowe nie jest więc to, czy robot potrafi wykonać jedno starannie przygotowane zadanie. Liczy się, czy ten sam system poradzi sobie ze zmieniającymi się przedmiotami, układem pomieszczenia, instrukcjami, oświetleniem i nieprzewidzianymi awariami — bez ręcznego resetowania przed każdą próbą.

Kolejnym benchmarkiem będzie nieznana praca

Założyciele firm i przedstawiciele branży obecni w relacjach z konferencji ustawili próg komercyjnej użyteczności znacznie wyżej niż samo wykonanie zadania w kontrolowanym środowisku. Wartościowy humanoid musiałby wejść do nieznanego zakładu pracy lub domu, zrozumieć, co należy zrobić, szybko nauczyć się nowego zadania, a następnie wykonać je z odpowiednią szybkością i precyzją. 13

To wymaganie odsłania kilka luk w obecnych systemach:

• Uogólnianie: Robot wytrenowany w jednym otoczeniu może mieć problemy, gdy zmienią się przedmioty, powierzchnie albo kolejność czynności.
• Precyzja: Niewielkie błędy fizyczne mogą sprawić, że pozornie udane zadanie stanie się bezużyteczne w praktyce.
• Szybkość: To, co działa podczas pokazu, może być nadal zbyt wolne, by konkurować z pracownikiem.
• Autonomia: Częsta zdalna obsługa, wsparcie inżynierów lub interwencja człowieka mogą odebrać wdrożeniu sens ekonomiczny.

Nie chodzi tu o drobne poprawki. Te czynniki zdecydują, czy humanoid stanie się elastyczną platformą do pracy, czy kosztowną maszyną przystosowaną do wąskiego zestawu demonstracji.

Obecne wyniki wciąż pokazują dużą lukę

Przytaczane przez Starship Navigator benchmarki wskazywały, że obecne systemy osiągają około 70–80 proc. poziomu ludzkiego wykonania zadań. W jednym z pokazów robot potrzebował niemal dwóch minut na złożenie koszulki z krótkim rękawem, po czym do pracy wkroczył człowiek obsługujący maszynę. 1320

Przykład składania koszulki jest wymowny, bo zamienia efektowną umiejętność w pytanie operacyjne: ile rzeczy robot przetworzy w ciągu godziny, jak często będzie popełniał błędy i jak intensywnego nadzoru będzie wymagał? Robot, który potrafi złożyć koszulkę, demonstruje zdolność manipulowania przedmiotem. Robot, który szybko i samodzielnie poradzi sobie z różnorodnym praniem, demonstruje usługę możliwą do wdrożenia.

To samo dotyczy fabryk i magazynów. Maszyna może technicznie umieć przenieść przedmiot, a mimo to nie sprawdzić się jako produkt biznesowy, jeśli będzie zbyt wolna, delikatna albo wyszkolona zbyt wąsko w stosunku do całego procesu pracy.

Szybsze uczenie od nowa będzie kluczowe dla ekonomii

Jednym z celów omawianych w relacjach z konferencji było skrócenie czasu potrzebnego na przystosowanie robota do nowego zadania z około 10 godzin do mniej więcej jednej godziny. Nie chodzi wyłącznie o wygodę. Szybsza adaptacja ograniczyłaby ilość zbierania danych, programowania i pracy inżynierskiej potrzebnej za każdym razem, gdy klient zmienia proces. 13

To może rozstrzygnąć o opłacalności wdrożeń. Jeśli każde nowe zadanie będzie wymagało osobnego, kosztownego projektu integracyjnego, humanoidy pozostaną zapewne w ściśle kontrolowanych pilotażach. Jeśli operatorzy będą mogli szybko nauczyć maszynę pracy lub ją skonfigurować, a robot następnie będzie wykonywał ją konsekwentnie, ten sam sprzęt zyska wartość w wielu zadaniach i lokalizacjach.

Dlatego długotrwała produktywność w magazynie jest ważniejszym kamieniem milowym niż pojedynczy wiralowy film. Taki test pokaże, czy robot potrafi pracować przez dłuższy czas, radzić sobie ze zmiennością, odzyskiwać sprawność po błędach i generować wynik bez ciągłej pomocy człowieka.

Dlaczego „moment ChatGPT” dla humanoidów wciąż jest warunkowy

Niektóre firmy wskazywały na perspektywę od dwóch do dziesięciu lat do przełomu w możliwościach humanoidów ogólnego przeznaczenia, z optymistycznym terminem około 2028 roku. To prognozy, a nie ustalone kamienie milowe. 13

Sedno problemu polega na połączeniu przez sztuczną inteligencję percepcji, rozumowania i fizycznego działania. Model może prawidłowo rozpoznać przedmiot albo opisać plan, a mimo to nie wykonać ruchu wystarczająco precyzyjnie w rzeczywistym świecie. Branża zmaga się również ze słabym uogólnianiem, błędami rzędu milimetrów oraz niedoborem wysokiej jakości danych o fizycznych interakcjach, potrzebnych do trenowania odpornych systemów. 13

Ambicją opisywaną w materiałach dotyczących konferencji jest to, by roboty mogły w przyszłości wykonywać około 80 proc. zadań w nieznanych domach. Osiągnięcie takiego poziomu wymagałoby potencjalnie dziesiątek milionów godzin użytecznych danych treningowych, a także postępów pozwalających przenosić umiejętności między zadaniami zamiast uczyć się każdej czynności od zera. 13

Na co patrzeć po WRC 2026?

Konferencja przesunęła środek ciężkości wyścigu humanoidalnych robotów na pięć praktycznych pytań:

1. Czy robot potrafi pracować poza zaprogramowanym scenariuszem?
2. Jak szybko nauczy się rzeczywiście nowego zadania?
3. Jak bardzo jego długotrwała szybkość i dokładność zbliżają się do poziomu człowieka?
4. Jak często potrzebuje zdalnej albo bezpośredniej interwencji?
5. Czy wdrożenie przynosi mierzalną wartość ekonomiczną w dłuższym okresie?

Raportowana przewaga Chin w liczbie dostaw znacznie lepiej odpowiada na pytanie o możliwości produkcyjne niż na którekolwiek z pytań dotyczących produktywności. WRC 2026 przedstawiła więc branżę jako wchodzącą w fazę walidacji: rynek musi teraz udowodnić, że humanoidy potrafią być nie tylko produkowane na dużą skalę, lecz także użyteczne na dużą skalę.