Roboty humanoidalne schodzą ze sceny. Teraz muszą nauczyć się prawdziwej pracy

Drugie Światowe Igrzyska Robotów Humanoidalnych pokazały dwa oblicza tej technologii. Roboty rywalizowały w sporcie i ustanawiały efektowne rekordy, ale jednocześnie mierzyły się z zadaniami związanymi z podłączaniem kabli, pracą w magazynie, obsługą restauracji, biurem, sytuacjami awaryjnymi i innymi scenariuszami przypominającymi prawdziwe środowisko pracy. Równolegle w pekińskim parku innowacji sztucznej inteligencji ucieleśnionej firmy rozwijały podzespoły, gromadziły dane treningowe, pozyskiwały kapitał i szukały klientów dla swoich robotów. 1213

Razem te sygnały wskazują na początek wczesnej, nierównej komercjalizacji — nie na gotowy rynek uniwersalnej pracy wykonywanej przez roboty. Skalowanie sprzętu staje się łatwiejsze, lecz użyteczne działanie nadal zależy od niezawodności, standardów, jasno określonych zastosowań oraz wystarczającej ilości danych, które pozwalają radzić sobie ze zmiennością realnego świata.

Igrzyska coraz bardziej przypominają test pracy

Igrzyska rozpoczęły się 22 sierpnia 2026 roku w pekińskim National Speed Skating Oval, znanym jako Ice Ribbon. Organizatorzy zarejestrowali 666 zespołów i 2056 robotów. Liczba zespołów wzrosła o 138 procent w porównaniu z pierwszą edycją, a liczba robotów zwiększyła się mniej więcej czterokrotnie. Program rozszerzono do 51 konkurencji: 30 sportowych i 21 opartych na scenariuszach. 26

To istotna zmiana, ponieważ wyniki sportowe mierzą tylko wąski wycinek możliwości maszyny. Robot może szybko biegać w kontrolowanych warunkach, a jednocześnie nie być w stanie bezpiecznie, powtarzalnie i opłacalnie wykonywać prostego zadania przemysłowego. Konkurencje scenariuszowe przesuwają więc uwagę na autonomię, sprawność manipulowania przedmiotami i faktyczne ukończenie zadania w warunkach przypominających fabrykę, magazyn, restaurację, biuro czy miejsce akcji ratunkowej. 1912

Zaostrzono również zasady dotyczące autonomii. Z relacji z igrzysk wynika, że nie chodzi już tylko o samo wykonanie zadania, lecz o zrobienie tego szybko, dokładnie, stabilnie i bez zdalnego sterowania przez człowieka. 9

Skala pojawia się w całym łańcuchu dostaw

Sierpniowe wizyty w pekińskim parku innowacji AI ucieleśnionej Zhongguancun Haidian sugerowały, że sektor nie składa się już wyłącznie z pojedynczych prototypów. Firmy opisywały coraz bardziej zbliżone konfiguracje robotów i podstawowe podzespoły. Taka konwergencja może ograniczyć konieczność indywidualnego projektowania i ułatwić skalowanie produkcji komponentów. 13

Zhuoyu Technology przekazała, że rynek przeszedł od partii prototypowych liczących około 10–50 sztuk w latach 2024–2025 do większych wdrożeń u klientów. Według firmy od 10 do 20 klientów zamówiło po ponad 1000 sztuk. Zhuoyu deklarowała także miesięczną produkcję komponentów wystarczającą dla około 3000 robotów, z celem zwiększenia jej w listopadzie do 50–60 tysięcy. Firma mówiła ponadto o portfelu zamówień obejmującym setki tysięcy robotów. Są to deklaracje przedsiębiorstwa lub przedstawicieli branży, a nie niezależnie zweryfikowane dane o dostawach. 13

Rosną także prognozy dotyczące całego rynku. Morgan Stanley podniósł szacunki chińskich dostaw robotów humanoidalnych w 2026 roku z 28 tysięcy do 50 tysięcy sztuk, wskazując na komercyjną walidację, wsparcie polityczne i dynamikę łańcucha dostaw. 2728 Prognoza nie jest równoznaczna z liczbą faktycznie dostarczonych robotów, ale sama korekta pokazuje, jak szybko zmieniają się oczekiwania wobec tego sektora.

Wujie Power pokazuje, jak finansowana jest komercjalizacja

Założona w 2025 roku firma Wujie Power dobrze ilustruje ambicje produktowe i kapitałowe branży. Przedsiębiorstwo podało, że ma dwie generacje robotów w produkcji seryjnej, a trzecią rozwija. Poinformowało również o pozyskaniu ponad 200 milionów dolarów finansowania anielskiego oraz o niemal 100 milionach dolarów globalnych zamówień w pierwszej połowie 2026 roku. Wymieniane zastosowania obejmowały produkcję przemysłową i obsługę kawiarni. Firma deklarowała także europejską certyfikację CE w zakresie przemysłowego rozwiązania obejmującego cały stos technologiczny. 13

Te informacje pokazują, że klienci i inwestorzy są gotowi finansować pilotaże oraz pierwsze wdrożenia, zanim roboty humanoidalne osiągną niezawodność typową dla dojrzałych urządzeń przemysłowych. Nie dowodzą jednak, że maszyny potrafią już przez długi czas samodzielnie wykonywać szeroki zakres komercyjnych zadań.

Założyciel Wujie Power, Zhang Yufeng, wskazał kluczową różnicę: w kontrolowanym zakładzie przemysłowym można nauczyć robota wąskiej, powtarzalnej umiejętności, natomiast usługi komercyjne wymagają uogólniania działania na zmienne środowiska, użytkowników, przedmioty i awarie. Ten drugi problem jest znacznie trudniejszy. 13

Nadal nie ma jednego przełomowego zastosowania

Popyt na roboty istnieje, ale mapa ich zastosowań wciąż nie jest ustalona. Fabryki oferują uporządkowane przestrzenie i powtarzalne zadania. Logistyka wymaga przemieszczania się, obsługi zmieniających się obiektów i utrzymania wysokiej dostępności. Handel i gastronomia oznaczają kontakt z nieprzewidywalnymi ludźmi. Domy łączą wszystkie te trudności z niemal nieograniczoną liczbą przedmiotów i sytuacji.

Czerwcowa inicjatywa chińskich instytucji MIIT–SASAC dotycząca trenowania, walidacji i wdrażania robotów w rzeczywistych scenariuszach do końca roku zwiększyła presję na wyjście poza wystawy i demonstracje. 13 Nie rozwiązuje jednak podstawowego problemu produktowego: które zadania generują wystarczającą wartość, by uzasadnić koszt humanoida, jego konserwację, nadzór i wymogi bezpieczeństwa?

Najbardziej wiarygodnym rynkiem w najbliższym czasie będą prawdopodobnie ograniczone i powtarzalne zadania, a nie w pełni uniwersalna praca. Konkurencje scenariuszowe są przydatne właśnie dlatego, że pokazują różnicę między zaprogramowanym pokazem a niezawodnym procesem roboczym. 113

Niezawodność i standardy ważniejsze niż efektowne pokazy

Uczestnicy branży przyznawali, że wiele robotów humanoidalnych nadal nie zapewnia niezawodności przemysłowej i nie działa w otoczeniu dojrzałych międzynarodowych standardów. To zasadnicza różnica w porównaniu z konwencjonalnymi ramionami przemysłowymi, od których oczekuje się pracy przez dziesiątki tysięcy godzin. 13

Robot, który raz efektownie ukończył konkurencję, zademonstrował pewną umiejętność. Nie oznacza to jeszcze bezpiecznej i ekonomicznej pracy na wielu zmianach, przy zmiennym obciążeniu, z przewidywalną konserwacją i skutecznym odzyskiwaniem sprawności po awarii.

Dla potencjalnych nabywców ważniejsze stają się więc pytania:

• Jak często robot ulega awarii albo potrzebuje interwencji człowieka?
• Czy potrafi poradzić sobie z nieoczekiwanym przedmiotem, osobą lub przeszkodą?
• Ile godzin może pracować przed koniecznością serwisu?
• Czy tę samą umiejętność można przenieść między różnymi modelami robotów i zakładami?
• Czy istnieją uznane zasady bezpieczeństwa i zgodności wymagane przy wdrożeniu?

Odpowiedzi na te pytania będą miały większe znaczenie dla adopcji niż sportowe rekordy — nawet jeśli to właśnie rekordy przyciągają najwięcej uwagi.

Dane treningowe stają się głównym wąskim gardłem

Rozmowy w parku innowacji pokazały także przesunięcie problemu: od sprzętu w stronę danych. Zgłaszane przez klientów zapotrzebowanie rośnie z tysięcy godzin treningu do setek tysięcy, a docelowo do dziesiątek milionów. Noitom Robotics podała, że planuje wytworzyć setki tysięcy godzin danych w 2026 roku i miliony w 2027 roku. 13

Skalę ambicji pokazuje publiczne udostępnienie przez Noitom zbioru HiPHI obejmującego 617,5 godziny precyzyjnych danych o ruchu człowieka i interakcjach z przedmiotami. To znaczący zasób badawczy, ale jego rozmiar pokazuje również dystans między wartościowym zbiorem danych a znacznie większymi wolumenami, które — według deklaracji firm — będą potrzebne do stworzenia odpornych systemów AI działających w świecie fizycznym. 4749

Dane nie są przy tym wymienne. W dyskusjach wyróżniono trzy szerokie poziomy:

1. Wysokiej jakości dane operacyjne: precyzyjne przykłady z perspektywy pierwszej osoby lub z teleoperacji. Mogą uczyć trudnych umiejętności, ale ich zebranie jest kosztowne.
2. Dane skoncentrowane na człowieku, możliwe do przełożenia na różne roboty: rejestrują ludzki ruch i interakcje w sposób pozwalający dostosować je do odmiennych konstrukcji robotów.
3. Dane z symulacji: są obfite i stosunkowo tanie, lecz ogranicza je różnica między środowiskiem wirtualnym a fizycznym.

Koszt rejestrowania danych w świecie fizycznym określano na tysiące juanów za godzinę. To skłania firmy do szukania metod gromadzenia danych na znacznie większą skalę. Noitom planuje między innymi pozyskiwać dane od niemal 20 tysięcy osób do następnego roku, zaczynając od scenariuszy domowych. 13

Wniosek jest prosty: humanoid nie staje się uniwersalnym robotem tylko dlatego, że ma ciało przypominające ludzkie. Potrzebuje także różnorodnych i dokładnie opisanych doświadczeń, które pozwolą mu łączyć percepcję, ruch, przedmioty, ludzi i konsekwencje działań w świecie fizycznym.

Co naprawdę pokazały sierpniowe wydarzenia?

Igrzyska i wizyty w pekińskim parku innowacji uzasadniają umiarkowanie optymistyczny wniosek:

• Branża się skaluje. Liczba uczestników igrzysk, rosnąca liczba konkurencji, zbieżność podzespołów, finansowanie i deklarowane zamówienia wskazują na powstawanie większego ekosystemu komercyjnego. 213
• Komercyjna walidacja już się rozpoczęła. Firmy próbują wdrażać roboty w fabrykach, logistyce, gastronomii i innych rzeczywistych miejscach, a polityka państwa zwiększa presję na testowanie ich poza wystawami. 113
• Uniwersalna praca nadal nie została rozwiązana. Niezawodność, standardy, ekonomika, wybór zadań i dane pozostają otwartymi problemami. 13

Roboty humanoidalne wyszły więc poza etap kojarzony głównie z tańcem, bieganiem i wyreżyserowanymi pokazami. Kolejny test będzie mniej widowiskowy, ale znacznie ważniejszy: czy robot potrafi przez tysiące godzin bezpiecznie i konsekwentnie wykonywać użyteczną pracę, radząc sobie z wystarczająco dużą zmiennością prawdziwego świata.