Що показала Всесвітня конференція роботів 2026 року про справжній прогрес embodied AI

Головний висновок: роботів стало набагато більше, але універсальнішими вони стали не так очевидно

Публікація від 20 серпня про Всесвітню конференцію роботів 2026 року у Пекіні описувала подвійне становище індустрії. Ринок embodied AI — фізичного штучного інтелекту, який сприймає світ і діє в ньому за допомогою роботизованого тіла, — стрімко масштабується комерційно. Водночас його здатність поводитися по-справжньому універсально розвивається значно менш помітно.

На конференції було чимало ефектних показів, але багато з них виглядали як нові варіації вже знайомих торішніх номерів: танці, спортивні рухи, сортування предметів і виконання повторюваних фабричних операцій. Це не означає, що прогресу немає. Однак демонстрація, підготовлена для конкретної сцени, ще не доводить, що робот зможе самостійно впоратися з непередбачуваною ситуацією. 12

Ринок гуманоїдів швидко концентрується

За даними, наведеними в публікації, у першій половині 2026 року у світі поставили понад 22 000 гуманоїдних роботів. Очікувалося, що за весь рік показник перевищить 50 000 одиниць.

Серед найбільших постачальників:

• AgiBot — близько 9 700 роботів;
• Unitree — понад 7 000;
• Galaxy General — понад 1 100.

П’ять найбільших компаній разом контролювали близько 86% ринку. 12

Застосування роботів розподілялися нерівномірно. Приблизно 38% припадало на розваги, 26% — на виробництво даних і дослідження, 16% — на «розумне» виробництво, а близько 10% — на складську та логістичну діяльність. 12

Ці цифри свідчать про швидкий перехід від лабораторних прототипів до серійних поставок. Але кількість проданих машин не тотожна рівню їхньої автономності: робот може бути корисним у вузькому, добре організованому процесі й водночас залишатися далеким від універсального помічника.

Чому прогрес складно побачити неозброєним оком

Головна перешкода полягає не лише в тому, щоб зробити роботів сильнішими, швидшими чи спритнішими. Для embodied AI потрібні великі, різноманітні та якісні масиви даних про взаємодію з фізичним світом.

Інженерам доводиться розв’язувати одразу кілька складних завдань:

• збирати дані про дії людей і роботів у різних умовах;
• відрізняти жорстко запрограмовану демонстрацію від навички, яку можна перенести на інше завдання;
• навчати робота працювати з новими предметами, плануванням приміщення та обладнанням;
• пристосовувати систему до нових фабрик, складів чи магазинів;
• знову й знову калібрувати механіку, сенсори та програмне забезпечення.

За оцінкою Вана Сінсіна, надійна робота в незмінній сцені стає дедалі досяжнішою. Але вихід за межі такого контрольованого сценарію потребує масштабного донавчання моделі та подальшої участі людей. 12

Ван Хе запропонував практичніший критерій справжньої універсальності: чи зможе робот перенести свої навички на 100 фабрик або 1 000 магазинів, виконувати інструкції природною мовою та працювати в незнайомому середовищі. 12

У публікації нинішній рівень embodied-моделей порівнювався приблизно зі стадією GPT-2, а здатність, близьку до рівня GPT-3.5—GPT-4, прогнозували орієнтовно на 2028 рік. Це саме прогноз, а не підтверджений результат. 12

Unitree: рух, ціна та масштаб

Unitree на конференції постала передусім як компанія, що сильна в управлінні рухами, конструкції роботів, контролі собівартості та масштабному виробництві. Її перевагою називали не лідерство у фундаментальних моделях embodied AI, а здатність створювати рухливі й відносно доступні машини у великих обсягах.

На заході компанія представила прототип робота, здатного розвивати швидкість 12,65 метра на секунду. Понад 7 000 поставлених у першому півріччі роботів відповідали приблизно 31% світового ринку. 12

Це показовий контраст: Unitree демонструє, наскільки швидко апаратна частина та виробництво можуть масштабуватися, тоді як фундаментальна проблема універсальної поведінки залишається відкритою.

Galaxy General: моделі, що навчаються, спостерігаючи за людьми

Galaxy General робила ставку на інший рівень технологічного ланцюжка — фундаментальні моделі для керування тілом робота. Компанія показала двоногого робота ET1 і заявила, що її загальна модель для всього тіла навчалася приблизно на 100 000 годинах даних про рухи людей. 12

Окрему увагу привернула технологія WAM-TTT — підхід, за якого робот може адаптуватися до нових операцій, спостерігаючи відео роботи людей. Клієнту не потрібно вручну розмічати кожен запис або керувати роботом дистанційно: відео виконання завдання використовується для подальшого налаштування моделі під конкретний процес. 14

Це потенційно важливий крок убік від підходу, коли кожну нову установку доводиться програмувати майже з нуля. Водночас повідомлення про впровадження технології слід сприймати як дані компанії та її партнерів, а не як незалежний тест загального інтелекту роботів.

За даними публікації, Galaxy General вийшла за межі одиничних proof-of-concept-демонстрацій і розгорнула роботів на десятках заводів CATL. 12

Що залишається невирішеним

Конференція показала індустрію, яка швидко консолідується навколо серійних поставок і реальних комерційних сценаріїв. Роботи вже не обмежуються лабораторними стендами: їх тестують і впроваджують на виробництві, у логістиці та інших прикладних сферах.

Але вирішальним бар’єром залишається узагальнення — здатність виконувати нові завдання в нових умовах, розуміти мовні вказівки, реагувати на непередбачені зміни та робити це без постійної допомоги людини.

Отже, 2026 рік може стати роком стрімкого зростання ринку гуманоїдів, але не обов’язково роком настільки ж очевидного стрибка в їхній універсальності. Індустрія вже навчилася виробляти більше роботів і краще показувати їхні можливості. Наступне питання — чи зможе вона навчити цих роботів переносити набуті навички з однієї сцени на тисячі реальних середовищ. 12