Kineska industrija humanoidnih robota sve više pažnje posvećuje razvoju inteligencije koja bi mašinama omogućila obavljanje raznovrsnih poslova. Nakon višegodišnjeg usavršavanja sposobnosti trčanja, plesanja i izvođenja salta, kompanije ulažu u softver zahvaljujući kojem bi roboti mogli razumjeti okruženje, učiti i prilagođavati se novim zadacima.
Riječ je o oblasti poznatoj kao „utjelovljena vještačka inteligencija“ (embodied AI), čiji je cilj omogućiti robotima da usvajaju nove vještine bez zasebnog programiranja za svaki posao.
Razvoj ovog sektora prati snažan rast ulaganja. Istraživačka kompanija ITjuzi navodi da su kineske firme iz ove oblasti u prvoj polovini 2026. godine prikupile 13 milijardi dolara kroz 322 investicijska posla, pet puta više nego u istom periodu prethodne godine.
Sve veći dio kapitala privlače firme koje razvijaju robotičku inteligenciju, dok proizvodnja samih mašina više nije jedini fokus investitora.
"Kako konkurencija obara cijene hardvera, proizvođači robota zaključili su da zarada neće dolaziti od mašina, već od njihovog mozga", rekao je Dermot McGrath, osnivač tehnološke konsultantske kuće ZenGen Labs iz Šangaja.
Tehnološko nadmetanje Kine i SAD-a
Povezivanje robotike i vještačke inteligencije postaje još jedno područje rivalstva Kine i Sjedinjenih Američkih Država. Dok američke kompanije imaju prednost u pojedinim naprednim sistemima robotičke inteligencije, kineski razvojni timovi oslanjaju se na snažnu proizvodnu bazu i dostupnost velikih količina podataka iz stvarnog svijeta.
Upravo bi ti resursi, prema njihovim očekivanjima, mogli pomoći u dostizanju američkih konkurenata. Najuspješnije povezivanje AI-ja i robota moglo bi donijeti prednost u automatizaciji proizvodnje i logistike, ali i promijeniti odnose na globalnom tržištu robotike.
"Mozak je zaista najslabija karika u cijelom robotičkom lancu", rekao je suosnivač kompanije Spirit AI Gao Yang.
Usvajanje vještina nakon jedne demonstracije
Među američkim startupima koji razvijaju softver za brzo učenje različitih robotičkih vještina nalaze se Physical Intelligence, Skild AI i Generalist. Njihov cilj je smanjiti potrebu za opsežnim dodatnim treniranjem pri prelasku na nove zadatke.
Prema tvrdnjama Generalista, model GEN-1.5 uspješno je obavio oko 60 posto jednostavnih zadataka nakon samo jedne demonstracije koja je trajala između tri i 12 sekundi.
Sličnim pristupom bavi se i kineska kompanija X Square. U objavljenim istraživanjima navodi da njeni roboti mogu naučiti nove radnje rukovanja predmetima gledajući samo jedan videosnimak čovjeka, bez dodatnog treniranja modela za svaki pojedinačni zadatak.
"Vodeći američki laboratoriji postavljaju veoma visoke standarde, posebno kada je riječ o brzini kojom roboti usvajaju i ponovo koriste naučene vještine", rekao je konsultant za robotiku Georg Stieler.
Kako prikupiti podatke za obuku
Obuka robota zahtijeva drugačije podatke od onih na kojima uče chatbotovi. Umjesto oslanjanja na ogromne količine tekstova s interneta, roboti moraju usvajati znanje kroz fizičke interakcije, poput hvatanja predmeta ili rukovanja savitljivim kablovima.
Kineske firme takve podatke prikupljaju na različite načine. Spirit AI angažovao je oko 1.000 ljudi za snimanje svakodnevnih i industrijskih aktivnosti, dok ACE Robotics pomoću senzora prati pokrete radnika i jačinu njihovog stiska tokom rada u trgovinama i hotelima.
Robbyant, robotički ogranak Ant Groupa, saopćio je da je za treniranje svog modela koristio 160.000 sati podataka. Od toga se 50.000 sati odnosi na pokrete robota kojima su upravljali ljudi.
Kompanija DexForce obuku provodi u simuliranim digitalnim okruženjima. Njena operativna direktorica Nicole Yang tvrdi da pojedine industrijske zadatke mogu pripremiti za primjenu za šest do osam sati, uz uspješnost veću od 99,9 posto u preciznim operacijama.
Stručnjaci, međutim, upozoravaju na ograničenja simulacija, koje ne mogu u potpunosti reproducirati fizičke uslove stvarnog svijeta.
"Kvalitet podataka važniji je od njihove raznolikosti, a važniji je i od samog prikupljanja ogromnih količina podataka", rekao je Yang iz kompanije X Square.
Samostalno rješavanje problema i poslovna primjena
Mogućnost da roboti sami pronađu rješenje za nepoznat problem već ispituje kompanija JoyIn. Zhu je opisala eksperiment u kojem robot nije uspijevao odložiti slušalice u ormarić jer mu je bio izvan domašaja.
Inženjeri su mu potom prikazali videosnimke ljudi koji obavljaju isti zadatak. Nakon toga robot je sam gurnuo kutiju do ormarića i pokušao se popeti na nju.
"Svaki put je istraživao drugačije ponašanje", rekla je.
Za primjenu u poslovnom okruženju, ipak, potrebna je visoka pouzdanost jer je prostor za greške veoma ograničen.
Proizvođač baterija CATL saopćio je da roboti kompanije Spirit AI tokom testiranja baterijskih paketa povezuju savitljive žice s uspješnošću većom od 99 posto.
Robbyant, s druge strane, navodi da njegovi roboti već obrađuju narudžbe u dvije apoteke u Šangaju, gdje osoblje prije isporuke samo provjerava lijekove.