A humanoid robotok „agyára” tolódik a pénz – egy tesztben dobozt tolt, hogy elérjen magasra

A kínai humanoid robotok már évek óta képesek futni, táncolni és akrobatikus mutatványokra is. A verseny most áthelyeződött: a gyártók és a befektetők a gépek mögötti szoftverre, a megtestesült mesterséges intelligenciára (embodied AI) koncentrálnak. A cél olyan „agy”, amely a robotot nem minden feladathoz külön programozza, hanem képes értelmezni a környezetet, tanulni és alkalmazkodni.

Milliárdok a szoftverre

Az IT Juzi adatai szerint a kínai megtestesült MI-vállalatok 2026 első felében 322 tranzakcióban összesen 93,5 milliárd jüant (kb. 13 milliárd dollárt) vontak be – ez az előző év azonos időszakának ötszöröse. A Reuters által idézett iparági elemzők szerint a hardverárak csökkenése miatt a gyártók úgy látják: a haszon nem magából a gépből, hanem az irányító intelligenciából jön.

A tőke egyre inkább a robotok „agyát” fejlesztő cégekhez áramlik. A specializált kínai startupok – köztük az X Square, a Galaxea és a Spirit AI – vállalati közlések szerint mintegy 3 milliárd dolláros értékelést értek el. A nagy gyártók is erősen licitálnak: a tőzsdén jegyzett UBTech akár 124 millió jüanos (18 millió dolláros) javadalmazási csomagot hirdetett meg MI-kutatói pozícióra, a Unitree pedig – a Reuters forrása szerint – harmincfős csapattal dolgozik a tárgyak fizikai viselkedését előrejelző algoritmusokon.

Videóból tanuló gépek

A chatbotok szöveges adatokból tanulnak; a robotoknak viszont fizikai interakciókra van szükségük: tárgyak megfogásától a hajlékony kábelek kezeléséig. A kínai fejlesztők eltérő adatgyűjtési stratégiát követnek:

• A Spirit AI mintegy ezer embert bérelt fel mindennapi és ipari tevékenységek rögzítésére.
• Az Ant Group Robbyant egysége 160 ezer órányi anyagból – köztük 50 ezer órányi, ember által irányított robotmozgásból – tanította modelljét, amelyet 17 márka 20 különböző robotján teszteltek.
• A DexForce szimulált környezetekben készít fel bizonyos ipari feladatokra 6–8 óra alatt, és a megadott precíziós műveleteknél 99,9 százalék feletti sikerességet közöl.

Az amerikai versenytársak közül a Generalist GEN-1.5 modellje 3–12 másodperces bemutató után az egyszerű feladatok mintegy 60 százalékát képes elvégezni – a cég saját mérése szerint 59 százalékos átlagos sikerességet ért el tíz rövid feladaton. Kínában az X Square kutatása szerint a robotok egyetlen emberi videó alapján is képesek tárgykezelési készségeket elsajátítani anélkül, hogy minden feladathoz külön újratanítanák a modellt.

Amikor a robot kitalál valamit

A JoyIn Technology Aether nevű robot-MI-jének fejlesztését vezető Zhu Mingxuan a Reutersnak elmondta: egy kísérletben a robot többször is kudarcot vallott, amikor egy magas szekrénybe próbált fejhallgatót helyezni. Miután mérnökök megmutatták neki, hogyan oldják meg az emberek a feladatot, a gép odalökött egy dobozt a szekrény felé, és megpróbált ráállni. „Minden alkalommal más viselkedést próbált ki” – idézte Zhu a lap.

A laborban kísérletezés és az éles üzem között azonban nagy a szakadék. A CATL akkumulátorgyártó csengcsoui üzemében a Spirit AI robotjai a tesztelés során 99 százalék feletti sikerességgel csatlakoztatják a hajlékony vezetékeket; a Robbyant gépei két sanghaji gyógyszertárban állítják össze a rendeléseket, a gyógyszereket emberi ellenőrzés mellett adják ki.

USA–Kína verseny, korlátok

A megtestesült MI új frontot nyit az amerikai és kínai technológiai versenyben. Az amerikai startupok – köztük a Physical Intelligence, a Skild AI és a Generalist – az előrehaladott kutatás és a nagy teljesítményű chipekhez való hozzáférés miatt bizonyos területeken előnyben vannak. A kínai cégek viszont szoros együttműködést építenek ki gyártókkal és ipari partnerekkel, így valós környezetben gyűjtenek adatot és finomítják rendszereiket.

A fejlesztést nehezíti az amerikai exportkorlátozások miatti Nvidia-chiphiány, valamint a túlzott értékelések miatt szigorodó tőzsdei forrásbevonás. A Unitree alapítója, Wang Hszinghszing szeptemberben azt mondta, biztató eredménnyel tesztelték az OpenAI GPT-6 modelljét a robotjaikon; szerinte a jövő évre várható GPT-7 hozhatja el a robotika „ChatGPT-pillanatát” – amikor a gépek ismeretlen környezetben, szóbeli utasításra a feladatok 80 százalékát el tudják végezni.

A robotikai tanácsadó Georg Stieler azonban óvatosságra int: ha a kérdés az, mikor mutat be egy modell széles körű, ismeretlen feladatokat, „az optimisták jól lehet, hogy igazuk van”. Ha viszont az számít, mikor számíthat rá egy ügyfél megbízható teljesítményre, „éveket, nem hónapokat” tenne hozzá.

Magyarországon közvetlen hatás még nem várható, de a globális ipari automatizálás és az ellátási láncok digitalizálása szempontjából ez a verseny releváns: ahogy a robotok megbízhatóbbá válnak a gyártósorokon, a logisztikában és az egészségügyi kiszolgálásban, a versenyképesség egyre inkább a fizikai MI minőségén múlik – nem a backflipen.