Robot-zabawka za 18 tys. PLN. Ile naprawdę kosztuje humanoid w firmie?

Przeczytaj także: Roboty humanoidalne coraz bliżej, ale to Chiny wyznaczają standardy dla Physical AI

Roboty humanoidalne stają się coraz bardziej przystępne cenowo i są już dostępne na rynku za równowartość używanego samochodu. Przykładowo, tego lata chiński producent Unitree obniżył cenę początkową serii R1 do około 18.000 PLN netto (4.900 USD).

Tańszy sprzęt nie oznacza jednak taniej automatyzacji. Podczas odbywającej się w sierpniu w Pekinie konferencji World Robot Conference producenci musieli zmierzyć się z pytaniem znacznie trudniejszym niż to, czy humanoidy potrafią biegać, tańczyć lub wykonywać akrobacje. A mianowicie, czy są w stanie wykonywać użyteczną pracę na tyle niezawodnie, by uzasadniało to ich koszt.

Założyciel Unitree, Wang Xingxing, sam przyznał, że wciąż istnieje w tym obszarze rozbieżność. Roboty potrafią obecnie wykonywać podstawowe zadania przemysłowe, ale ich efektywność oraz zdolność adaptacji do nieznanych środowisk nadal stanowią istotną przeszkodę w ich wdrożeniu na większą skalę.

W praktyce za około 18.000 PLN można kupić robota-zabawkę. Przekształcenie humanoida w produktywny system wymaga jednak poważnych prac inżynieryjnych. Co więcej, nie mówimy tu nawet o Unitree R1, którego sensory i komputery oferują bardzo ograniczone możliwości modyfikacji. To właśnie na tym etapie pojawiają się główne koszty.

Robot, który potrafi coś zrobić raz, nie staje się od razu użytecznym robotem

Różnicę można zobrazować na przykładzie prostego pudełka.

„Kolejnym krokiem w branży robotycznej nie jest tylko to, żeby robot, widząc pudełko, wiedział, że trzeba je podnieść. Musi zrozumieć, czym jest to pudełko, jakie ma właściwości, jak je chwycić, gdzie je odłożyć i dlaczego” – wyjaśnia Mateusz Malinowski, Space Robotics Lead w SoftServe.

Ta zdolność do rozumienia kontekstu ma kluczowe znaczenie dla Physical AI, które umożliwia autonomicznym maszynom postrzeganie, rozumienie i wykonywanie złożonych działań w rzeczywistym świecie. Tradycyjne roboty przemysłowe doskonale sprawdzają się wtedy, gdy środowisko i sekwencja działań są ściśle zdefiniowane. Wyzwanie pojawia się, gdy maszyna musi reagować na warunki, z którymi nie zetknęła się wcześniej w tej samej formie.

To rozróżnienie ma również znaczenie ekonomiczne. Robot może prawidłowo wykonać dany ruch, a jednocześnie użyć zbyt dużej siły, uszkodzić komponent lub przyspieszyć zużycie innego elementu na linii produkcyjnej. Prawidłowe zachowanie robota nie musi więc oznaczać osiągnięcia prawidłowego rezultatu produkcyjnego.

„W przypadku humanoidów nie chodzi tak naprawdę o to, czy potrafią tańczyć, skakać czy grać w tenisa. Ważniejsze pytanie to, jak mogą one wnosić wartość i rozwiązywać konkretne problemy” – mówi Malinowski.

Co się dzieje, gdy pojawia się robot?

Przekształcenie sprzętu w funkcjonujący system robotyczny to znacznie większe przedsięwzięcie niż zaprogramowanie kilku ruchów. Inżynierowie muszą zintegrować sensory i oprogramowanie sterujące, połączyć robota z istniejącymi systemami, zamodelować jego zachowanie, przetestować awarie i zakłócenia, a następnie zweryfikować działanie systemu na fizycznym sprzęcie.

Symulacja pozwala przenieść część tych prac poza rzeczywistą maszynę. Możliwe jest testowanie różnych konfiguracji i scenariuszy awarii bez konieczności wielokrotnego zatrzymywania urządzeń czy przebudowywania fizycznego środowiska.

Nie oznacza to jednak, że rozwój systemu automatycznie staje się tani.

„Powszechnie uważa się, że symulacja jest tania. Jeśli potrzebujemy modelu, który naprawdę odzwierciedla rzeczywistość, wymaga to znacznego nakładu pracy inżynieryjnej, czasu i danych” – mówi Mariusz Janiak, Robotics Principal Architect w SoftServe.

W praktyce stworzenie takiego modelu może przypominać projektowanie samego urządzenia. Inżynierowie muszą zgromadzić i kalibrować dane, odtwarzać istotne zjawiska fizyczne, weryfikować założenia w odniesieniu do sprzętu i stopniowo zmniejszać różnicę między symulacją a rzeczywistością.

Celem nie jest jednak odwzorowanie każdego szczegółu rzeczywistości. Ekspert podkreśla, że symulacja powinna przede wszystkim odpowiadać na konkretne pytanie lub rozstrzygać istotną niepewność, na przykład czy robot jest w stanie wykonać dane zadanie, jakie fizyczne konsekwencje będzie miało jego działanie oraz czy zmiany można wprowadzać w sposób bezpieczny i ekonomiczny.

Sprzęt nadal stanowi ostateczny test. Jak zauważa Janiak, symulacja zawsze jest pewnym uproszczeniem rzeczywistości, dlatego nie może być jedynym dowodem na to, że system działa prawidłowo. Ostatecznie robot musi zostać sprawdzony na rzeczywistym sprzęcie i w realnych warunkach, gdzie dopiero można potwierdzić, że rozwiązanie działa tak, jak powinno.

Kiedy robot zacznie być opłacalny?

To wciąż pozostaje kluczowym pytaniem.

Wang Xingxing twierdzi, że generalizacja nadal stanowi jedną z największych przeszkód. Robot może osiągać bardzo wysokie wskaźniki skuteczności po intensywnym treningu w jednym stałym środowisku, ale jego wydajność może spaść, gdy zmienią się obiekty lub otoczenie. Według jego szacunków roboty zdolne wejść do nieznanego domu i wykonać około 80% wymaganych zadań mogą pojawić się w ciągu dwóch–trzech lat w optymistycznym scenariuszu lub pięciu–dziesięciu lat w przypadku wolniejszego rozwoju.

Postępy w tworzeniu modeli bazowych i modeli świata mogą skrócić ten proces.

„Możemy oczekiwać modeli bazowych zdolnych do sterowania określonymi klasami robotów bez konieczności budowania osobno każdego elementu systemu robotycznego. To mogłoby znacząco przyspieszyć rozwój robotyki” – mówi Janiak.

Malinowski jest jednak bardziej ostrożny. „Mamy już roboty humanoidalne, ale przejście od pojedynczych przypadków do czegoś rzeczywiście ogólnego stanowi zupełnie inne wyzwanie. Na znaczące usprawnienia możemy nadal potrzebować pięciu lub dziesięciu lat”.

Dlatego pierwsze znaczące wdrożenia humanoidów mogą być mniej spektakularne niż filmy, które przyniosły im rozgłos. Fabryki i magazyny oferują stosunkowo przewidywalne środowiska i jasno zdefiniowane zadania – dokładnie takie warunki, w których obecne systemy mają największe szanse generować wartość.

Spadające ceny sprzętu na poziomie wejściowym mają więc znaczenie, ponieważ zwiększają dostępność fizycznych platform humanoidalnych do demonstracji, ewaluacji i nauki poprzez praktyczne doświadczenie. Cena nie uwzględnia jednak kosztu konfiguracji umożliwiającej rozwój lub wykorzystanie przemysłowe. Taka konfiguracja może wymagać również wydajniejszych jednostek obliczeniowych, bogatszego zestawu sensorów, bardziej zaawansowanego sprzętu do manipulacji, dodatkowych baterii, środków bezpieczeństwa oraz integracji dostosowanej do konkretnego zadania. Robot za 18.000 PLN nie jest jednak pracownikiem za 18.000 PLN. Nie każdy humanoid w tej cenie jest też wyposażony w taką samą platformę sprzętową jak bardziej zaawansowane systemy prezentowane podczas wykonywania zadań związanych z percepcją, manipulacją czy autonomiczną pracą przemysłową.

Sprzęt coraz częściej jest tylko punktem wyjścia. Prawdziwy koszt – i duża część wartości – wiąże się z tym, by robot rozumiał zadanie, dopasował się do istniejącego procesu i potrafił działać także wtedy, gdy rzeczywistość przestaje przypominać warunki znane z demonstracji.