Venture kapitál teče proudem, dema na YouTube sbírají miliony zhlédnutí a sliby jsou s každým kvartálem odvážnější. Poté, co jsme sledovali, jak velké jazykové modely jako ChatGPT od OpenAI v podstatě přes noc dobyly digitální svět, si všichni kladou stejnou otázku za miliardy dolarů: Kdy konečně zažije robotika svůj „ChatGPT moment“?
Podle dvou mužů, kteří strávili roky v první linii vývoje takzvané vtělené AI (embodied AI), je odpověď prostá: Nezažije. A udělali byste dobře, kdybyste jim naslouchali. Jonathan W. Hurst, spoluzakladatel Agility Robotics (stojí za humanoidem Digit), a Hans Peter Brøndmo, který vedl ambiciózní projekt Everyday Robots v laboratořích Google X, sepsali studii, která funguje jako tolik potřebné vystřízlivění. Na rozjetý „hype train“ vylévají kýbl ledového průmyslového chladiva a tvrdí, že žádný magický průlom v AI nás nespasí. Cesta k světu plnému užitečných robotů je vydlážděna úmornou, inkrementální a pro mnohé hluboce „nesexy“ inženýrskou prací.
Vzhledem k tomu, že objem venture investic do robotiky v roce 2024 vyskočil na 6,1 miliardy dolarů (z 5,1 miliardy v roce 2023), jsou sázky astronomicky vysoko. Ale jak Hurst a Brøndmo upozorňují, propast mezi nablýskaným demem a komerčně životaschopným, bezpečným a spolehlivým robotem zůstává obrovská.
Velká iluze: Anatomie virálního dema
Všichni jsme je viděli. Videa humanoidních robotů, jak sázejí perfektní salta vzad, předvádějí synchronizované tanečky nebo nacvičené bojové umění. Poslední virální senzací byli humanoidi od Unitree Robotics, kteří na čínském galavečeru Spring Festival 2026 předváděli kung-fu kousek od dětských účinkujících.
Hurst a Brøndmo rychle poukazují na to, co insideři vědí už roky: „Nikdy nevěřte videu s robotem na YouTube.“ Tyto výkony jsou sice technicky úchvatné, ale jde o robotický ekvivalent pečlivě nazkoušeného broadwayského představení. Demonstrují sice skvělou kontrolu motoriky, ale jejich úroveň autonomie má blíž k robotu u montážní linky než k myslícímu stroji. Reálný svět – chaotický, nepředvídatelný a tvrdohlavě nenaskriptovaný – je úplně jiná liga. Jde o klasický případ Moravcova paradoxu: úkoly, které jsou pro člověka triviální (např. projít zaplněnou místností), jsou pro robota monumentálně těžké, zatímco složité výpočty zvládá levou zadní.
Data jsou nevyřešená, herkulovská výzva
Modely LLM měly obrovskou výhodu: trénovaly se na internetu, kolosální databázi textů a obrázků vytvořených lidmi. Roboti takový luxus nemají. Aby se robot mohl učit, potřebuje data z fyzického světa – z vysokodimenzionálního prostoru, kde proměnné zahrnují vše od úhlů kloubů a zpětné vazby síly až po světelné podmínky a nepředvídatelné pohyby lidí.
Rozsah této výzvy je ohromující. V Everyday Robots nechal Brøndmův tým v roce 2022 běžet 240 milionů simulovaných instancí robotů jen proto, aby vytrénovali model, který dokáže s rozumnou kompetencí třídit odpad. A to šlo o jednu jedinou, relativně jednoduchou dovednost. Teď si toto úsilí vynásobte téměř nekonečným množstvím úkolů, které od univerzálních robotů očekáváme. Jde o problém sběru dat úplně jiného řádu, který zůstává v podstatě nevyřešen. Samotný projekt byl nakonec začátkem roku 2023 ukončen v rámci širších úsporných opatření mateřské společnosti Alphabet.
Žádná univerzální „robotická AI“ nebude
Představa jediného monolitického AI modelu, který by dokázal řídit jakéhokoli robota – ať už kolového, nohého, létajícího nebo plovoucího – je čistá sci-fi. Fyzická realita různých konstrukcí a prostředí je příliš rozmanitá. Autoři tvrdí, že vítěznou architekturou bude takzvaná „agentní AI“ (agentic AI). Ta využívá koordinační modely na vysoké úrovni, které dokážou uvažovat, plánovat a delegovat úkoly sadě menších, specializovaných AI nástrojů. Jeden model může řešit bipedální lokomoci, jiný jemnou manipulaci a třetí se bude věnovat bezpečné interakci s lidmi.
Tento modulární přístup podle nich povede ke „kambrické explozi“ užitečných a inteligentních strojů. Nepůjde o jeden velký třesk, ale o rozkvět rozmanitých, specializovaných schopností, které při správné orchestraci vytvoří skutečně kompetentní stroj.
Hardware je stále k uzoufání složitý
Navzdory veškerému zaměření na AI je robot stále fyzický objekt. A hardware, zejména části, které mu umožňují interakci se světem, zůstává hlavním úzkým hrdlem. Většina průmyslových robotů používá tuhé, výkonné aktuátory, které jsou fantastické pro přesnost v kleci, ale katastrofální v lidském prostředí. Jedna náhodná kolize by mohla být fatální.
Lidé jsou naproti tomu „poddajní“ (compliant). Neustále využíváme hmat a silovou zpětnou vazbu, ať už šmejdíme klíčem v zámku, nebo se opíráme o pult. Aby toho roboti dosáhli, potřebují novou třídu aktuátorů, které jsou citlivé, poddajné a vnímají sílu. I když v laboratořích existují, zatím nejsou dostupné v měřítku, ceně nebo spolehlivosti potřebné pro masové nasazení. Sebelepší AI na světě je k ničemu, pokud je její tělo neohrabanou a nebezpečnou přítěží.
Skutečná hodnota leží v řešení „jednoduchých“ problémů
Poslední a možná nejdůležitější pravdou je, že skutečná hodnota v reálném světě nevzniká ze salt vzad. Vzniká spolehlivým vykonáváním všedních, opakujících se a často fyzicky namáhavých prací, které lidé dělat nechtějí. Tady se láme chleba (nebo v tomto případě, tady se nohy robota potkávají s podlahou skladu).
Oba autoři mluví z vlastní zkušenosti. Když Agility Robotics začala nasazovat robota Digit u partnerů jako GXO Logistics, rychle si uvědomili, že první velkou překážkou není výkon úkolu, ale bezpečnost. To vedlo k víceletému inženýrskému úsilí o redesign robota pro bezpečný provoz v prostorách s lidmi. Podobně se tým Everyday Robots v Googlu na vlastní kůži přesvědčil, jak chaotické a obtížné je pro robota snažícího se uklízet stoly i zdánlivě jednoduché prostředí, jako je firemní jídelna.
Tato zkušenost z reálného provozu je jedinou cestou vpřed. Definuje architekturu AI, odhaluje nedostatky hardwaru a ukotvuje ambiciózní plány v drsné realitě potřeb zákazníků. Neexistuje žádný zázračný algoritmus ani dataset, který by mohl nahradit pomalý, bolestivý a drahý proces nasazování robotů, sledování jejich selhání a pečlivého inženýrského ladění řešení. Budoucnost robotiky přichází, ale bude to po jednotlivých, promyšlených a dobře odpracovaných krocích.