Producenci robotów gonią ludzką szybkość. Innodata otwiera laboratorium przechwytywania ruchu

Innodata otworzyła 30 września laboratorium przechwytywania ruchu. Firma twierdzi, że będzie w nim tworzyć dane treningowe dla robotów humanoidalnych i przemysłowych oraz niezależnie weryfikować wyniki, które roboty raportują u siebie. Spółka z Ridgefield Park w New Jersey, założona w 1988 roku, zapisuje dane 3D bezpośrednio z ciał, ludzkich i mechanicznych, zamiast odtwarzać ruch, analizując wideo 2D.

Jak podaje The Robot Report, obiekt powstał z myślą o zespołach, które trafiają na to, co Innodata nazywa ścianą danych.

"Nie ma żadnego zamiennika dla bezpośredniego przechwytywania ruchu w 3D" - powiedział The Robot Report Franklin Tanner, wiceprezes Innodaty ds. robotyki i fizycznej sztucznej inteligencji. Czujniki mają rejestrować najdrobniejszy ruch każdego stawu, a przy trenowaniu humanoida ważącego prawie 200 funtów (90,7 kg) odczyty "nie mogą być mniej więcej" - dodał. Tanner podał przykład robota podnoszącego kubek: chwyt za uchwyt jest normalny, chwyt za podstawę nie jest błędem, dopóki w kubku nie ma gorącego płynu. Kontekstu, mówił, nie zawsze da się zapisać w istniejących zbiorach danych.

Problem z danymi to nie tylko ich ilość. Tanner opisał fizyczną sztuczną inteligencję jako coś, co musi "zarabiać na swoje tokeny, interakcja po interakcji". Innodata twierdzi, że tworzy dane treningowe dla humanoidów, sprzętu teleoperowanego, systemów noszonych, zestawów czujników, chwytaków Universal Manipulator Interface i innych multimodalnych układów przechwytywania, a dane mogą zasilać cyfrowe bliźniaki dla przypadków brzegowych. Laboratorium prowadzi też niezależną weryfikację, co ma znaczenie, gdy producenci publikują wyniki, których kupujący nie mogą łatwo sprawdzić.

Szybkość staje się kolejnym polem walki

Tego samego dnia MindOn zaprezentowała Mind-1, model fizycznej sztucznej inteligencji, który według firmy doprowadza wykonywanie zadań przez robota do szybkości człowieka w logistyce i codziennym otoczeniu, a niektóre zadania kończy szybciej niż ludzie. Spółka podała liczby dotyczące opóźnień: wnioskowanie skrócone z 82 ms do 32 ms. Jej argument inżynierski jest konkretny. Przy szybkości efektora 3 m/s opóźnienie 10 ms odpowiada mniej więcej 3 cm ruchu, czyli dość, by zakłócić precyzyjny chwyt, wsuwanie albo manipulację wymagającą kontaktu.

MindOn zwraca też uwagę na same dane treningowe. Wiele danych o manipulacji pochodzi z teleoperacji, która zwykle jest wolniejsza niż naturalny ruch człowieka, więc modele uczą się tempa pokazów razem z zadaniem. Robot, który wykonuje zadanie pięć albo dziesięć razy wolniej od człowieka, pozostaje trudny do wdrożenia w prawdziwych procesach - przekonuje firma. To zmiana akcentu: z pytania, czy robot potrafi wykonać zadanie, na pytanie, czy zrobi to w czasie cyklu, jakiego potrzebuje magazyn albo fabryka.

Te komercyjne deklaracje zostaną sprawdzone niezależnymi pomiarami. Fig Inc. opublikowała 30 września ocenę w pięciu domenach, między innymi Bench2Drive, VLABench, IndEgo i Assembly101, i opisała wyniki jako postrzępione: w każdej badanej parze modeli słabszy model rozwiązał zadania, których nie rozwiązał lepszy. Najlepszy model zmieniał się w zależności od strony i od etykiet trudności samego testu, a aktualizacja modelu mogła niemal nie zmienić średniej, choć wiele pojedynczych zadań przechodziło na drugą stronę. Fig udostępniła wyniki na poziomie zadań pod nazwą RIDGE.

Ma to znaczenie dla każdego, kto kupuje robota na podstawie liczby z testu. Zdaniem autorów średnia z nagłówka ukrywa, jak bardzo wyniki różnią się między zadaniami, a kategoria zadań, na której model pracuje, wpływa na niezawodność mniej więcej tak samo jak wybór modelu. W fabryce liczy się ta awaria, która zdarzy się na twojej linii, a nie ta uśredniona.

Startupy sprzedają warstwę, nie ciało

Destro wyszło z ukrycia 30 września z rundą zalążkową wartą 8 000 000 dolarów i nietypową propozycją: to nie jest firma robotyczna. TechCrunch podał, że startup zbudował warstwę AI, która kieruje także ludźmi, i prowadzi pilotaż w obiekcie Yusen Logistics w Pacific Northwest. Trzy wozy do przewożenia koszy zbudowała Miva Robotics, a steruje nimi system Vision firmy Destro oparty na otwartych modelach widzenie-język-działanie. Richard Brunelle, dyrektor ds. automatyzacji w amerykańskiej grupie logistycznej Yusen, powiedział TechCrunchowi, że poprosił Destro o dostosowanie narzędzia do kompletacji i pakowania do przeładunku krzyżowego, w którym towary trafiają z jednej ciężarówki do mieszanych ładunków dla innych.

"Wiele firm robotycznych zaczynało od inżynierów robotyki, którzy pytali, jakie fajne rzeczy mogę zrobić?" - powiedział TechCrunchowi założyciel Destro Manthan Pawar. "Jednym z najważniejszych powodów, dla których wygrywamy z firmami robotycznymi, jest to, że nie jesteśmy firmą robotyczną".

Inbolt, paryska firma robotyki przemysłowej założona w 2019 roku, pozyskała 30 września 11 000 000 euro na ekspansję zagraniczną i wejście do centrów danych oraz produkcji elektroniki - podał Tech.eu. Rundę poprowadził Shift4Good z Bridges Climate Transition Partners i dotychczasowymi inwestorami BNP Paribas Développement i Ora Global, co daje łącznie 30 000 000 euro finansowania. Inbolt łączy widzenie 3D z niezależną od sprzętu warstwą oprogramowania AI, która koryguje pętle sterowania robotem w czasie rzeczywistym. Firma twierdzi, że jej system działa na ponad 200 robotach w ponad 100 fabrykach na trzech kontynentach, a wśród klientów ma Boscha, Beko, Flexa, Forda, Stellantis i Toyotę.

Obie firmy sprzedają tę samą myśl: sprzęt staje się towarem, a trudne jest to, żeby zainstalowana baza radziła sobie ze zmiennością, źle dopasowanymi częściami i zużyciem narzędzi bez zatrzymywania linii.

Baza przemysłowa nadal jest stawką

Najwyraźniejszy kontrapunkt dla humanoidalnej gorączki tkwi w starszej bazie instalacyjnej. Linton Crystal Technologies pozwała Zhejiang Jingsheng w Sądzie Okręgowym Stanów Zjednoczonych dla Wschodniego Dystryktu Teksasu, Wydział Marshall, 22 września, powołując się na dwa patenty obejmujące system podnoszenia i obracania zarodka dla ciągarek kryształów Czochralskiego - podał Electrek. Jingsheng, notowana w Shenzhen i wyceniana na około 53 000 000 000 juanów, poinformowała inwestorów o pozwie 24 września. Firma twierdzi, że jej produkty wykorzystują "rozwiązania techniczne całkowicie odmienne" od opatentowanych, że nie doręczono jej formalnie pozwu i że nie spodziewa się istotnych skutków. Linton domaga się odszkodowania, potrójnego odszkodowania za umyślne naruszenie i stałego zakazu.

Sprawa dotyczy planowanej fabryki solarnej Tesli w Teksasie, bo ciągarki to pierwszy krok w produkcji waferów. Chińska prasa branżowa podała, że Jingsheng zdobyła w tym roku zamówienie Tesli na ciągarki kryształów o wartości około 3 000 000 000 juanów (około 420 000 000 dolarów) i przedstawiła harmonogram: przetarg Tesli zamknięto w lutym, umowy podpisano w marcu, wysyłki ruszyły w kwietniu, a pełna dostawa była planowana na trzeci kwartał. Ani Tesla, ani Jingsheng nie potwierdziły zamówienia, a Tesla nie jest stroną pozwu. Electrek zauważył też, że przychody Jingsheng spadły w pierwszej połowie 2026 roku o około 40% rok do roku, a Dalian Linton odnotowała w tym samym okresie niewielką stratę, gdy chiński zalew produkcji solarnej zdusił zamówienia na sprzęt.

Innego rodzaju kontrolę rzeczywistości przeprowadziła KIDZ AI, notowana na Nasdaq spółka warta około 2 400 000 dolarów, która 30 września ogłosiła, że wysłała Tesli zapytanie ofertowe na 500 Robotaxi. Electrek podał, że firma, wcześniej internetowa szkoła programowania Classover Holdings, oświadczyła, że zapytanie nie jest wiążącym zamówieniem, a plan jest na wstępnym etapie. Jej wyniki za drugi kwartał 2026 roku pokazały przychody z usług niższe o 34% rok do roku, na poziomie 480 000 dolarów, i 2 500 000 dolarów straty kwartalnej. Kurs akcji wzrósł o około 10% w handlu przedsesyjnym i spadł o około 6% po otwarciu, a przez ostatni rok spadł o około 99,97%.

W tej samej porcji informacji z 30 września firma Arrowfly, właściciel The Robot Report, uruchomiła AI for Engineers, platformę z redakcją newsową, doroczną konferencją zaplanowaną na 20-22 września 2027 roku w Henderson w Nevadzie, własnymi badaniami i radą doradczą. Jest skierowana do inżynierów, którzy stosują AI w projektowaniu produktów, produkcji, robotyce, technice medycznej i energetyce, a jej przekaz dotyczy przejścia od eksperymentów do powtarzalnych zastosowań, nie konkretnego robota. Rongzhong Li, który od kampanii Nybble w 2018 roku dostarczył ponad 30 000 robotów czworonożnych, napisał na Hacksterze, że najlepiej sprzedającymi się produktami robotyki w ostatnich latach były filmy, a każde wcielenie w końcu znajduje drogę najbliższą temu, co robi najlepiej. Fabrykę humanoidów oceni się tak samo.