Gdy na bieżni stołecznego National Speed Skating Oval chiński robot Tiangong Ultra przeciął linię mety biegu na 100 metrów z czasem 9,39 sekundy, na trybunach rozległ się ogłuszający aplauz. Maszyna stworzona przez Beijing Humanoid Robot Innovation Center pobiła legendarny rekord świata Usaina Bolta (9,58 s). Chwilę później konstrukcja z impetem wbiła się w gruby, piankowy materac asekuracyjny, a jej rywal, robot Lightning, po przebiegnięciu dystansu w 9,47 sekundy runął bezwładnie na tartan i musiał opuścić arenę na noszach.
Kilka hal dalej, z dala od błysku fleszy kamer państwowej telewizji CCTV, rozgrywała się zupełnie inna konkurencja. Przed mechanicznym ramieniem umieszczono zwykły, czarny kabel ze złączem USB. Zadanie: rozpoznać orientację wtyczki, dopasować kąt natarcia z mikrometryczną precyzją, wyczuć opór gniazda i wpiąć przewód bez wyłamania styków. Dla ludzkiego nastolatka to czynność podprogowa, wykonywana po ciemku. Dla wielomilionowych cudów inżynierii — bariera niemal nie do pokonania.
Druga edycja World Humanoid Robot Games stała się globalnym zwierciadłem, w którym przegląda się współczesna robotyka: pełna spektakularnych demonstracji siły i dynamiki, lecz wciąż uwięziona w fundamentalnych ograniczeniach fizycznej sztucznej inteligencji (Embodied AI).
Iluzja rekordu Usaina Bolta
Wydarzenie w Pekinie zgromadziło ponad 2000 robotów z 666 zespołów. Organizatorzy i partnerzy technologiczni, tacy jak Huawei, podkreślali, że ponad 40% z 51 zaplanowanych konkurencji wymagało pełnej autonomii maszyn. Jednak w kuluarach inżynierowie i analitycy tonowali nastroje. Jak można wyczytać w relacji agencji Reuters przygotowaną przez korespondenta naocznie śledzącego zawody, spektakl sportowy maskuje zasadniczą różnicę między wąską optymalizacją mechaniczną a rzeczywistą inteligencją ogólną.
Widać to wyraźnie w zestawieniu dwóch skrajnych warunków pracy maszyn, czyli środowisko zamknięte vs. środowisko otwarte. To pierwsze to np. bieżnia lub gładki tor. Jak wiemy (lub przynajmniej pamiętamy z zajęć wychowania fizycznego), charakteryzuje się ów teren przewidywalnym tarciem. Wymaga akceptacji krótkotrwałego, szczytowego poboru mocy zakończonego kontrolowanym zderzeniem z materacem asekuracyjnym (tego na szczęście na zajęciach z WFu już nie było). To drugie środowisko oznacza zazwyczaj fabrykę, dom bądź biuro. Wymaga adaptacji do zmiennego oświetlenia, operowania na nieuporządkowanych obiektach, zachowania bezwzględnego bezpieczeństwa ludzi oraz nieprzerwanej, wielogodzinnej pracy.
Sprint na 100 metrów w wykonaniu maszyny jest triumfem zaawansowanych siłowników bezszczotkowych, przekładni planetarnych i algorytmów sterowania predykcyjnego (MPC). To jednak problem czysto mechaniczny: optymalizacja transferu energii w ściśle zdefiniowanej przestrzeni. Gdy tylko tor się kończy, pojawia się problem: brak zdolności do bezpiecznego wytracenia pędu bez zniszczenia własnej konstrukcji.
Paradoks Moraveca wciąż niepokonany
To, co obserwujemy na arenach robotycznych, to podręcznikowa manifestacja paradoksu Moraveca — sformułowanej jeszcze w latach 80. XX wieku tezy, że to, co dla ludzi trudne (jak gra w szachy czy obliczenia), jest dla maszyn proste, a to, co dla człowieka ewolucyjnie trywialne (percepcja, zręczność manualna, adaptacja do nierówności), stanowi dla AI największe wyzwanie.
Spójrzmy więc, jakie działania, ruchy, aktywności stanowią największe wyzwanie dla robotów.
- Brak haptyki i zamkniętej pętli sprzężenia zwrotnego (force control): włożenie wtyczki do gniazdka czy podniesienie miękkiego kartonu wymaga ciągłego, mikrosekundowego pomiaru siły nacisku. Współczesne sensory dotykowe w dłoniach robotów są wciąż zbyt wolne, podatne na uszkodzenia mechaniczne i kosztowne w masowej integracji.
- Kruchość generalizacji (tzw. Out-of-Distribution failure): nawet twórcy czołowych chińskich konstrukcji przyznają to wprost. W wywiadzie cytowanym przez dziennik China Daily założyciel Unitree Robotics, Wang Xingxing, ostrzegał, że sektor czeka długa droga do momentu przełomowego na miarę ChatGPT. – Najbardziej krytycznym wąskim gardłem są ograniczone zdolności generalizacji. Roboty osiągają niemal 100% skuteczności w środowiskach wstępnie wytrenowanych, ale ich wydajność gwałtownie spada przy najmniejszej zmianie warunków zewnętrznych — wskazywał Wang w rozmowie z dziennikarzem.
- Problem korygowania błędów w czasie rzeczywistym: Yu Chao, dyrektor generalny Lumos Robotics, zwracał uwagę w komentarzu dla Taipei Times, że prawdziwym testem użyteczności nie jest bieg, lecz reakcja na mikro-niedoskonałości świata fizycznego: przewód ułożony pod złym kątem, przesunięta paczka czy omsknięcie stopy. Jeśli robot nie potrafi autonomicznie rozpoznać pomyłki i ponowić próby, w warunkach produkcyjnych jest bezużyteczny.
- Przegrzanie termiczne i bateria na kwadrans: za kulisami zawodów (bo w żadnej relacji na YouTube czy innych platformach społecznościowych tego nie znajdziecie) widać było inżynierów uwijających się z dmuchawami chłodzącymi i zapasowymi pakietami ogniw litowo-jonowych. Spektakularne zrywy dynamiczne obnażają kolejny krytyczny problem: efektywność energetyczną.
Rozdźwięk między demonstracjami sportowymi a realnymi potrzebami przemysłu ukazuje zestawienie kluczowych parametrów technicznych:
- czas pracy na baterii: podczas gdy konstrukcje w Pekinie wytrzymywały zaledwie 15–30 minut intensywnego wysiłku, sektor produkcyjny wymaga nieprzerwanej pracy przez pełną, 6–8-godzinną zmianę;
- zarządzanie termiczne: po serii dynamicznych zrywów maszyny były narażone na przegrzanie i zjawisko throttlingu, podczas gdy środowisko fabryczne wymaga cichej, pasywnej pracy w szerokim spektrum temperatur (od 5 do 40°C);
- zdolność zatrzymania i bezpieczeństwo: spektakularne zderzenia z przeszkodami lub upadki na mecie stoją w sprzeczności z surowymi normami przemysłowymi (takimi jak SIL 3 czy ISO 13849), które obligują maszynę do natychmiastowego, bezpiecznego zatrzymania w razie anomalii;
- niezawodność (MTBF): średni czas bezawaryjnej pracy wynosił na zawodach zaledwie od kilku do kilkunastu godzin, podczas gdy opłacalność wdrożenia przemysłowego zaczyna się powyżej 10 000 godzin ciągłego działania bez interwencji serwisu.
Inwestorzy z sektora robotyki, tacy jak cytowany w relacjach Xu Qiaosheng, przyznają, że obciążenia termiczne i drenaż ogniw podczas złożonych operacji dynamicznych to obecnie główny hamulec wdrożeń na liniach montażowych przemysłu automotive czy w centrach logistycznych.
Teatr technologiczny a wyceny giełdowe
Na koniec, nie sposób pominąć geopolitycznego i finansowego tła igrzysk w Pekinie. Władze ChRL oficjalnie wpisały roboty humanoidalne na listę strategicznych gałęzi przemysłu wschodzącego. Spektakularne demonstracje mają bezpośrednie przełożenie na kapitał — debiut giełdowy Unitree w Szanghaju wywindował wycenę spółki do pułapu blisko 50 miliardów dolarów.
Jednak zachodni analitycy i inżynierowie przestrzegają przed myleniem demonstracji scenicznych z gotowością technologiczną (TRL – Technology Readiness Level). Podobnie jak w przypadku autonomicznych samochodów w latach 2016–2018, sektor wszedł w fazę „ostatniej mili” — rozwiązanie pierwszych 90% problemu (utrzymanie równowagi, chód, bieg) zajęło dekadę, ale pozostałe 10% (niezawodność, odporność na błędy, manipulacja precyzyjna) może pochłonąć kolejne kilkanaście lat.
Zwycięstwo na bieżni? Jasne, ale trzeba jeszcze zdać egzamin w fabryce
World Humanoid Robot Games dowodzą niewątpliwego kunsztu w dziedzinie mechatroniki, dynamiki płynów w siłownikach elektrohydraulicznych i szybkości przetwarzania modeli sterowania w czasie rzeczywistym. Dopóki jednak humanoidalna dłoń nie będzie w stanie ze stuprocentową powtarzalnością podnieść elastycznego przewodu ze stołu, zidentyfikować jego ułożenia i gładko wpiąć go w port serwera — bez asysty człowieka i bez ryzyka zwarcia — roboty humanoidalne pozostaną najdroższymi na świecie lekkoatletami, którym wciąż daleko do miana rzetelnych pracowników.
