Trek
Početna
Rubrike
Nalog
Trek
podrska@gosimple.space © 2026 Trek · gosimple.agency
23 novih danas Dešavanja Igre
Trek

Zašto su roboti i dalje nesavršeni i šta to znači za budućnost industrije

Iako se u javnosti često stvara slika o neizbežnoj dominaciji mašina, realnost na terenu pokazuje da su roboti još daleko od autonomnog obavljanja svakodnevnih zadataka. Analiza stanja u sektoru robotike otkriva složenu zavisnost od kineskog hardvera, izazove u prikupljanju podataka i tektonske prom

Kratak odgovor

Roboti se suočavaju sa tehnološkim ograničenjima i zavisnošću od kineskog lanca snabdevanja, dok razvoj velikih jezičkih modela preti da učini dosadašnje specijalizovane pristupe u robotici zastarelim.

Bela robotska ruka sa kamerom na vrhu stoji na sajmu dok u pozadini prolaze ljudi

Iluzija brzog napretka u robotici

Javnost često percipira robotiku kroz prizmu naučne fantastike, očekujući da će mašine uskoro preuzeti sve ljudske poslove. Međutim, stručnjaci okupljeni na konferencijama poput CoRL-a (Conference on Robot Learning) imaju znatno trezveniji pogled na situaciju. Iako su zabeleženi materijalni pomaci u performansama hardvera i reinforcement learning algoritmima, jaz između laboratorijskih uslova i realnog sveta ostaje ogroman.

Koncept generalizovane robotike, odnosno mašina koje mogu samostalno obavljati različite zadatke bez eksplicitnog programiranja za svaki od njih, i dalje je dalek cilj. Čak i kada bi se rešio problem 'mozga' robota, to bi predstavljalo tek petinu puta ka postizanju stvarnog uticaja na svakodnevni život. Trenutna tehnologija je i dalje previše kruta i nesigurna za rad u nepredvidivim okruženjima poput prosečnog domaćinstva.

Ovaj raskorak između očekivanja i stvarnosti stvara atmosferu neizvesnosti među inženjerima. Dok se benchmark rezultati poboljšavaju, praktična primenljivost ostaje ograničena na visoko kontrolisane uslove. Činjenica da su roboti i dalje nespretni u jednostavnim zadacima poput slaganja veša ilustruje koliko je teško replicirati ljudsku motoriku i prostornu inteligenciju.

Kineska dominacija u lancu snabdevanja

Kada se poseti izložbeni prostor na vodećim svetskim konferencijama robotike, postaje jasno da je industrija duboko oslonjena na kinesku proizvodnju. Kompanije poput Unitree-a ili AgiBot-a dominiraju tržištem hardvera, nudeći rešenja koja su cenovno i tehnološki teško dostižna za zapadne konkurente. Čak i kada se proizvod sklapa u Sjedinjenim Američkim Državama, ključne komponente gotovo uvek potiču iz Kine.

Ova zavisnost nije samo stvar cene, već i ekosistema koji je stvoren kroz godine iteracija i proizvodnih ciklusa. Motori i retki zemni magneti, koji su srce svakog robotskog zgloba, predstavljaju stratešku tačku nestabilnosti za zapadne startape. Iako postoji želja za diverzifikacijom, nedostatak kapaciteta van Kine znači da je svaki pokušaj izgradnje nezavisnog lanca snabdevanja izuzetno skup i spor proces.

Regulatorne mere, poput onih koje sprovodi američka Federalna komisija za komunikacije (FCC), pokušavaju da ograniče uvoz određenih robotskih platformi, ali to samo privremeno usporava tokove. Kineski proizvođači su se prilagodili agresivnim izvozom i fokusom na tržišta koja nisu obuhvaćena restrikcijama. Za startape koji pokušavaju da izgrade hardver, zaobilaženje kineskih dobavljača trenutno deluje kao gotovo nemoguća misija.

Tržište podataka kao nova naftna groznica

Kako bi roboti naučili da manipulišu objektima, potrebne su ogromne količine podataka iz realnog sveta. Kompanije poput Maniformer-a razvile su modele gde angažuju ljude da obavljaju kućne poslove koristeći specijalne senzorske rukavice, prikupljajući tako podatke o pokretima. Ovaj proces je postao svojevrsna gig-ekonomija, gde se radnici plaćaju po satu upotrebljivih podataka.

Međutim, kvalitet podataka je ključni problem. Veliki deo prikupljenog materijala biva odbačen zbog loše tehnike izvođenja zadataka ili prebrzog rada. Iako američke firme često proizvode kvalitetnije podatke, visoka cena takvog rada tera mnoge startape da se okrenu jeftinijim kineskim izvorima. Ovo stvara paradoksalnu situaciju u kojoj se tehnološki napredak oslanja na masovni manuelni rad.

Neki preduzetnici veruju da će simulacije i fizikalno modelovanje uskoro učiniti ovakvo prikupljanje podataka nepotrebnim. Ako se simulacije dovoljno usavrše, roboti će moći da uče u virtuelnom prostoru, eliminišući potrebu za skupim i sporim prikupljanjem podataka iz stvarnih domova. Do tada, trka za što većim bazama podataka ostaje jedan od najvažnijih frontova u razvoju robotike.

Uticaj velikih jezičkih modela na robotiku

Pojava modela poput Anthropic-ovog Fable 5.2 ili OpenAI-jevog Astra sistema uzdrmala je temelje tradicionalne robotike. Do sada su inženjeri razvijali specijalizovane modele za kontrolu zglobova i hvataljki, ali se ispostavilo da generalni modeli, koji su prvobitno dizajnirani za tekst i slike, mogu efikasnije upravljati robotima kroz kod i logičko zaključivanje.

Ovaj preokret sugeriše da je strategija fokusiranja na specijalizovane VLA (vision-language-action) modele možda bila pogrešna. Velike laboratorije sada pokazuju da njihovi modeli mogu uspešno upravljati robotima čak i u zadacima za koje nisu bili eksplicitno trenirani. To izaziva strah među istraživačima da će njihova dosadašnja specijalizacija postati irelevantna pred naletom opšte veštačke inteligencije.

Iako ovi modeli često rade sporije od onih optimizovanih za konkretne hardverske zadatke, njihova sposobnost generalizacije je neuporedivo veća. Budućnost verovatno leži u hibridnim sistemima, gde će veliki modeli služiti kao 'mozak' koji izdaje komande, dok će specijalizovani slojevi obezbeđivati brzu izvršnu kontrolu nad hardverom.

Svet kao model za učenje

Pored direktnog upravljanja akcijama, istraživači sve više pažnje posvećuju takozvanim 'modelima sveta' (world models). Cilj ovih sistema je da robot razume fiziku okruženja, odnosno da predvidi šta će se desiti ako pomeri neki predmet. Razumevanje uzročno-posledičnih veza, poput toga da će se šolja razbiti ako padne, ključno je za autonomiju u nepredvidivim prostorima.

Projekti kao što je Atlas, koji je razvio startup World Labs, pokazuju neverovatne sposobnosti generisanja video zapisa i simulacija na osnovu minimalnog broja fotografija. Ovakvi alati omogućavaju robotima da uče u raznovrsnim simuliranim okruženjima, smanjujući zavisnost od prikupljanja podataka u stvarnom svetu. Ovo je strateški važno jer omogućava brže skaliranje učenja bez rizika po fizičku opremu.

Skeptici ipak upozoravaju da će velike laboratorije, sa svojim ogromnim resursima, uskoro preuzeti i ovu oblast. Prodaja startapa poput World Labs-a ukazuje na to da su osnivači svesni da je teško takmičiti se sa gigantima koji imaju neograničen pristup računarskoj snazi i podacima. Ipak, koncept modelovanja sveta ostaje najperspektivniji put ka istinski inteligentnim robotima.

Zaključak: Put ka praktičnoj primeni

Robotika se nalazi na prekretnici gde se susreću tradicionalni inženjerski pristupi i nova paradigma veštačke inteligencije. Iako su roboti danas još uvek daleko od onoga što obećavaju marketinške kampanje, temelji za promenu su postavljeni. Uspeh će zavisiti od sposobnosti industrije da integriše napredne modele sa pouzdanim i pristupačnim hardverom.

Za kompanije i investitore, ključna pouka je da se ne treba oslanjati isključivo na jedan tehnološki pravac. Dok se hardverski lanci snabdevanja moraju stabilizovati, softverski razvoj se kreće ka generalizaciji kroz velike modele. Oni koji uspeju da premoste jaz između brzine AI modela i preciznosti fizičkog izvršenja, definisaće narednu deceniju u ovoj industriji.

Krajnji korisnik, koji želi da mu robot sklopi veš, moraće da sačeka još neko vreme. Trenutni fokus nije na masovnoj potrošnji, već na rešavanju fundamentalnih problema percepcije i akcije. Kada se ti problemi reše, prelazak iz laboratorije u domove biće brz i transformativan proces.

Izvor: ChinaTalk · Fotografija: Freepik (ilustracija)

Imaš pitanje za autora?

Pošalji ga direktno autoru (Trek). Odgovor stiže na tvoj imejl.

76 pregleda
Trek
Autor

Trek

0 pratilaca

Trek je poslovna platforma za čitaoce i autore: startapi, firme, inovacije, ekonomija, marketing, propisi i karijera. Pod ovim potpisom izlaze tekstovi redakcije, vodiči i analize koje ne potpisuje jedno ime.

Pitanja i odgovori

Zašto roboti još uvek ne mogu samostalno da obavljaju svakodnevne zadatke?

Trenutna tehnologija je previše kruta i nesigurna za rad u nepredvidivim okruženjima kao što je prosečno domaćinstvo.

Šta predstavlja najveći izazov za postizanje generalizovane robotike?

Najveći izazov je jaz između laboratorijskih uslova i realnog sveta, kao i teškoća u repliciranju ljudske motorike i prostorne inteligencije.

Da li su roboti blizu autonomnog obavljanja zadataka bez programiranja?

Koncept generalizovane robotike i mašina koje samostalno obavljaju različite zadatke bez eksplicitnog programiranja i dalje je dalek cilj.

Izvori

  1. ChinaTalk
Prijavi ovaj tekst redakciji
Prijave pregleda redakcija. Zloupotreba obrasca vodi u blokadu.

Komentari (0)

Budi prvi koji komentariše ovaj članak.

Ostavi komentar

Imaš nalog? Prijavi se ili nastavi preko Google-a, ili komentariši kao gost:

Stigao si do kraja ovog lanca čitanja.

Otkrij još tekstova