RoboHorizon Robot Magazine - AI you can touch

Nowa AI od Ant Group tworzy światy 3D z wideo w czasie rzeczywistym

Robot King — Sun, 19 Apr 2026 00:00:00 +0000

Jeśli myśleliście, że aparat w waszym telefonie nadaje się tylko do uwieczniania rozmazanych wspomnień z koncertów, naukowcy właśnie wyprowadzili was z błędu, zamieniając go w pełnoprawny skaner 3D działający w czasie rzeczywistym. Robbyant, oddział Ant Group specjalizujący się w embodied AI (sztucznej inteligencji osadzonej fizycznie), właśnie udostępnił w formule open-source LingBot-Map. To nowy model bazowy 3D, który potrafi zrekonstruować szczegółowe środowiska o dużej skali na podstawie pojedynczego strumienia wideo. Co w tym najlepszego? Robi to z prędkością 20 klatek na sekundę, sprawiając, że tradycyjne metody fotogrametrii wyglądają przy nim, jakby brodziły w gęstej melasie.

„Sekretnym składnikiem” projektu jest nowatorska architektura nazwana Geometric Context Transformer (GCT). I nie jest to po prostu kolejny transformer „doklejony” na siłę do problemu wizji komputerowej. GCT zaprojektowano specjalnie po to, by uderzyć w piętę achillesową monokularnych (korzystających z jednej kamery) systemów SLAM: dryf. System sprytnie zarządza informacjami geometrycznymi za pomocą trzech równoległych mechanizmów uwagi: kotwicy kontekstowej (anchor context) dla stabilnego osadzenia współrzędnych, lokalnego okna referencyjnego dla precyzyjnych detali oraz pamięci trajektorii, która koryguje błędy na długich dystansach. Dzięki temu LingBot-Map przetwarza sekwencje przekraczające 10 000 klatek z dokładnością, która według zapewnień Robbyant pozostaje „niemal niezmienna”. Projekt jest już dostępny w serwisie GitHub. Hyperlink: Robbyant/lingbot-map

Deklarowane wyniki są, mówiąc wprost, bezczelnie dobre. W wymagającym zbiorze danych Oxford Spires model LingBot-Map osiągnął błąd trajektorii (Absolute Trajectory Error) na poziomie zaledwie 6,42 metra, co stanowi niemal 2,8-krotną poprawę względem dotychczasowego lidera wśród metod streamingowych. Co więcej, model ten prześciga nawet uznane metody offline, które mają ten luksus, że mogą przetwarzać wszystkie obrazy naraz. W benchmarku ETH3D uzyskał wynik F1 na poziomie 98,98, miażdżąc zdobywcę drugiego miejsca o ponad 21 punktów procentowych. Dla tych, których interesują techniczne „bebechy” i szczegółowa metodologia, pełna publikacja jest dostępna na arXiv. Hyperlink: Przeczytaj artykuł na arXiv

Dlaczego to ma znaczenie?

LingBot-Map to milowy krok w stronę demokratyzacji inteligencji przestrzennej. Eliminując potrzebę stosowania drogich czujników LiDAR czy skomplikowanych zestawów wielu kamer, model otwiera drzwi do taniej i wydajnej percepcji 3D w robotyce, pojazdach autonomicznych i rozszerzonej rzeczywistości (AR). Nie chodzi tu tylko o generowanie ładnych chmur punktów; chodzi o wyposażenie maszyn w ciągłe, realizowane w czasie rzeczywistym zrozumienie fizycznego świata. Jako „model bazowy 3D” wpisuje się on w szerszy trend budowania AI, która nie ogranicza się do mielenia tekstu czy obrazów, ale potrafi postrzegać, nawigować i wchodzić w interakcję ze złożonym, nieustrukturyzowanym otoczeniem – co jest absolutnym fundamentem przyszłości embodied AI.

Robot bije rekord świata ludzi w półmaratonie w Pekinie

Robot King — Sun, 19 Apr 2026 00:00:00 +0000

Powiedzmy to sobie wprost: robot humanoidalny właśnie przebiegł półmaraton szybciej niż jakikolwiek człowiek w historii. Podczas Półmaratonu Robotów Humanoidalnych 2026 w Pekinie, który odbył się 19 kwietnia, maszyna o nazwie „Lightning” (Błyskawica) stworzona przez producenta smartfonów Honor, autonomicznie pokonała dystans 21,0975 km w oszałamiającym czasie 50 minut i 26 sekund. Ten wynik po prostu miażdży oficjalny rekord świata mężczyzn, który wynosi 57 minut i 20 sekund.

To nie jest zwykła ewolucja – to gigantyczny skok, który sprawia, że zeszłoroczne wyniki wyglądają jak żart. Inauguracyjny wyścig w 2025 roku był, delikatnie mówiąc, urokliwym chaosem. Jeden robot zaliczył „glebę” zaraz po strzale startowym, inny wbił się w barierki i rozpadł na kawałki, a faworyt publiczności, maluch zwany „Little Giant”, po prostu zaczął dymić. Zwycięzca tamtej komedii pomyłek, Tiangong Ultra, dotarł do mety z czasem 2 godziny, 40 minut i 42 sekundy. Wtedy był to sukces, dziś to prehistoria. W ciągu zaledwie dwunastu miesięcy przeszliśmy od slapsticku do poziomu nadludzkiego.

Rok przerażającego postępu

Co się wydarzyło przez ten rok? Nastąpiła brutalna akceleracja zarówno sprzętu, jak i ambicji, napędzana agresywną strategią przemysłową Chin. Podczas gdy „Błyskawica” od Honor zgarnęła koronę w biegu długodystansowym, cała stawka pokazała przerażający wzrost czystej prędkości. Zaledwie kilka dni przed wyścigiem firma Unitree Robotics pochwaliła się modelem H1, który na bieżni rozpędził się do 10,1 m/s – to już niemal tempo, w jakim biegał Usain Bolt w szczytowej formie. Takie tempo, oznaczające trzykrotny wzrost prędkości w dwa lata, jasno pokazuje, że ograniczenia mechaniczne odchodzą do lamusa.

Organizatorzy wyścigu w 2026 roku radykalnie zmienili zasady gry. Liczba uczestników wzrosła z około 20 do ponad 300 robotów wystawionych przez ponad 100 zespołów. Co kluczowe, postawiono na autonomię. Prawie 40% zespołów startowało w kategorii w pełni autonomicznej, gdzie robot sam decyduje o nawigacji i tempie. Aby podkreślić wagę tego rozwiązania, czasy maszyn sterowanych zdalnie mnożono przez współczynnik 1,2 – swoistą karę za „człowieka w pętli”. Fakt, że autonomiczny robot wygrał w takich warunkach, to najważniejsza wiadomość tego dnia: nie mamy już do czynienia tylko z szybszymi maszynami, ale z inteligentniejszymi systemami.

To nie tylko wyścig, to casting do fabryk

To wydarzenie to coś znacznie więcej niż sportowe widowisko; to komercyjny casting o ogromną stawkę. Główną nagrodą nie jest puchar, lecz zamówienia przemysłowe warte ponad milion juanów (ok. 550 000 PLN). Pekińskie E-Town, technologiczny hub goszczący maraton, zaprojektowało te zawody jako taśmociąg zamieniający projekty badawcze w gotowe produkty. Przy wsparciu ponad 100 firm robotycznych i rządowego funduszu o wartości 10 miliardów juanów, przekaz jest jasny: udowodnij, że twój robot radzi sobie na trasie, a dostaniesz kontrakt na wdrożenie go w fabryce.

W tym celu organizatorzy dodali w tym roku nową konkurencję: „Robot Baturu Challenge”. Dzień przed maratonem roboty musiały pokonać 17 różnych torów przeszkód symulujących akcje ratunkowe – od przedzierania się przez gruzowiska, po wchodzenie po schodach w skomplikowanym terenie. To jasny sygnał, że ostatecznym celem nie jest bieganie, ale stworzenie maszyn zdolnych do wykonywania trudnych zadań w nieprzewidywalnym, ludzkim środowisku. O tym, jak daleką drogę przeszły te konstrukcje, możecie przekonać się w tym artykule: Humanoid Robots to Run Half-Marathon in Ultimate Endurance Test .

Technologiczny przełom

Skok wydajności był możliwy dzięki ulepszeniom na każdym froncie:

Hardware: Poprawiony moment obrotowy stawów, lepsza efektywność energetyczna i zaawansowane zarządzanie ciepłem – zwycięski bot Honora podobno korzysta z potężnego układu chłodzenia cieczą – były kluczowe dla utrzymania tempa przez 21 kilometrów.
Software: Bardziej wytrzymałe algorytmy kontroli ruchu pozwoliły na zachowanie stabilności na zróżnicowanej nawierzchni, od miejskiego asfaltu po parkowe ścieżki.
Nawigacja: Każdy robot został wyposażony w moduł nawigacji satelitarnej BeiDou, zapewniający centymetrową precyzję śledzenia lokalizacji, co jest niezbędne przy pracy autonomicznej.

Strzał startowy nowej ery

Łatwo dać się ponieść emocjom związanym z samym czasem – 50 minut to wynik z innej planety. Jednak prawdziwym tematem dnia jest tempo postępu. W ciągu jednego roku czas zwycięzcy poprawił się o niemal dwie godziny. Konkurs ewoluował z ciekawostki, gdzie sukcesem było samo dotarcie do mety, w pełnoprawną rywalizację sportową, w której maszyna przeskoczyła szczytowe osiągnięcia ludzkiego organizmu.

Choć wciąż zdarzały się potknięcia – jeden robot wyłożył się na starcie, inny uderzył w barierę – ogólny poziom zaawansowania w porównaniu z rokiem 2025 to niebo a ziemia. Pytanie nie brzmi już, czy humanoidy mogą wykonywać skomplikowane zadania dynamiczne, ale jak szybko je opanują do perfekcji. Półmaraton w Pekinie 2026 nie był tylko wyścigiem; był sygnałem startowym dla ery, w której fizyczne możliwości robotów przestają być nowinką, a stają się nową, dominującą rzeczywistością. Reszta świata właśnie otrzymała bardzo wyraźne ostrzeżenie.

Gemini 1.6 od DeepMind daje robotom nową wizję rzeczywistości

Robot King — Thu, 16 Apr 2026 00:00:00 +0000

Google DeepMind właśnie wyłożyło karty na stół, prezentując Gemini Robotics-ER 1.6. To najnowsza odsłona modelu opartego na „rozumowaniu ucieleśnionym” (Embodied Reasoning), która ma wstrzyknąć robotom solidną dawkę zdrowego rozsądku w interakcji ze światem fizycznym. Nowy model to potężny skok naprzód w kwestii tego, jak maszyny widzą, rozumieją i reagują na otoczenie – zamiast bezmyślnego odtwarzania zaprogramowanych ruchów, roboty zaczynają realnie analizować sens swoich zadań.

Kluczowym elementem aktualizacji Gemini Robotics-ER 1.6 jest radykalna poprawa percepcji wizualno-przestrzennej, którą najlepiej obrazuje nowa umiejętność „wskazywania”. Poproście robota o znalezienie konkretnego narzędzia w zagraconym warsztacie, a model bezbłędnie zidentyfikuje, policzy i namierzy odpowiedni przedmiot, ignorując przy tym cały otaczający go chaos. To nie tylko kwestia „widzenia” – to fundament pod złożoną logikę przestrzenną. Dzięki niej robot potrafi wyznaczyć optymalną trajektorię chwytu czy zrozumieć polecenia relacyjne, takie jak „przełóż klucz do skrzynki narzędziowej”. Model potrafi nawet analizować ograniczenia fizyczne, samodzielnie oceniając, które przedmioty są na tyle małe, by zmieścić się w konkretnym pojemniku.

Model bierze się również za bary z odwieczną zmorą robotyki: świadomością, kiedy zadanie zostało faktycznie ukończone. Dzięki zaawansowanemu rozumowaniu wieloperspektywicznemu (multi-view reasoning), Gemini Robotics-ER 1.6 potrafi łączyć strumienie wideo z wielu kamer jednocześnie – na przykład z kamery zawieszonej pod sufitem oraz tej zamontowanej na nadgarstku robota. Pozwala to na zbudowanie pełnego obrazu sytuacji i zapobiega zapętleniu się maszyny lub porażce tylko dlatego, że jakiś obiekt został chwilowo zasłonięty w jednym z kadrów.

Dlaczego to przełom?

Ta aktualizacja to coś więcej niż tylko kosmetyczne poprawki w tabelkach z wynikami; to budowanie fundamentów pod prawdziwą autonomię. Umiejętność odczytywania analogowych wskaźników, fuzja danych z wielu kamer i rozumienie skomplikowanych zależności przestrzennych to granica oddzielająca sztywne ramię fabryczne od użytecznego robota polowego. Według oficjalnego komunikatu DeepMind, jest to ich najbezpieczniejszy model robotyczny do tej pory.

Co być może najważniejsze, Gemini Robotics-ER 1.6 wykazuje „znacząco lepszą zdolność” do przestrzegania fizycznych ograniczeń bezpieczeństwa. Maszyna rozumie instrukcje takie jak unikanie kontaktu z cieczami czy zakaz podnoszenia przedmiotów cięższych niż 20 kg. W porównaniu do bazowego modelu Gemini 3.0 Flash, nowa wersja o 10% skuteczniej rozpoznaje wideo przedstawiające ryzyko urazów u ludzi. Postawienie na bezpieczeństwo i logiczne wnioskowanie w czasie rzeczywistym to kluczowy krok w stronę robotów, które będą mogły bezpiecznie pracować w nieprzewidywalnym, ludzkim środowisku. Model jest już dostępny dla deweloperów za pośrednictwem Gemini API oraz Google AI Studio.

Scientists Use Wall Outlet Frequency to Wirelessly Flip Genes in Mice

Robot King — Thu, 16 Apr 2026 00:00:00 +0000

To brzmi jak fragment scenariusza ambitnego filmu science fiction, ale to czysta nauka. Badacze z Korei Południowej opracowali metodę bezprzewodowej aktywacji konkretnych genów u żywych myszy, wykorzystując do tego częstotliwość 60 Hz – dokładnie taką samą, jaka płynie w standardowych gniazdkach elektrycznych w wielu częściach świata. Przełomowe badanie, opublikowane na łamach prestiżowego czasopisma Cell, wprowadza bezinwazyjny „magnetyczno-genetyczny” przełącznik, który może zrewolucjonizować sposób, w jaki badamy, a w przyszłości być może i leczymy choroby.

Zespół, wywodzący się z Korea Advanced Institute of Science and Technology (KAIST), zademonstrował potęgę swojego systemu poprzez dokonanie iście zdumiewających wyczynów biologicznych. Wykorzystując pole elektromagnetyczne, naukowcy aktywowali geny odpowiedzialne za przeprogramowanie epigenetyczne u starszych myszy, co skutecznie wydłużyło ich życie i cofnęło markery starzenia w wielu tkankach. W innym eksperymencie badacze byli w stanie selektywnie włączyć zmutowane geny amyloidowe w mózgach starszych osobników. Pozwoliło to na stworzenie „czystszego” modelu do badań nad chorobą Alzheimera, wolnego od zakłóceń wynikających z naturalnych procesów starzenia. Wszystko to osiągnięto bez podawania leków czy wszczepiania implantów – wystarczyło precyzyjnie kontrolowane pole magnetyczne.

Mechanizm stojący za tym biologicznym „pilotem zdalnego sterowania” jest równie elegancki, co specyficzny. Pole elektromagnetyczne o niskiej częstotliwości jest wychwytywane przez białko o nazwie Cytochrome b5 type B (CYB5B). Ta interakcja inicjuje otwarcie kanałów wapniowych sterowanych napięciem, ale nie powoduje ona chaotycznego zalania komórki. Zamiast tego generuje rytmiczne impulsy jonów wapnia. Ta konkretna oscylacja aktywuje czynnik transkrypcyjny SP7, który następnie wiąże się z docelową sekwencją DNA i „zapala” wybrany gen. Badacze odkryli, że samo zalanie komórki wapniem przy użyciu innych metod nie przynosiło efektu; kluczem do sukcesu okazał się właśnie ten rytmiczny, uporządkowany sygnał.

Dlaczego to takie ważne?

Badania te stanowią milowy krok w dziedzinie zdalnego sterowania procesami biologicznymi. Choć techniki takie jak optogenetyka (wykorzystująca światło do kontrolowania komórek) mają ogromną moc, często wymagają inwazyjnych implantów światłowodowych, aby dostarczyć światło w głąb tkanek. Magnetogenetyka oferuje natomiast niskoczęstotliwościowe pola, które przenikają przez ciało w sposób całkowicie nieszkodliwy i bezinwazyjny. Otwiera to drzwi do terapii, które można by włączać i wyłączać w razie potrzeby za pomocą zewnętrznego urządzenia.

Potencjalne zastosowania zapierają dech w piersiach – od aktywacji procesów regeneracyjnych po precyzyjne uderzanie w komórki nowotworowe. Choć do zastosowań terapeutycznych u ludzi wciąż daleka droga, praca ta daje badaczom potężne nowe narzędzie i pozwala rzucić okiem w przyszłość, w której kontrolowanie naszej własnej biologii może być tak proste, jak naciśnięcie włącznika światła. Pełną treść publikacji można znaleźć w magazynie Cell: A wirelessly controlled magnetogenetic gene switch for non-invasive programming of longevity and disease.

Roboty humanoidalne oficjalnie pracują w fabryce elektroniki

Robot King — Wed, 15 Apr 2026 00:00:00 +0000

Długo zapowiadana i równie często wyśmiewana wizja humanoidalnych robotów odbijających kartę na fabrycznej portierni właśnie przestała być mglistą obietnicą z cyklu „już wkrótce”. Chiński startup AGIBOT oraz gigant produkcji elektroniki Longcheer Technology oficjalnie wysłali model AGIBOT G2 na prawdziwą linię produkcyjną elektroniki użytkowej. To nie jest kolejny efektowny render ani wyreżyserowane demo – to wdrożenie na pełną skalę koncepcji, którą firmy promują jako „Physical AI”.

Kołowe humanoidy G2 uwijają się obecnie przy produkcji tabletów Longcheer, odpowiadając za precyzyjny załadunek i rozładunek urządzeń na stacjach testowych. Według raportów, proces integracji maszyn z linią zajął zaledwie cztery miesiące, a roboty już teraz pracują w trybie ciągłym, dowożąc wszystkie założone cele wydajnościowe. Aby uciąć wszelkie spekulacje, zorganizowano transmisję na żywo, podczas której G2 przetrwał pełną, 8-godzinną zmianę, procesując 310 jednostek na godzinę przy skuteczności operacyjnej na poziomie 99,5%.

Dla tych, którzy nie śledzą azjatyckiego rynku: Longcheer Technology to potężny, choć działający nieco w cieniu gracz typu ODM (Original Design Manufacturer). To oni projektują i budują sprzęt dla globalnych marek, takich jak Samsung, Xiaomi czy Lenovo. Partnerstwo z firmą tej skali daje AGIBOT-owi to, o czym większość robotycznych startupów może tylko marzyć: natychmiastową walidację technologii w ekstremalnie wymagającym środowisku. Plan rozwoju jest ambitny – do trzeciego kwartału 2026 roku na halach ma pracować już setka takich maszyn.

AGIBOT G2 to humanoid klasy przemysłowej, wyposażony w dwa ramiona o 7 stopniach swobody (DoF) z zaawansowaną kontrolą siły nacisku, co pozwala mu na operowanie delikatnymi komponentami. Łącznie maszyna posiada 26 stopni swobody i kołową podstawę, która idealnie sprawdza się w nawigowaniu po gładkich posadzkach fabryk. Robot został zaprojektowany do pracy 24/7 dzięki systemowi wymiany akumulatorów „na gorąco” (hot-swappable) – to funkcja absolutnie kluczowa dla minimalizacji przestojów w masowej produkcji.

Dlaczego to przełom?

To wdrożenie stanowi krytyczny punkt zwrotny: przejście od wyreżyserowanych pokazów w sterylnych laboratoriach do „brudnej”, wysokostawkowej rzeczywistości hal produkcyjnych. Podczas gdy zachodni gracze wciąż dopieszczają prototypy, AGIBOT i Longcheer generują już twarde dane produkcyjne i – co najważniejsze – realną wartość ekonomiczną. Ten ruch nakłada ogromną presję na pozostałych zawodników w wyścigu humanoidów. To dowód na to, że technologia, przynajmniej w specyficznych zadaniach produkcyjnych, dojrzała do komercyjnego „prime time’u”. Era robotyki humanoidalnej właśnie stała się o wiele mniej teoretyczna.

Wendy Labs otwiera źródła systemu operacyjnego Physical AI OS

Robot King — Wed, 15 Apr 2026 00:00:00 +0000

Wendy Labs Inc. właśnie udostępniło w modelu open-source projekt Wendy – narzędzie wiersza poleceń (CLI) i platformę deweloperską, którą twórcy dumnie nazywają „systemem operacyjnym dla fizycznej AI”. Cel jest ambitny: okiełznanie notorycznie uciążliwego procesu tworzenia oprogramowania na urządzenia brzegowe (edge hardware), takie jak NVIDIA Jetson czy Raspberry Pi, i nadanie mu lekkości znanej z nowoczesnego cloud developmentu. Mówiąc prościej: koniec z rwaniem włosów z głowy przy konfigurowaniu toolchainów do cross-kompilacji.

Wendy oferuje ujednolicone CLI do budowania aplikacji napisanych w Swifcie, Pythonie, Ruście i TypeScriptcie, automatycznie zamyka je w kontenerach Docker i wysyła na urządzenia oparte na architekturze ARM. Głównym atutem narzędzia jest całkowita abstrakcja różnic architektonicznych – programista pisze kod na swoim natywnym systemie macOS lub Linux, a na docelowy sprzęt wypycha go jedną prostą komendą. Platforma chwali się też pełnym wsparciem dla zdalnego debugowania przez LLDB, co w świecie systemów wbudowanych (embedded) jest luksusem, na który dotąd mało kto mógł sobie pozwolić. Kod źródłowy projektu jest już dostępny w serwisie GitHub.

Dlaczego to ma znaczenie?

Dla inżynierów budujących nową generację robotów i inteligentnych urządzeń, „zysk” z przejścia na Wendy to przede wszystkim drastyczne obniżenie progu wejścia i znacznie płynniejszy cykl deweloperski. Zamiast spędzać długie dni na walce z kapryśnym środowiskiem budowania, można – przynajmniej w teorii – uruchomić złożoną, wielojęzyczną aplikację AI na docelowym sprzęcie w zaledwie kilka minut. „Koszt” jest jednak taki, że decydujemy się na nową, wciąż niezweryfikowaną w boju warstwę abstrakcji od raczkującej firmy. Choć projekt jest open-source, jego ekosystem przypomina na razie wyludnione miasteczko w porównaniu do ugruntowanych rozwiązań rynkowych. Mimo to, w fazie szybkiego prototypowania, Wendy składa kuszącą obietnicę: mniej użerania się z narzędziami, a więcej faktycznego tworzenia.

Robotyczne mięśnie z MIT podnoszą 250-krotność swojej wagi

Robot King — Mon, 13 Apr 2026 00:00:00 +0000

Naukowcy z MIT Media Lab opracowali nową klasę sztucznych włókien mięśniowych, przy których tradycyjne silniki wyglądają jak toporne, prehistoryczne relikty. W niedawnym wywiadzie Ozgun Kilic Afsar, kierująca badaniami, szczegółowo opisała działanie tych “elektrofluidalnych włókien mięśniowych”. Zaprezentowano m.in. wiązkę o wadze zaledwie 16 gramów, która bez trudu unosi 4-kilogramowy ciężar – to ponad 250 razy więcej niż jej masa własna. Przełom opisany na łamach Science Robotics pozwala całkowicie zrezygnować z ciężkich napędów, hałaśliwych kompresorów i zewnętrznych pomp. Cały system mieści się w cichym, autonomicznym pasmie, które grubością przypomina wykałaczkę.

Przez dziesięciolecia robotyka była uwiązana do “tytanów” napędu: silników elektromagnetycznych. Choć dysponują one dużą mocą, stanowią jednocześnie krytyczny, pojedynczy punkt awarii. Jak wyjaśnia Afsar, jeśli silnik lub przekładnia zawiedzie, cały staw robota zostaje sparaliżowany. Nowe włókna działają inaczej – naśladują hierarchiczną i rozproszoną naturę biologicznych mięśni. Zupełnie jak w ludzkim bicepsie: jeśli kilka włókien ulegnie uszkodzeniu, system traci nieco na sprawności, ale nie przestaje działać całkowicie. “Sekretnym składnikiem” są zminiaturyzowane pompy elektrohydrodynamiczne (EHD) zintegrowane bezpośrednio we włóknie. Wykorzystują one pole elektryczne do przemieszczania płynu i generowania ciśnienia bez użycia jakichkolwiek ruchomych części.

Pisaliśmy już wcześniej o pierwszych zapowiedziach tej imponującej technologii, zwracając uwagę na jej potencjał w tworzeniu wytrzymałych, a nawet nadających się do prania tekstyliów robotycznych. Historię tego projektu możecie poznać tutaj: Te włókna mięśniowe dźwigają 200x więcej niż same ważą . Najnowszy wywiad z Afsar pozwala jednak znacznie głębiej wejść w mechanikę i filozofię odejścia od sztywnych konstrukcji opartych na stawach. Przeczytaj pełną publikację w Science Robotics.

Dlaczego to takie ważne?

Nie chodzi tylko o to, by roboty były silniejsze i cichsze. To fundamentalna zmiana w filozofii ich budowania. Zamiast projektować sztywny szkielet, a potem zastanawiać się, jak dokręcić do niego toporne silniki, inżynierowie mogą teraz “wplatać” moc i ruch bezpośrednio w strukturę maszyny. To otwiera drzwi do powstania prawdziwie miękkich, elastycznych robotów, które są bezpieczniejsze w bezpośrednim kontakcie z człowiekiem, a także do stworzenia nowej generacji protez i egzoszkieletów. Wyobraźcie sobie połączenie tego z innymi futurystycznymi technikami produkcji, takimi jak te rozwijane przez firmę Allonics, pozwalające na tkanie złożonych ciał robotów: Allonic: 7,2 mln $ na robotyczne ciała tkane jak mięśnie . Patrzymy w przyszłość, w której ciało robota i jego mięśnie stanowią jedność – odporną, cichą i niepokojąco wręcz naturalną architekturę.

ToddlerBot: Humanoid open-source za 6000 USD demokratyzuje AI

Robot King — Sun, 12 Apr 2026 00:00:00 +0000

W świecie, w którym roboty humanoidalne kosztują zazwyczaj więcej niż luksusowa limuzyna prosto z salonu, pojawia się projekt, który idzie pod prąd – i robi to w brawurowym, a przy tym zaskakująco tanim stylu. Poznajcie ToddlerBota: niskobudżetową, otwartoźródłową platformę humanoidalną, która ma wprowadzić zaawansowane badania nad AI i robotyką pod strzechy. Całkowity koszt części? Zamknie się w kwocie poniżej 6000 dolarów.

Projekt, któremu przewodzi Haochen Shi, doktorant z Uniwersytetu Stanforda, stawia sobie za cel demokratyzację dziedziny zdominowanej dotąd przez potężnie dofinansowane korporacje i elitarne laboratoria akademickie.

Sercem ToddlerBota jest idea stworzenia skalowalnej i łatwej do odtworzenia platformy do badań opartych na danych, ze szczególnym uwzględnieniem tzw. „loco-manipulation” – czyli niełatwej sztuki jednoczesnego poruszania się i operowania przedmiotami. Robot jest kompaktowy: mierzy 56 cm i waży zaledwie 3,4 kg, co czyni go bezpiecznym partnerem do testów w rzeczywistych warunkach. Konstrukcja oferuje 30 stopni swobody (DoF), a jego korpus można w całości wydrukować na drukarce 3D. Dzięki wykorzystaniu powszechnie dostępnych komponentów, ToddlerBot jest w zasięgu ręki każdego laboratorium czy pasjonata z podstawowym zacięciem technicznym. Pełna dokumentacja open-source – od modeli 3D na platformie MakerWorld po kod sterujący w Pythonie – jest dostępna w serwisie GitHub. Link: ToddlerBot na GitHubie

Najnowsza wersja V2.0, którą można znaleźć na MakerWorld, znacząco rozszerza możliwości robota – maszyna już teraz potrafi chodzić, raczkować, a nawet robić pompki. Platforma od podstaw powstawała z myślą o uczeniu maszynowym. Wyposażono ją w wysokiej klasy „cyfrowego bliźniaka” (digital twin), co pozwala na bezproblemowy transfer wypracowanych strategii z symulacji do rzeczywistości (tzw. sim-to-real). Dzięki temu badacze mogą trenować modele AI w wirtualnym środowisku, a następnie wdrażać je na fizycznym robocie niemal bez żadnych zgrzytów.

Dlaczego to przełom?

Sześciocyfrowe kwoty, jakie trzeba zapłacić za większość badawczych humanoidów, stanowią barierę nie do przebicia, która skutecznie dusi innowacyjność. Obcinając koszty do poziomu około 6000 dolarów – z czego 90% to wydatki na silniki i jednostki obliczeniowe – ToddlerBot otwiera drzwi dla mniejszych uczelni, startupów, a nawet ambitnych hobbystów. Nie chodzi tu tylko o zbudowanie tańszej maszyny; chodzi o stworzenie większej i bardziej zróżnicowanej społeczności badaczy. Tak przystępna platforma może drastycznie przyspieszyć postępy w dziedzinie ucieleśnionej sztucznej inteligencji (embodied AI), uczenia przez wzmacnianie (reinforcement learning) oraz fizycznej interakcji człowiek-robot. ToddlerBot udowadnia, że przyszłość robotyki wcale nie musi mieć metki z ceną, która zwala z nóg.

Humanoid Unitree R1 na AliExpress w szokującej cenie 4900 USD

Robot King — Sat, 11 Apr 2026 00:00:00 +0000

Chiński gigant Unitree Robotics właśnie sprawia, że posiadanie własnego humanoida przestaje brzmieć jak scenariusz z odległej przyszłości, a zaczyna przypominać zakup kolejnego gadżetu pod wpływem impulsu. Już w przyszłym tygodniu firma wprowadzi model R1 na globalną platformę AliExpress. Cena? Zaczyna się od zaledwie 4.600 €. Ten międzynarodowy debiut obejmie kluczowe rynki, w tym Europę, Amerykę Północną, Japonię i Singapur, co w praktyce oznacza, że budżetowy, robiący gwiazdy robot może wkrótce zapukać do Twoich drzwi.

R1, reklamowany hasłem „urodzony do sportu”, mierzy 123 cm wzrostu i waży od 25 do 29 kg. Potrafi przy tym popisać się nie lada sprawnością – od zbiegania ze wzniesień po wspomniane już akrobatyczne gwiazdy. To nie pierwszy raz, gdy firma uderza w segment przystępnych cenowo maszyn; R1 podąża śladem niedawno ogłoszonego, znacznie bardziej zaawansowanego, ale i droższego modelu Humanoidalny Unitree G1 za 16 000 USD wywraca rynek robotyki . Nowy model celuje jednak w zupełnie inną niszę: naukowców, deweloperów i hobbystów, których do tej pory zaporowe ceny wykluczały z gry. R1 kosztuje bowiem ułamek tego, co jego starszy brat wyceniony na blisko 15.000 €.

Podstawowy wariant R1 AIR startuje z poziomu 4.600 €, natomiast za bardziej dopasowaną, standardową wersję R1 trzeba zapłacić około 5.500 €. W zamian otrzymujemy maszynę posiadającą od 20 do 26 stopni swobody (degrees of freedom), napędzaną 8-rdzeniowym procesorem, z wbudowaną multimodalną sztuczną inteligencją do przetwarzania głosu i obrazu. Całość zasila wymienny akumulator pozwalający na około godzinę pracy. Specyfikacja jasno wskazuje, że to sprzęt stworzony z myślą o dostępności i eksperymentach, a nie do ciężkiej pracy w halach przemysłowych.

Dlaczego to przełom?

Ta premiera to coś więcej niż tylko tani robot – to strategiczny granat wrzucony w sam środek globalnego wyścigu zbrojeń w robotyce. Udostępniając funkcjonalnego humanoida na platformie masowej, takiej jak AliExpress, Unitree demokratyzuje dostęp do technologii, która w USA potrafi kosztować grubo ponad 280.000 €. Za tym ruchem stoi potęga chińskiego, wysoce zlokalizowanego łańcucha dostaw, który pozwala na agresywną politykę cenową, o której zachodni konkurenci mogą na razie tylko pomarzyć.

Liczby nie kłamią. W 2025 roku Unitree dostarczyło ponad 5500 robotów humanoidalnych – głównie do uniwersytetów i ośrodków badawczych – podczas gdy tacy gracze jak Tesla czy Figure AI dostarczyli po około 150 sztuk. Wystawiając R1 w globalnym e-commerce, Unitree nie tylko sprzedaje produkt; firma buduje potężny, ogólnoświatowy ekosystem deweloperski na własnej platformie, zanim rywale w ogóle zdążą wyjść z laboratorium. Era tanich humanoidów z dostawą do domu właśnie stała się faktem.

Tesla FSD Supervised z aprobatą w Holandii – są pewne warunki

Robot King — Sat, 11 Apr 2026 00:00:00 +0000

Tesla, Inc. w końcu przebiła się przez mur europejskich regulacji, zdobywając swoją pierwszą w historii zgodę na wdrożenie oprogramowania Full Self-Driving (Supervised) w Holandii. Ogłoszona 10 kwietnia 2026 roku decyzja potwierdza, że holenderscy właściciele Tesli już wkrótce będą mogli korzystać z zaawansowanego systemu wspomagania kierowcy, który od lat jest codziennością na drogach Ameryki Północnej. Jednak szybki rzut oka na szczegóły pozwala stwierdzić, że nie mamy tu do czynienia z rewolucją spod znaku robotaxi, a raczej z debiutem pod bardzo czujnym okiem nadzoru.

Holenderski urząd ds. ruchu drogowego, RDW (Rijksdienst voor het Wegverkeer), wydał dokument określany jako „europejska homologacja typu z tymczasową ważnością na terenie Holandii” po drobiazgowej, trwającej 18 miesięcy ewaluacji. RDW natychmiast wylało jednak kubeł zimnej wody na głowy entuzjastów pełnej autonomii, jasno stwierdzając, że pojazd z aktywnym systemem FSD Supervised nie jest autem autonomicznym. Zgodnie z prawem, system ten jest klasyfikowany jako wsparcie kierowcy poziomu 2 (Level 2), co oznacza, że człowiek za kółkiem ponosi pełną odpowiedzialność i musi być gotowy do przejęcia kontroli w ułamku sekundy.

W oficjalnym komunikacie Tesla buńczucznie stwierdziła: „Żaden inny pojazd tego nie potrafi”. To stwierdzenie jest, mówiąc delikatnie, czystym marketingowym prężeniem muskułów. Samo RDW zauważyło, że inni producenci, tacy jak BMW czy Ford, posiadają już w Europie homologacje na podobne systemy jazdy „hands-off”. Decyzja urzędu stawia FSD Supervised w tych samych ramach regulacyjnych co konkurencję, wymagając od systemu stałego monitorowania uwagi kierowcy za pomocą wewnętrznych czujników.

Dlaczego to ma znaczenie?

To zatwierdzenie to dla Tesli istotne, choć jedynie etapowe zwycięstwo. Firma zyskała kluczowy przyczółek na wyjątkowo ostrożnym rynku europejskim, który opiera się na modelu „homologacji typu” (type approval), w przeciwieństwie do amerykańskiego systemu „samocertyfikacji”. Choć holenderska zgoda nie rozszerza się automatycznie na całą Unię Europejską, przeciera ona szlak dla innych państw członkowskich, co może zaowocować szerszym wdrożeniem systemu do lata 2026 roku.

W efekcie Holandia staje się oficjalnym poligonem doświadczalnym dla FSD w Europie. „Tymczasowy” charakter zgody oznacza, że regulatorzy będą patrzeć Tesli na ręce wyjątkowo uważnie. Dla firmy Elona Muska to szansa na zebranie bezcennych danych i udowodnienie, że ich system poradzi sobie z labiryntem europejskich ulic. Dla kierowców to okazja, by sprawdzić technologię jutra, o ile pamiętają, że to oni wciąż trzymają stery – RDW wyraźnie ostrzegło, że czytanie gazety za kierownicą nadal nie wchodzi w grę. Przyszłość mobilności być może właśnie zawitała do Niderlandów, ale wszystko wskazuje na to, że przez najbliższy czas będzie ona pod ścisłym nadzorem.

Verne wspierane przez Rimac i Uber uruchamia robotaxi w Europie

Robot King — Sat, 11 Apr 2026 00:00:00 +0000

Podczas gdy oczy całego świata technologicznego były zwrócone na wojny robotaxi w San Francisco i Phoenix, pierwsza w Europie komercyjna usługa autonomicznych przejazdów wystartowała w miejscu, którego mało kto by się spodziewał: w chorwackim Zagrzebiu. Verne, spółka zajmująca się autonomiczną mobilnością, wyodrębniona z potężnej grupy Rimac Group (producenta elektrycznych hiperaut), oficjalnie uruchomiła swoje usługi 8 kwietnia 2026 roku.

To nie jest kolejny pokaz na zamkniętym torze. Mieszkańcy i turyści mogą już zamawiać i opłacać przejazdy przez aplikację Verne, a wkrótce usługa zostanie zintegrowana z platformą Uber w ramach strategicznego partnerstwa. Cała operacja to potężny sojusz trzech graczy: Pony.ai, globalny lider technologii autonomicznych, dostarcza „mózg” systemu; Verne jest właścicielem i operatorem floty, a Uber udostępnia swoją gigantyczną sieć użytkowników. Na ten moment pasażerów wożą elektryczne modele Arcfox Alpha T5 wyposażone w siódmą generację systemu autonomicznego od Pony.ai. I tak – na tym „wczesnym etapie” za kierownicą wciąż siedzi ludzki operator bezpieczeństwa, tak na wszelki wypadek, gdyby sztuczna inteligencja nagle nabrała ochoty na przerwę na burka.

Dlaczego to takie ważne?

Ten start to prawdziwy kamień milowy dla autonomicznej mobilności na Starym Kontynencie. Technologia, która przez lata była w fazie wiecznych testów, w końcu stała się namacalną usługą komercyjną. Model współpracy jest tu szczególnie ciekawy: zamiast próbować sił w solowym rajdzie, Verne połączyło najlepszą w swojej klasie technologię Pony.ai z zasięgiem Ubera, aby błyskawicznie wejść na rynek.

Mamy tu również do czynienia z mistrzowskim pivotem strategicznym. Pierwotnie Verne planowało debiut z własnym, zaprojektowanym od podstaw pojazdem korzystającym z rozwiązań Mobileye. Jednak stawiając na gotowy samochód i nowego partnera technologicznego, firma zyskała kluczową przewagę pierwszego gracza na europejskim podwórku. Z planami ekspansji do 11 kolejnych miast w UE, Wielkiej Brytanii i na Bliskim Wschodzie, ten cichy start w Zagrzebiu może okazać się strzałem startera w wielkim wyścigu robotaxi na zupełnie nowym kontynencie.

Tesla's Optimus Knee Patent Is More Human Than You Think

Robot King — Fri, 10 Apr 2026 00:00:00 +0000

9 kwietnia 2026 roku amerykański urząd patentowy (USPTO) opublikował dokumentację firmy Tesla, Inc., w której na próżno szukać wzmianek o sieciach neuronowych, modelach świata czy potędze sztucznej inteligencji. Zamiast tego, patent o numerze US20260097493A1 z niemal chirurgiczną precyzją opisuje… kolano. Wniosek, złożony dokładnie w dniu słynnego Tesla AI Day 2022, ujawnia mechaniczne „bebechy” humanoida Optimus, bezwstydnie wręcz inspirowane biologią. Zaledwie kilka dni przed publikacją Elon Musk rzucił na platformie X, że „Optimus 3 już spaceruje, ale wymaga ostatnich szlifów”. Wszystko wskazuje na to, że mowa właśnie o tym stawie.

Najbardziej wymowna grafika w patencie to nie skomplikowany techniczny rysunek CAD, a prosta, trójdzielna historia. Zaczyna się od schematu ludzkiego kolana opisanego jako „Zasada biologiczna”, przechodzi przez patyczakowaty „Analog mechaniczny”, a kończy na finalnym „Projekcie”. Dokument wprost mapuje mięsień czworogłowy, rzepkę i więzadła na czwórwoboczny przegub. To nie jest po prostu kolejna część robota; to bezpośrednie przełożenie milionów lat ewolucji na język inżynierii. Taka konstrukcja zapewnia 150 stopni zakresu ruchu – czyli tyle, co u człowieka – przy użyciu zaledwie jednego, niewielkiego siłownika liniowego.

Zastosowany mechanizm, będący zmodyfikowaną wersją odwróconego układu Hoeckena, to eleganckie rozwiązanie wyjątkowo upierdliwego problemu. Ludzkie kolano jest tak efektywne, ponieważ nie obraca się wokół jednego, sztywnego punktu. Ramię dźwigni zmienia się wraz ze zgięciem nogi, co pozwala zmaksymalizować moment obrotowy dokładnie wtedy, gdy jest on najbardziej potrzebny. System czteropunktowy Tesli replikuje tę zmienną mechanikę, dzięki czemu mały silnik jest w stanie wygenerować potężny i płynny ruch. Patent zdradza, że inżynierowie użyli zaawansowanych symulacji, by dobrać optymalne długości ramion, minimalizując zużycie energii przy zachowaniu wymaganej siły i szybkości.

Dlaczego to takie ważne?

To kolano to w rzeczywistości klucz do przystępności cenowej Optimusa. Zastosowanie jednego małego siłownika zamiast ciężkiego i prądożernego zespołu napędowego drastycznie obniża koszty, wagę i stopień skomplikowania każdej nogi. To fundament ambitnego planu Muska, by sprzedawać roboty w cenie od 20 000 do 30 000 dolarów. Takie oszczędności są niezbędne, jeśli Tesla chce faktycznie produkować milion jednostek rocznie w fabryce we Fremont, gdzie już teraz robi się miejsce na linie montażowe, wygaszając produkcję Modelu S i X.

Choć projekt jest genialny w swojej prostocie, ta konkretna geometria nie jest wyłączną własnością Tesli. Analitycy zauważyli, że nowa generacja humanoida IRON od firmy Xpeng wykorzystuje uderzająco podobny mechanizm. Skoro detale konstrukcyjne Tesli krążyły w kuluarach od AI Day 2022, wygląda na to, że cała branża zmierza w stronę najbardziej efektywnych wzorców. Ewolucja miała miliony lat na dopracowanie tej geometrii. Tesla musi jej dorównać, pilnując przy tym budżetu.

Humanoidalny Unitree G1 za 16 000 USD wywraca rynek robotyki

Robot King — Thu, 09 Apr 2026 00:00:00 +0000

W ruchu, który przypomina nie tyle premierę nowego produktu, co wystrzelenie kuli armatniej w sam środek sektora robotyki, Unitree Robotics zaprezentowało swojego humanoidalnego robota G1. Cena? Zaledwie 16 000 dolarów. To nie jest literówka. Za kwotę mniejszą niż cena przyzwoitego auta z salonu, możecie teraz wejść w posiadanie dwunożnej maszyny, która pędzi z prędkością 2 m/s (około 7,2 km/h) i – co dość osobliwe – potrafi złożyć się w kostkę, by ułatwić transport. Robotyczna rewolucja nie zostanie pokazana w telewizji; zostanie dostarczona pod Wasze drzwi w zaskakująco małym pudełku.

G1 nie jest stalowym kolosem. Mierzy skromne 127 cm wzrostu i waży około 35 kg. Pod względem gabarytów bliżej mu do dziecka niż do jego większego i znacznie droższego brata, modelu H1, który kosztuje 90 000 dolarów. Nie dajcie się jednak zwieść filigranowej posturze. Podstawowa wersja oferuje 23 stopnie swobody (degrees of freedom), system wizyjny oparty na technologii 3D LiDAR i kamerach głębi, a bateria pozwala na około dwie godziny pracy. Unitree przygotowało również wariant „EDU” z 43 stopniami swobody, mocniejszymi stawami i opcjonalnym modułem NVIDIA Jetson Orin dla deweloperów, którzy chcą od robota czegoś więcej niż tylko robienia wrażenia na znajomych.

Dlaczego to zmienia zasady gry?

Cena G1 to potężny wstrząs dla rodzącego się rynku robotów humanoidalnych. Podczas gdy Tesla celuje w pułap poniżej 30 000 dolarów za swojego Optimusa, a Digit od Agility Robotics to wydatek rzędu 250 000 dolarów, Unitree ucięło wszelkie spekulacje i dostarczyło maszynę za ułamek tej kwoty. Tu nie chodzi tylko o to, że roboty stają się tańsze; chodzi o to, że stają się dostępne.

Ustalając tak agresywną cenę, Unitree pozycjonuje G1 jako domyślną platformę dla laboratoriów badawczych, uniwersytetów i mniejszych firm, które dotychczas mogły o zaawansowanej robotyce jedynie pomarzyć. Choć G1 może jeszcze nie dysponować brutalną siłą czy dopieszczonym AI swoich droższych rywali z Figure AI czy Boston Dynamics, oferuje platformę sprzętową, która jest „wystarczająco dobra”, by ogromna społeczność programistów zaczęła tworzyć na nią aplikacje i szkolić algorytmy. To może drastycznie przyspieszyć rozwój oprogramowania i zbudować wokół Unitree potężny ekosystem, dając firmie przewagę nie do przeskoczenia, zanim konkurencja w ogóle zdąży ustalić własny cennik. Era domorosłych deweloperów humanoidów właśnie puka do naszych drzwi.

RAI's AthenaZero Robot Wields Two Arms With Human-Like Speed

Robot King — Thu, 09 Apr 2026 00:00:00 +0000

Robotics and AI Institute (RAI), organizacja badawcza sterowana przez ojca sukcesu Boston Dynamics, Marca Raiberta, zaprezentowała światu AthenaZero. To dwuręczny robot, który porusza się w sposób, jakiego próżno szukać u maszyn fabrycznych – jego ruchy przypominają raczej ludzką płynność niż sztywne sekwencje kodu. W najnowszym wpisie na blogu z 7 kwietnia, RAI szczegółowo opisało prototyp zaprojektowany z myślą o „dynamicznej manipulacji” – wielkim wyzwaniu robotyki, które polega na wykonywaniu zadań wymagających współpracy obu rąk z dużą prędkością i gracją.

Podczas gdy większość robotów przemysłowych kojarzy nam się z toporną precyzją wynikającą z wysokich przełożeń, AthenaZero stanowi ich całkowite przeciwieństwo. Ten mierzący około 160 cm wzrostu robot posiada dwa ramiona o 7 stopniach swobody (DoF), w których postawiono na niską inercję i potężne przyspieszenie. „Sekretnym składnikiem” są tutaj siłowniki typu quasi-direct drive, które zapewniają maszynie tzw. „przezroczystość siłową” (force transparency). W praktyce oznacza to, że AthenaZero potrafi w ułamku sekundy przejść od użycia dużej siły przy ciężkim zadaniu do niezwykle delikatnego, czułego dotyku. To wyczyn, któremu tradycyjne roboty nie są w stanie sprostać bez ryzyka uszkodzenia siebie lub otoczenia.

Celem inżynierów nie było jednak samo „doklejenie” dwóch ramion do korpusu. Chodziło o stworzenie platformy, która potrafi nauczyć się opanowywania złożonych, skoordynowanych ruchów. Manipulacja bimanualna (dwuręczna) to klucz do automatyzacji prac, które dla robotów jednoręcznych pozostają nieosiągalne: od montażu skomplikowanych podzespołów, przez przenoszenie elastycznych obiektów, aż po codzienne czynności, które wymagają czegoś więcej niż tylko podniesienia przedmiotu i odłożenia go w to samo miejsce.

Dlaczego to przełom?

Przez dekady automatyzacja kojarzyła się z potężnymi, ale mało inteligentnymi ramionami wykonującymi w kółko te same ruchy. Robotics and AI Institute uderza w ten problem z dwóch stron: budując hardware taki jak AthenaZero, zdolny do dynamicznej interakcji, oraz rozwijając modele AI i uczenia przez wzmacnianie (reinforcement learning), które pozwolą nad tym sprzętem zapanować. Tworząc system od podstaw zaprojektowany pod kontrolę opartą na uczeniu maszynowym, RAI robi milowy krok w stronę „uniwersalnego manipulatora” o możliwościach bliskich ludzkim. To właśnie tego typu badania podstawowe mogą ostatecznie pozwolić robotom opuścić bezpieczne klatki hal produkcyjnych i wejść w nieprzewidywalny, prawdziwy świat.

Glasswing od Anthropic: Plan powstrzymania Skynetu

Robot King — Wed, 08 Apr 2026 00:00:00 +0000

W świecie technologii unosi się specyficzny zapach lęku – cichy szum niepokoju sugerujący, że rok 2026 będzie momentem, w którym maszyny ostatecznie „się obudzą”. To właśnie wtedy, według kuluarowych szeptów, ma nadejść era Silnej Sztucznej Inteligencji (AGI). Nie jako przyjazny chatbot, ale jako siła zdolna przechytrzyć, wymanewrować i prześcignąć swoich stwórców. Nic więc dziwnego, że gdy Anthropic – laboratorium AI pozycjonujące się jako to „bezpieczne” i „etyczne” – ogłasza nową inicjatywę pod nazwą Project Glasswing, można by oczekiwać wielkiego planu instalacji czerwonego przycisku „stop” dla nadchodzących cyfrowych bóstw.

Zamiast tego otrzymujemy coś, co brzmi wręcz… nudno. Oficjalnym celem Project Glasswing jest „zabezpieczenie krytycznego oprogramowania w erze AI”. Brzmi to mniej jak program zapobiegania scenariuszowi ze Skynetu, a bardziej jak spóźniony audyt IT. Ale nie dajcie się zwieść korpomowie. Tu nie chodzi o łatanie przeglądarki; chodzi o budowę klatki dla bestii, która jeszcze się nie narodziła, przy użyciu innej, nieco mniejszej bestii.

AI do pilnowania innych AI

W swojej istocie Project Glasswing to gigantyczne, prewencyjne polowanie na błędy. Anthropic stworzył pionierski model AI o nazwie Mythos Preview, który jest ponoć tak biegły w znajdowaniu i wykorzystywaniu luk w oprogramowaniu, że firma uznała go za zbyt niebezpieczny, by udostępnić go publicznie. Zatem w ruchu, który jest albo genialnie proaktywny, albo przerażająco ironiczny, zaprzęgli go do celów defensywnych.

W partnerstwie z elitą Doliny Krzemowej – w tym z Apple, Google, Microsoft i NVIDIA – Anthropic wypuszcza Mythos na najważniejsze systemy operacyjne świata. Model zdążył już wytropić tysiące krytycznych podatności. Niektóre z nich czaiły się w najpopularniejszych przeglądarkach i systemach od dekad, niewzruszone latami audytów przeprowadzanych przez ludzi.

„Biorąc pod uwagę tempo postępu AI, nie minie dużo czasu, zanim podobne zdolności staną się powszechne, trafiając w ręce podmiotów, które niekoniecznie dbają o bezpieczeństwo” – stwierdza Anthropic. „Konsekwencje dla gospodarki, bezpieczeństwa publicznego i narodowego mogą być katastrofalne”.

Oto wyścig zbrojeń AI w pigułce: budujesz broń tak potężną, że natychmiast musisz stworzyć przeciwko niej tarczę, a ta tarcza to po prostu nieco bardziej ułożona wersja tej samej broni. To ryzykowny zakład o to, że uda się dać „tym dobrym” przewagę, zanim ta sama technologia nieuchronnie wycieknie do sieci.

Od cyfrowych mózgów do fizycznych ciał

Wszystko to wydaje się abstrakcją, dopóki nie połączymy tego z drugą połową równania AGI: ciałem. Egzystencjalny lęk nie dotyczy tylko genialnego kawałka kodu; chodzi o ten kod zamieszkujący fizyczną formę. Nie mówimy tu o inteligentnym głośniku. Mówimy o Embodied AI (ucieleśnionej sztucznej inteligencji) – humanoidalnych robotach, które potrafią chodzić, manipulować przedmiotami i operować w naszym chaotycznym, rzeczywistym świecie.

Termin określający inteligencję przewyższającą ludzi w każdej dziedzinie, w tym w zadaniach fizycznych, to nie AGI, lecz Sztuczna Superinteligencja (ASI). AGI to kamień milowy, w którym maszyna dorównuje ludzkiemu intelektowi; ASI to hipotetyczny punkt, w którym zostawia nas w poznawczym tyle. Wielu ekspertów uważa, że skok z AGI do ASI może być przerażająco krótki – to gwałtowny, rekurencyjny cykl samodoskonalenia zwany „eksplozją inteligencji”.

Teraz wyobraźcie sobie ASI zarządzające globalną siecią humanoidalnych robotów. To scenariusz, który spędza sen z powiek badaczom. Podczas gdy firmy takie jak Boston Dynamics czy Figure dopracowują hardware, laboratoria pokroju Anthropic budują software – model świata i silnik rozumowania. Project Glasswing to przyznanie się do błędu: oprogramowanie, na którym budujemy nasz cyfrowy i przyszły fizyczny świat, jest fundamentalnie dziurawe. To próba zaryglowania włazów, zanim huragan uderzy w brzeg.

Czy jesteśmy gotowi na rok 2026?

Prognoza, że AGI nadejdzie do 2026 roku, to temat rozgrzewający branżę do czerwoności. Postacie takie jak Elon Musk stawiają na krótki termin, inni przesuwają go bliżej końca dekady. Niezależnie od dokładnej daty, panuje konsensus: to już nie jest pytanie „czy”, ale „kiedy”.

Inicjatywy takie jak Project Glasswing to bolesne zderzenie z rzeczywistością. Reprezentują one najpoważniejsze jak dotąd próby zmierzenia się z problemem kontroli (alignment): jak sprawić, by system znacznie inteligentniejszy od nas pozostał wierny naszym wartościom i poleceniom? Strategia Anthropic polega na wykorzystaniu potęgi samej AI do znalezienia pęknięć w naszych cyfrowych fundamentach i ich uszczelnienia. To wyścig o utwardzenie infrastruktury społeczeństwa, zanim nieujarzmione AGI znajdzie lukę, którą będzie mogło wykorzystać.

To nie jest podniosła, filozoficzna debata o świadomości maszyn, jaką znamy z kina. To żmudna, mało efektowna praca nad cyberbezpieczeństwem na skalę planetarną. Chodzi o upewnienie się, że system operacyjny przyszłości nie ma tylnych drzwi (backdoorów), które mogłyby zostać otwarte przez inteligencję, której nie jesteśmy w stanie pojąć. Project Glasswing przeraża nie tym, czym jest, ale tym, co mówi nam o nadchodzącej przyszłości. To dźwięk najmądrzejszych ludzi na świecie, którzy w ciszy i pośpiechu próbują zamknąć drzwi na klucz. Możemy mieć tylko nadzieję, że zdążą, zanim to, co czai się po drugiej stronie, nauczy się posługiwać wytrychem.

Figure AI buduje teraz humanoida co 90 minut

Robot King — Tue, 07 Apr 2026 00:00:00 +0000

W wyścigu o stworzenie zrobotyzowanej armii pracowników Figure AI, Inc. właśnie wrzuciło najwyższy bieg. Podczas szczerej rozmowy w programie Shawn Ryan Show, przedstawiciele firmy ujawnili, że są obecnie w stanie złożyć kompletnego humanoida w zaledwie 90 minut. To nie są mrzonki o dalekiej przyszłości – to realna wydajność ich obecnej linii produkcyjnej, a ambicje sięgają oszałamiającego miliona jednostek rocznie jeszcze przed końcem tej dekady. Pomyślcie o tym przez chwilę: oficjalnie wyszliśmy z fazy „jednorazowych projektów naukowych” i wkroczyliśmy w erę masowej produkcji humanoidalnych maszyn.

Robot, który stoi w centrum tej produkcyjnej ofensywy, ma około 167 cm wzrostu, waży blisko 61 kg i potrafi pracować przez cztery do pięciu godzin na jednym ładowaniu. Gdy zapasy energii się wyczerpią, maszyna potrzebuje około godziny, by odzyskać pełną sprawność – wystarczy, że stanie na indukcyjnej macie ładującej, która bezprzewodowo przesyła około 2 kW mocy przez stopy robota. Każdy jego ruch – od chodzenia i utrzymywania równowagi po skomplikowane operacje manualne – jest kontrolowany wyłącznie przez sieć neuronową Helix. Zapomnijcie o tradycyjnym, ręcznie pisanym kodzie sterującym każdą śrubką. Zapytany o wytrzymałość konstrukcji, przedstawiciel Figure przyznał z rozbrajającą szczerością, że po upadku: „Czasem skręci kark, a czasem wyjdzie z tego bez szwanku”.

Ta produkcyjna potęga to nie tylko pokaz siły na papierze. Figure AI ma już podpisane kontrakty z takimi gigantami jak BMW (produkcja samochodów) czy Brookfield (logistyka i nieruchomości). Firma zapowiedziała również, że w ciągu najbliższych 60 dni ogłosi dwóch kolejnych kluczowych klientów. Roboty wyposażono w dłonie piątej generacji z wbudowanymi kamerami i czujnikami dotyku, a ich korpusy otulono miękką pianką dla bezpieczeństwa ludzi. Co ciekawe, ich „ubranie” jest zdejmowalne i nie wymaga do tego żadnych specjalistycznych narzędzi.

Dlaczego to ma znaczenie?

Największym wąskim gardłem w robotyce nigdy nie był sam robot, lecz fabryka, która go buduje. Podczas gdy konkurencja skupia się na efektownych demach, Figure stawia na skalowanie. Czas montażu wynoszący 90 minut na jednostkę fundamentalnie zmienia ekonomię i dostępność robotów ogólnego przeznaczenia. To sygnał strategicznego przejścia od rzemieślniczego dopieszczania kosztownych prototypów do masowej produkcji zestandaryzowanej platformy. Takie podejście, w połączeniu z systemem sterowania opartym na AI, który uczy się zamiast być sztywno zaprogramowanym, sugeruje, że Figure nie próbuje po prostu zbudować lepszego robota – oni budują Forda Model T świata humanoidów. Wyścig nie toczy się już o to, czyj bot potrafi zrobić salto, ale o to, kto pierwszy zaleje rynek tysiącami gotowych do pracy maszyn.

Mózg GEN-1 od Generalist: 99% skuteczności i 3x szybsze roboty

Robot King — Sat, 04 Apr 2026 00:00:00 +0000

Bądźmy szczerymi: większość pokazów robotyki to starannie wyreżyserowany balet rozczarowań, odgrywany w rytmie ślamazarnych ruchów, przy których człowiek zastanawia się, czy śmierć cieplna wszechświata nie nastąpi szybciej niż zakończenie prostej czynności. Czasem jednak pojawia się coś, co przebija się przez ten szum informacyjny. Dziś tym „czymś” jest GEN-1, nowy model AI od firmy Generalist. Ambicje są ogromne: to uniwersalny mózg dla robotów, który nie tylko działa, ale wręcz miażdży dotychczasowe standardy.

Generalist promuje GEN-1 jako pierwszy model, który faktycznie „opanował” proste zadania fizyczne, i – co ważne – wykłada na stół twarde dowody. Mówimy o średniej skuteczności na poziomie 99% w zadaniach, w których jego poprzednik, GEN-0, wyciągał zaledwie naciągane 64%. Nowy model wykonuje operacje nawet trzykrotnie szybciej niż dotychczasowe rozwiązania typu state-of-the-art, a co najważniejsze – potrafi nauczyć się nowej czynności na podstawie zaledwie godziny danych specyficznych dla danego robota. To nie jest zwykła aktualizacja; to potencjalny skok cywilizacyjny w stronę maszyn, które w końcu staną się komercyjnie użyteczne.

Od praw skalowania do fizycznej maestrii

Zaledwie pięć miesięcy temu Generalist zaprezentował model GEN-0, który dostarczył pierwszych realnych dowodów na to, że prawa skalowania (scaling laws) – te same, które stoją za meteorycznym wzrostem potęgi modeli LLM pokroju GPT – można zastosować również w robotyce. Więcej danych i większa moc obliczeniowa przekładały się na przewidywalnie lepszą, bardziej uniwersalną wydajność. Był to kluczowy dowód koncepcyjny, ale GEN-0 nie był jeszcze gotowy na „godzinę zero”.

GEN-1 to efekt dokręcenia śruby do oporu. Model został przeszkolony na znacznie większym zbiorze danych – obecnie to ponad pół miliona godzin wysokiej jakości interakcji fizycznych – oraz przyspieszony dzięki nowym przełomom algorytmicznym. „Tajnym składnikiem” okazało się jednak samo źródło danych. Zamiast polegać wyłącznie na drogich i trudnych do skalowania zbiorach z teleoperacji, fundament GEN-1 zbudowano na danych z tanich urządzeń ubieralnych (wearables) noszonych przez ludzi. Zapewnia to bogaty korpus wiedzy o fizyce świata rzeczywistego i intuicyjnych mikrokorektach, których symulacje czy zdalne sterowanie często nie są w stanie uchwycić.

„Wierzymy, że GEN-1 to pierwszy ogólny model fizycznej AI, który przekroczył kluczowy próg: odblokował komercyjną opłacalność w szerokim spektrum zadań” – czytamy w oświadczeniu firmy.

Święta Trójca: Niezawodność, Szybkość i Improwizacja

Generalist definiuje „maestrię” jako kombinację trzech kluczowych zdolności. Dwie z nich od 60 lat stanowią fundament automatyki przemysłowej. To ta trzecia zmienia reguły gry.

Niezawodność i szybkość: Przemysłowy standard na sterydach

Po pierwsze, same liczby robią kolosalne wrażenie. W testach długodystansowych GEN-1 pakował klocki ponad 1800 razy z rzędu, składał pudełka ponad 200 razy, a nawet serwisował robota odkurzającego ponad 200 razy bez przerwy – robot zajmujący się innym robotem to albo spełnienie marzeń o automatyzacji, albo początek bardzo specyficznego horroru. Zadania te trwały godzinami bez żadnej interwencji człowieka, przy zachowaniu 99-procentowej skuteczności.

Do tego dochodzi tempo. Roboty napędzane przez GEN-1 potrafią złożyć pudełko w 12,1 sekundy – czynność ta zajmowała ich poprzednikowi około 34 sekund. Pakowanie telefonu do etui trwa 15,5 sekundy, czyli 2,8 raza szybciej niż wcześniej. Nie chodzi tu tylko o podkręcenie obrotów silników; model uczy się na doświadczeniu i wykorzystuje zaawansowane techniki wnioskowania (inference), by wykonywać zadania sprawniej niż ludzie, na których demonstracjach się wzorował.

Improwizacja: Iskra inteligencji

Niezawodność i szybkość to chleb powszedni ramion robotycznych przykręconych do podłogi w fabryce. Brakuje im jednak zdolności do radzenia sobie z faktem, że wszechświat uparcie odmawia trzymania się scenariusza. I tu wchodzi „inteligencja improwizowana” modelu GEN-1.

Generalist opisuje to jako zdolność emergentną, formę „freestyle’owego rozwiązywania problemów”. W jednej z demonstracji robot kompletujący części samochodowe przypadkowo trąca podkładkę. Zamiast zawiesić się lub przerwać pracę, system napędzany przez GEN-1 ocenia sytuację i adaptuje się do niej. Może odłożyć podkładkę, by chwycić ją pewniej, sprytnie wykorzystać krawędź otworu do zmiany orientacji elementu, a nawet zaangażować drugą rękę do asysty bimanualnej. To nie są zaprogramowane procedury naprawcze; to nowatorskie rozwiązania generowane „w locie”, wykraczające daleko poza dane treningowe. To właśnie jest różnica między automatyzacją a autonomią.

Coś więcej niż model – to kompletny system

Warto zrozumieć, że GEN-1 to nie tylko zestaw wag modelu. To kompletny ekosystem obejmujący innowacje w pre-trainingu, technikach post-treningowych oraz przetwarzaniu w czasie wnioskowania. To systemowe podejście sprawia, że model jest tak efektywny pod względem danych – potrafi dostosować się do nowego korpusu robota i nowego zadania jednocześnie w zaledwie godzinę.

Oczywiście, GEN-1 nie jest magiczną różdżką, która natychmiast stworzy fizyczne AGI. Firma otwarcie mówi o ograniczeniach: nie wszystkie zadania osiągają te legendarne 99% skuteczności, a niektóre zastosowania przemysłowe wymagają jeszcze wyższej niezawodności. Co więcej, emergentna improwizacja stawia ważne pytania o tzw. AI alignment (dostrojenie AI). Robot, który potrafi kreatywnie rozwiązać problem, jest fantastyczny, ale musimy mieć pewność, że jego „kreatywność” nie obejmuje, powiedzmy, wybicia dziury w ścianie dla poprawy efektywności.

Mimo to premiera GEN-1 wydaje się kamieniem milowym. Umacnia ona tezę, że skalowanie modeli przy użyciu ogromnych ilości danych z fizycznych interakcji to najpewniejsza droga do stworzenia robotów uniwersalnych. Skupiając się na tej „trójcy” wydajności – poprawności, szybkości i wiedzy, co zrobić, gdy sprawy idą źle – Generalist mógł właśnie przybliżyć marzenie o użytecznym, wszechstronnym robocie o jeden gigantyczny krok ku rzeczywistości. Dla nas to coś więcej niż tylko kolejny model AI; to sygnał, że świat fizyczny w końcu zaczyna nabierać prawdziwego rozumu.

Samojezdny rower AI: Inżynieryjny majstersztyk open-source

Robot King — Sat, 04 Apr 2026 00:00:00 +0000

Podczas gdy najwięksi gracze w branży tech pompują miliardy dolarów w próby usunięcia kierowcy z czterołowych samochodów, inżynier AI Peng Zhihui postanowił zmierzyć się z o wiele trudniejszym wyzwaniem: pozbyciem się rowerzysty z dwukołowca. Efektem tych prac jest XUAN-Bike – szokująco sprawny autonomiczny rower, który nie tylko idealnie trzyma pion, ale też bezbłędnie nawiguje w skomplikowanym terenie i omija przeszkody. I w ruchu, który można określić jedynie jako totalny pokaz siły (flex), Zhihui udostępnił cały projekt na zasadach open-source.

Ten rower to prawdziwy majstersztyk integracji złożonych systemów. Jego „mózgiem” jest autorska płyta sterująca napędzana procesorem AI Huawei Ascend 310. Za zmysł wzroku odpowiada zestaw składający się z kamery głębi RGBD oraz tradycyjnych czujników, takich jak akcelerometr i żyroskop. Jednak prawdziwa magia kryje się w systemie balansowania. Zamiast polegać wyłącznie na skrętach kierownicą, rower wykorzystuje metalowe koło zamachowe zamontowane pod siodełkiem. Wirując z ogromną prędkością, generuje ono siłę żyroskopową niezbędną do utrzymania roweru w pionie – nawet gdy ten całkowicie się zatrzyma. Efekty tej niemal nienaturalnej płynności ruchu możecie zobaczyć w akcji na platformie Bilibili.

Całością zarządza sieć neuronowa działająca w oparciu o framework głębokiego uczenia MindSpore od Huawei. Dzięki temu maszyna nie tylko utrzymuje równowagę, ale też aktywnie analizuje otoczenie, rozpoznaje przeszkody i wyznacza optymalną trasę. Zgodnie z dokumentacją projektu, model sterowania bazuje na algorytmach LQR/MPC oraz autorskim rozwiązaniu z zakresu uczenia ze wzmocnieniem (reinforcement learning). Dla tych, którzy chcieliby zbudować własną maszynę przeczącą prawom fizyki, Peng udostępnił wszystkie schematy sprzętowe, pliki modeli oraz kod źródłowy w repozytorium GitHub.

Dlaczego to ma znaczenie?

To coś więcej niż tylko efektowny projekt „po godzinach” – to prawdziwe korepetycje z nowoczesnej robotyki i teorii sterowania. XUAN-Bike udowadnia, że przy odpowiednim połączeniu dostępnego sprzętu AI i wyrafinowanego oprogramowania, pojedynczy człowiek jest w stanie stworzyć systemy autonomiczne dorównujące stopniem skomplikowania projektom z korporacyjnych laboratoriów R&D. Udostępniając projekt światu, Peng dał studentom, badaczom i hobbystom nieocenione narzędzie, odczarowując zaawansowane koncepcje dynamicznej stabilizacji. To potężne przypomnienie, że przełomowe innowacje nie zawsze rodzą się w lśniących biurowcach – czasem powstają w garażu, napędzane czystą chęcią zmuszenia roweru do rzeczy niemożliwych.

Airbus „Bird of Prey” – nowy łowca dronów uzbrojony w rakiety

Robot King — Thu, 02 Apr 2026 00:00:00 +0000

Wygląda na to, że Airbus ma już serdecznie dość absurdalnej ekonomii współczesnej obrony przeciwpowietrznej. Scenariusz, w którym warte miliony dolarów pociski są marnowane na neutralizację dronów kosztujących mniej niż używany Passat, to finansowe samobójstwo. Gigant zaprezentował właśnie swoją odpowiedź: drona-łowcę wielokrotnego użytku, który sam poluje przy użyciu miniaturowych, tanich rakiet. System nazwany Bird of Prey (Ptak Drapieżny) zaliczył właśnie swoje pierwsze powietrzne „trafienie” podczas lotu pokazowego w Niemczech.

O sukcesie poinformował na platformie X Boris Alexander Beissner, szef działu w Airbus Defence and Space. Podkreślił on, że projekt przeszedł drogę od fazy koncepcyjnej do pierwszego udanego przechwycenia w błyskawicznym tempie zaledwie dziewięciu miesięcy. Bird of Prey to w rzeczywistości głęboko zmodyfikowany dron-cel Do-DT25 – 160-kilogramowa platforma o rozpiętości skrzydeł wynoszącej 2,5 metra. Maszyna, która dotychczas służyła jako „tarcza” do zestrzeliwania, teraz sama stała się myśliwym.

Podczas testu dron autonomicznie namierzył i zaatakował drona-kamikadze za pomocą pocisku „Frankenburg Mk1”. Te ultralekkie interceptory, opracowane przez partnerską firmę Frankenburg Technologies, ważą niespełna 2 kg i mają zaledwie 65 cm długości. Choć prototyp przenosi cztery takie rakiety, docelowa wersja operacyjna ma być uzbrojona w osiem sztuk. Każdy pocisk typu „odpal i zapomnij” (fire-and-forget) ma zasięg około 1,5 km i wykorzystuje głowicę odłamkową do eliminacji zagrożenia.

Dlaczego to takie ważne?

Obecny stosunek kosztów w wojnie dronów jest nie do utrzymania na dłuższą metę. Odpalanie pocisku Patriot, którego sztuka kosztuje nawet 4 miliony dolarów, by zniszczyć drona za 20 tysięcy dolarów, to strategia prowadząca do pustych magazynów i bankructwa. Bird of Prey ma całkowicie odwrócić tę logikę. Wykorzystując tanią platformę wielokrotnego użytku do wystrzeliwania masowo produkowanych mini-pocisków, Airbus tworzy skalowalny system obrony przed rojami dronów. To już nie jest strzelanie z armaty do wróbla – to raczej wypuszczenie sokoła, który robi porządek skutecznie, wielokrotnie i bez rujnowania budżetu państwa. Airbus i Frankenburg planują kolejne testy w 2026 roku, aby doprowadzić system do pełnej gotowości operacyjnej.

Cortical Labs wynajmuje żywe ludzkie neurony w chmurze

Robot King — Thu, 02 Apr 2026 00:00:00 +0000

Od lat „chmura obliczeniowa” służyła nam za wdzięczną, choć nieco wyświechtaną metaforę dostępu do potężnych farm serwerów przez internet. Australijski startup Cortical Labs najwyraźniej postanowił potraktować ten termin z niepokojącą dosłownością, zastępując część krzemu żywymi, aktywnymi ludzkimi neuronami. Co więcej – za odpowiednią opłatą pozwolą ci teraz uruchomić na nich własny kod.

Witamy w Cortical Cloud – platformie, która oficjalnie przenosi koncepcję „wetware-as-a-service” z kart powieści cyberpunkowych wprost do publicznie dostępnego API. Za około 2 170 USD miesięcznie za instancję, możesz teraz „wynająć” biologiczną sieć neuronową (BNN) wyhodowaną z ludzkich komórek mózgowych i zintegrowaną z krzemowym chipem. To odważny, choć nieco wywołujący ciarki model biznesowy, który obiecuje otwarcie nowych horyzontów w informatyce – o ile oczywiście masz odpowiedni budżet i dość elastyczne podejście do definicji „umowy licencyjnej użytkownika końcowego”.

Od Ponga do publicznej chmury

Jeśli nazwa Cortical Labs brzmi znajomo, to pewnie dlatego, że to ten sam zespół, który w 2022 roku zasłynął nauczeniem grupy neuronów na szalce – ochrzczonej mianem „DishBrain” – gry w Ponga. Eksperyment ten, opisany na łamach czasopisma Neuron, udowodnił, że biologiczne obwody potrafią uczyć się i adaptować w czasie rzeczywistym znacznie szybciej niż wiele tradycyjnych modeli AI. Był to moment zwrotny dla dziedziny, którą firma nazywa „Syntetyczną Inteligencją Biologiczną” (Synthetic Biological Intelligence).

Od tamtego czasu ich ambicje znacznie wzrosły. Jak informowaliśmy wcześniej, ich sieci neuronowe mają już na koncie Ludzkie neurony w LLM: Cortical Labs łączy biologię z AI . Teraz przyszedł czas na komercjalizację. Firma oficjalnie otworzyła swoją platformę dla szerokiej publiczności, zapraszając naukowców, deweloperów i po prostu ciekawskich do sprawdzenia, co można odkryć, mając do dyspozycji dosłowny „mózg w pudełku”.

Jak zaprogramować mózg?

Jak właściwie zabrać się za wynajęcie kawałka biologicznej mocy obliczeniowej? Proces ten jest zaskakująco podobny do stawiania serwera na AWS czy Google Cloud, co jest chyba najbardziej surrealistycznym elementem całego przedsięwzięcia. Sercem platformy jest CL1 – autorskie rozwiązanie sprzętowe zawierające sieć BNN na matrycy wieloelektrodowej o wysokiej gęstości. Taki „hardware” pozwala zarówno na stymulowanie neuronów, jak i rejestrowanie ich reakcji z opóźnieniem liczonym w mikrosekundach.

Dostęp do tego „mokrego sprzętu” odbywa się za pośrednictwem Cortical Labs API (CL API), biblioteki Python, która bierze na siebie całą biofizykalną złożoność systemu. Programiści mogą korzystać z prostego SDK, aby wchodzić w interakcję z neuronami, wysyłając sygnały i interpretując wynikowe skoki aktywności (spikes).

Dla tych, którzy chcieliby „pokopać w opony” przed wyłożeniem kilku tysięcy dolarów, Cortical Labs udostępniło symulator naśladujący zachowanie prawdziwego urządzenia CL1. Kod napisany pod symulator jest w pełni kompatybilny z realnym sprzętem. Cały zestaw narzędzi programistycznych (SDK) jest dostępny jako open-source w serwisie GitHub. Link: cl-sdk na GitHubie.

Killer app dla „mokrego sprzętu”

Pozostaje zasadnicze pytanie: po co to komu? Poza czystą chęcią sprawdzenia czegoś nowego, Cortical Labs celuje w trzy główne obszary:

Neuronauka: Dostarczanie ustandaryzowanej platformy do badania tego, jak neurony się uczą, tworzą pamięć i przetwarzają informacje w ściśle kontrolowanym środowisku.
Badania nad lekami i toksykologia: Naukowcy mogą testować wpływ nowych związków farmaceutycznych na realne obwody neuronalne, by sprawdzać ich skuteczność i neurotoksyczność, co może przyspieszyć prace nad lekami na chorobę Alzheimera czy epilepsję.
Sztuczna Inteligencja: To jest ten „wielki temat”. Zwolennicy obliczeń biologicznych argumentują, że mózgi są o niebo bardziej energooszczędne niż krzemowe AI przy określonych zadaniach. Badając i zaprzęgając do pracy biologiczną inteligencję, możemy odkryć zupełnie nowe paradygmaty obliczeniowe, które nie będą wymagały centrów danych o rozmiarach miast.

Oczywiście, ten futurystyczny dostęp ma swoją cenę. Choć pojedyncza instancja kosztuje około 2 170 USD miesięcznie, Cortical Labs oferuje zniżki przy większych zamówieniach – wynajęcie dziesięciu jednostek na pół roku obniża cenę do około 1 600 USD za sztukę miesięcznie. Jak z przymrużeniem oka zauważa firma, to wciąż „taniej niż człowiek”. Przynajmniej na razie. Startup zachęca również instytucje akademickie do ubiegania się o granty, co jasno pokazuje chęć zaszczepienia tej technologii w środowisku badawczym.

Uruchomienie Cortical Cloud to dziwny, ale niezwykle istotny kamień milowy. To komercjalizacja dziedziny, która przez dekady pozostawała w sferze teorii. Przeszliśmy od symulowania sieci neuronowych na krzemie do oferowania autentycznej biologicznej inteligencji jako usługi w chmurze. Co powstanie na tej platformie? Czas pokaże, ale jedno jest pewne: granica między komputerem a organizmem nigdy nie była tak zatarta.