Właśnie wtedy, gdy wydawało się, że w wyścigu humanoidalnych robotów robi się już ciasno, na scenę wchodzi nowy startup, który nie tyle puka do drzwi, co wchodzi z buta, wrzuca swojego robota do gokarta i zaczyna kręcić bączki na parkingu. Poznajcie Symbiosis Robotics – chińską firmę, która właśnie wyszła z cienia, publikując nagranie, na którym humanoid Unitree G1 nie tylko prowadzi gokarta, ale wręcz nim driftuje. To ten rodzaj efekciarskiej, nieco absurdalnej demonstracji, która natychmiast przykuwa uwagę, bo pod piskem opon kryje się tu potężny technologiczny pokaz siły.
Nie mamy tu do czynienia z teatrzykiem marionetek sterowanych zdalnie. Robot autonomicznie wykonuje złożoną sekwencję ruchów: od wciśnięcia się do ciasnego kokpitu, przez ułożenie dłoni na kierownicy i stóp na pedałach, aż po nieprzerwany cykl percepcji, utrzymywania równowagi i kontroli całego ciała podczas pokonywania toru. To mocna deklaracja ze strony firmy, która – według wszelkich doniesień – powstała zaledwie nieco ponad miesiąc temu.
Mózg operacji: Jeden model, by wszystkimi rządzić
Magia stojąca za tym mechanicznym Schumacherem to model AI, który Symbiosis nazywa Direct Perception Control (DPC). Firma twierdzi, że DPC to zintegrowany model bazowy typu “end-to-end perception-control”, który fundamentalnie zmienia sposób funkcjonowania robotów. Przez dekady w robotyce dominował paradygmat warstwowy: jeden system odpowiadał za percepcję, inny za planowanie wysokopoziomowych celów, a jeszcze inny za sterowanie stawami. To rozwiązanie działa, ale bywa zawodne – błędy mogą kaskadowo przenosić się między warstwami.
Model DPC od Symbiosis wyrzuca ten podręcznik do kosza. Bezpośrednio mapuje multimodalne dane zmysłowe – obraz, język, stan ciała robota i fizyczne sprzężenie zwrotne – prosto na konkretne ruchy stawów i dłoni. Mówiąc prościej: firma przełamała barierę między „mózgiem” (percepcją) a „móżdżkiem” (kontrolą motoryczną) robota, pozwalając na ich jednoczesną optymalizację. To Święty Graal ucieleśnionej sztucznej inteligencji (embodied AI): jeden, spójny model, który po prostu widzi i działa.
Aby wytrenować ten cyfrowy umysł, Symbiosis zaserwowało mu zróżnicowaną dietę składającą się z 15 010 godzin danych. Zbiór ten obejmował 6 781 godzin nagrań wideo z perspektywy pierwszej osoby (egocentric video), 4 024 godziny danych z robotów ramieniowych oraz tysiące godzin z robotów kołowych i bipedalnych. Ta różnorodność jest kluczem do stworzenia modelu, który potrafi generalizować umiejętności na różne zadania i typy konstrukcji.
Ciało: Koń roboczy prosto z półki
Być może najbardziej wymownym szczegółem całego tego przedsięwzięcia jest sam robot. To nie była żadna unikatowa platforma badawcza za miliony dolarów. W roli kierowcy wystąpił Unitree G1 – komercyjnie dostępny humanoid, który błyskawicznie stał się ulubieńcem badaczy na całym świecie. Mierzący około 127 cm wzrostu i ważący blisko 35 kg, G1 to solidny, choć relatywnie skromny kawałek hardware’u.
Z 23 do 43 stopniami swobody, prędkością marszu 2 m/s i udźwigiem około 2 kg na ramię, G1 stanowi stabilną bazę do testów. Co kluczowe, jego podstawowa wersja kosztuje poniżej 20 000 dolarów – to cena, która stawia go w zupełnie innej galaktyce niż chociażby Atlas od Boston Dynamics. Wykorzystując gotowego robota, Symbiosis wysyła jasny komunikat: prawdziwa rewolucja nie leży w egzotycznym sprzęcie, ale w inteligencji, która nim steruje.
Dlaczego gokart to wyjątkowo trudny egzamin?
Prowadzenie gokarta może wydawać się dla człowieka banalne, ale dla robota to brutalny test inteligencji całego ciała. To nie jest zwykły spacer po pokoju; to nieustanny sprawdzian wielu przeplatających się umiejętności:
- Manipulacja w ograniczonej przestrzeni: Robot musi fizycznie zmieścić się i operować w ciasnym fotelu kierowcy, co jest ogromnym wyzwaniem dla świadomości przestrzennej całego ciała.
- Koordynacja ręka-oko-noga: Maszyna musi jednocześnie analizować tor przed sobą, kręcić kierownicą i z wyczuciem operować pedałami.
- Precyzyjna kontrola siły: Driftowanie i kontrolowana jazda wymagają nie tylko komend „zero-jedynkowych”, ale subtelnego, analogowego operowania gazem i hamulcem – co jest główną zaletą sprzężenia zwrotnego w modelu DPC.
- Dynamika i stabilność: Cały proces wymaga od robota utrzymania równowagi przy przeciążeniach wynikających z przyspieszania, hamowania i wchodzenia w zakręty.
Ta demonstracja to nie tylko popisówka; to kompleksowy stress-test. To deklaracja intencji ze strony szokująco młodego startupu, prowadzonego przez „dream team” badaczy pod wodzą CEO Dinga Pengxianga, świeżo upieczonego doktora uniwersytetów Zhejiang i Westlake. Twórcy jasno dają do zrozumienia, że nie interesują ich drobne usprawnienia. Stawiają wszystko na AI typu end-to-end jako „cel ostateczny” robotyki – i właśnie z rykiem silnika minęli linię startu, zostawiając konkurencję w chmurze dymu i zapachu palonej gumy.