Robotyka nadal nie ma jednego oczywistego “momentu ChatGPT”. W 2026 roku są mocne modele, efektowne humanoidy, tanie platformy edukacyjne i rosnące zamówienia na roboty przemysłowe. Główna bariera pozostaje jednak ta sama: fizyczna AI musi nie tylko wyglądać dobrze na filmach, lecz niezawodnie wykonywać użyteczną pracę w realnym świecie.

Humanoid, mały robot dwunożny i ramię przemysłowe między demo, danymi i wdrożeniem

W jednym tygodniu zbiegło się kilka sygnałów: TechCrunch pisze o “erze GPT-2” robotyki, Google DeepMind rozwija Gemini Robotics 2, Mistral pokazuje Robostral Navigate, Microduck przyciąga uwagę jako otwarta platforma za 399 dolarów, a The Robot Report opisuje wzrost zamówień przemysłowych. To test dojrzałości sektora, nie jeden launch.

Dlaczego 80% nie wystarcza

W oprogramowaniu 80% sukcesu może wystarczyć do szkicu. W robotyce może oznaczać upadek, zderzenie, zniszczony przedmiot, zatrzymaną linię albo zagrożenie dla człowieka. Dlatego teza, że klient nie potrzebuje robota ogólnego z 80% skuteczności, jest praktyczną regułą. Liczą się powtarzalność, odzyskiwanie po błędzie, bezpieczeństwo i koszt utrzymania.

Dane i sim-to-real

Modele tekstowe rosły na ogromnych danych. Robotom brakuje uniwersalnego otwartego korpusu ruchów rąk, klamek, pudeł, mokrych podłóg, odblasków, kamer i różnych ciał. Symulacja pomaga, ale przejście na sprzęt pozostaje trudne. To, co działa w MuJoCo albo na stole w laboratorium, musi przetrwać baterie, sensory, kurz, ludzi i nieregularne obiekty.

Co pokazują nowe modele

Gemini Robotics 2 jest ważny jako przykład frontier research: model vision-language-action, embodied reasoning, kontrola całego ciała, zręczność, współpraca wielu robotów i adaptacja on-device. Część możliwości pozostaje jednak w early access. Robostral Navigate jest ciekawy jako model 8B z jedną kamerą RGB bez LiDAR; 76,6% na R2R-CE nie oznacza jeszcze niezawodności w szpitalu lub magazynie.

Microduck jako sygnał

Microduck nie jest dojrzałym asystentem domowym. Jego znaczenie polega na taniej, małej i otwartej platformie dla szkół, laboratoriów i maker spaces. Uczy polityk sterowania, sensorów, chodu, baterii, recovery i różnicy między symulacją a sprzętem. Nie rozwiązuje sam kryzysu danych, ale poszerza bazę eksperymentów.

Humanoidy i nudny przemysł

Humanoidy przyciągają kapitał, bo obiecują ciało pasujące do ludzkich przestrzeni. Klienci kupują jednak wyniki. Unitree pokazuje momentum i popyt badawczy; zamówienia przemysłowe pokazują jaśniejszy ROI. Dane A3 cytowane przez The Robot Report — 8 940 robotów i 622 mln dolarów w Q2 2026 — przypominają, że nudna automatyzacja już się sprzedaje.

Praktyczna lista pytań

Pytaj, jakie zadanie robot wykonuje dziś, nie w planie. Poproś o realne cykle, kto resetuje awarie, jakie dane są zbierane, jak walidowane są aktualizacje, jaka norma bezpieczeństwa obowiązuje i czy węższa automatyzacja nie zrobi tego taniej. W domu liczą się prywatność i recovery; w fabryce serviceability i uptime.

Wniosek

Robotyka idzie naprzód, ale przełom nie musi być jednym efektownym launch. Bardziej prawdopodobny jest moment Apple II lub IBM PC: tańsze platformy, lepsze dane, mocniejsza symulacja, bezpieczne wdrożenia i dość użytecznych robotów, by niezawodność przestała dziwić.

Dlaczego to ważne teraz

Najnowsze dyskusje Hacker News o Gemini Robotics 2, Microduck i Robostral pokazują nie tylko zainteresowanie, ale lepsze pytania. Ludzie pytają o klamki, upadki, baterie, ładowanie, licencje, zastosowania wojskowe, bezpieczeństwo przy ludziach i realną użyteczność. To dobry znak: publiczność mniej ocenia efektowność, a bardziej wdrożenie.

To ważniejsze niż kolejna rozmowa o robotycznym lokaju. Pierwsze masowe zwycięstwa mogą przyjść z magazynów, inspekcji, logistyki, laboratoriów, rolnictwa, edukacji i wąskich zadań usługowych. Uniwersalny humanoid jest atrakcyjny, ale ekonomia zwykle przychodzi najpierw przez konkretniejsze prace.

Jakiej metryce można ufać

W robotach nie wystarczy średnia skuteczność. Potrzebne są najgorsze przypadki: jak często system nie wie, co zrobić; jak szybko się zatrzymuje; kto przywraca go do pracy; co dzieje się przy utracie łączności, słabej baterii, zmienionym układzie, nowym obiekcie albo człowieku w strefie ruchu. Dobry raport z wdrożenia pokazuje awarie, nie tylko ładne zadania.

Ważne jest też, kto kontroluje pętlę uczenia. Jeśli klient nie dostaje logów, nie rozumie aktualizacji i nie może przetestować nowej policy przed rollout, robot staje się czarną skrzynką na kołach lub nogach. W przemyśle to bezpieczeństwo i przestoje; w domu zaufanie i prywatność.