Robot za pár tisíc? Největší účet přijde až po rozbalení

Robotické rameno za pár tisíc korun může být nejdražší levná věc ve vaší dílně. Motory zaplatíte jednou. Ladění úchopu, sběr dat a hledání chyby, kvůli které robot pravidelně shazuje součástku pod stůl, vás zaměstnají na týdny.

Dvě říjnové zprávy ukazují, kam robotika míří. RoboBusiness 2026 chystá debatu o návratu výroby pomocí robotů. Amazon mezitím otevřel sadu nástrojů pro vývoj fyzické umělé inteligence. Pro české firmy i domácí kutily z toho plyne zajímavá otázka: kolik práce už skutečně zvládneme automatizovat za rozumné peníze?

Robot za pár tisíc? Největší účet přijde až po rozbalení

Robotické novinky do schránky přicházejí snadno. Vyznat se v nich je těžší. Jeden výrobce ukazuje humanoida, druhý slibuje revoluci ve skladu a třetí prodává rameno za cenu lepšího telefonu. Jenže každá nabídka počítá něco jiného.

Konkrétní příklad: Seeed Studio nabízí SO-ARM101 Pro Servo Motor Kit za 249,90 dolaru. Jde o sadu servomotorů, elektroniky a kabeláže. Výrobce výslovně upozorňuje, že neobsahuje vytištěné konstrukční díly ani kameru. Reklamní cenu tedy nelze zaměnit za cenu hotového pracoviště. Podrobnosti stavebnice Seeed Studio.

Při čistě modelovém kurzu 23 korun za dolar vychází sada přibližně na 5 750 korun. To není aktuální kurzovní přepočet ani česká maloobchodní nabídka. K výsledku připočtěte dopravu, případné dovozní náklady, tisk, kameru a potřebné vybavení.

Pro začátečníka má podobná stavebnice přesto velký smysl. Umožní pochopit kalibraci, řízení kloubů i strojové vidění. Na malých a lehkých předmětech si ověříte, jak moc výsledek závisí na osvětlení nebo poloze kamery.

Domácí pomocník, který bez dozoru uklidí kuchyň, z krabice nevyleze. Výuková platforma však může být dostupná studentovi, škole nebo malé vývojové firmě. Právě tady se odehrává méně fotogenická, ale praktická změna: experimentování s robotikou přestává vyžadovat průmyslový rozpočet.

AWS otevřelo nástroje. Elektřinu a výpočty vám ale nezaplatí

AWS představilo Physical AI Toolchain, veřejně dostupnou sadu referenčních architektur, kódu a automatizace infrastruktury. Má propojit kroky, které robotické týmy jinak pracně spojují samy: přípravu dat, trénování, simulaci, ověřování a nasazení modelu do zařízení.

Sada využívá technologie NVIDIA. Isaac Sim slouží k simulaci, Isaac Lab k učení pomocí odměn a GR00T k trénování modelů propojujících obraz, jazyk a akce. Cosmos pomáhá s tvorbou syntetických dat. AWS dodává výpočetní a provozní infrastrukturu. Podporované formáty zahrnují také LeRobot, URDF a ONNX. Technické představení AWS.

Praktický přínos je v návaznosti jednotlivých kroků. Tým může zaznamenat ukázky manipulace, připravit trénovací data, ověřit chování v simulaci a následně doručit model do robota. Méně času by mělo padnout na přepisování pomocných skriptů a ruční přesouvání souborů.

Otevřený zdrojový kód ovšem neznamená bezplatný provoz. Platí se výpočty, úložiště i práce lidí. Pro školní pokus s jedním ramenem může být rozsáhlá cloudová infrastruktura zbytečnou komplikací. Pro tým spravující více robotů už může mít jinou ekonomiku.

Z pohledu zákazníka je proto zásadní otázka přenositelnosti. Dokáže si stáhnout vlastní data? Spustit model na jiném zařízení? Obnovit předchozí funkční verzi? Otevřený formát je dobrý začátek. Sám o sobě ale nezaručuje snadnou migraci celého provozu. Tu prověří až skutečný pokus o přesun.

Roboti mají vrátit výrobu domů. Samotné rameno to nezařídí

Konference RoboBusiness 2026 se podle pořadatele uskuteční 20. a 21. října v kalifornské Santa Claře. Její program zahrnuje debatu o návratu výroby do Spojených států a roli robotiky. Otevřít má také otázku národní robotické strategie a průmyslových priorit. K 17. říjnu jde o plánovanou diskusi, nikoli zveřejněné závěry panelu. Program RoboBusiness.

Návrat výroby blíže zákazníkovi může zkrátit dopravu, omezit zásoby a usnadnit změny výrobku. Automatizace má pomoci zvládnout část práce v prostředí s vyššími mzdami. Pro českého dodavatele je to srozumitelná úvaha: vyrábět poblíž odběratele a rychle reagovat na jeho objednávky.

Jenže robot nevyřeší chybějící přípravky, nekvalitní vstupní materiál ani špatně navržený výrobek. Pokud každý kus přichází v jiné poloze a obal zakrývá důležitý detail, problém nezačíná u velikosti neuronové sítě.

Představme si modelové pracoviště za 1,5 milionu korun. Jestliže po odečtení servisu, energie a obsluhy přináší 600 tisíc korun ročně, jednoduchá návratnost vychází na 2,5 roku. Při přínosu 300 tisíc už je to pět let. Financování a další rizika tento zjednodušený výpočet nezahrnuje.

Proto se vyplatí sledovat cenu dobrého kusu, dostupnost pracoviště a čas potřebný ke změně výroby. Maximální rychlost ramene je jen část příběhu. Robot, který je rychlý deset minut a potom čeká hodinu na technika, rozpočet nezachrání. Ani když u toho vypadá futuristicky.

Vlastní robot s AI: začněte kostkou, ne kávovarem

Rozumný domácí projekt může znít nudně: přemístit kostku z podložky do krabičky. Právě proto je vhodný. Úkol má jasný začátek, měřitelný výsledek a levné následky chyby.

Platforma SO-101 podporovaná projektem LeRobot umožňuje sestavit ovládací a následovací rameno. Člověk předvádí pohyb a systém zaznamenává ukázky pro učení. Dokumentace Hugging Face obsahuje postup sestavení, instalace i podrobnosti o motorech. Technický návod pro SO-101.

Nejprve upevněte rameno a kameru. Potom proveďte kalibraci a ověřte pohyb jednotlivých kloubů. Až následně sbírejte ukázky. Pokud během záznamu změníte polohu kamery nebo pracovní plochy, přidáváte další proměnnou, kterou budete později obtížně rozplétat.

Pro první experiment si můžete stanovit třeba 100 předvedení stejného úkolu s mírně odlišnou polohou kostky. Je to návrh výchozího pokusu, nikoli univerzální počet zaručující úspěch. Některé úlohy vyžadují výrazně více rozmanitých dat.

Po trénování oddělte zkoušku od předvádění. Připravte 50 nových pokusů a zapisujte úspěch, čas i důvod selhání. Výsledek 45 úspěchů znamená 90% úspěšnost v tomto omezeném testu. Neříká nic jistého o práci celý den.

Zvlášť ověřte jiné osvětlení a posunutý předmět. Robot se totiž může naučit velmi přesvědčivě opakovat situaci, kterou zná, a překvapivě špatně zvládat její drobnou změnu. Kávovar zatím nechte člověku. Horká voda dělá z ladění zbytečně drahou disciplínu.

Pozor na staré ceny: výpočetní mozek zdražil

Kdo chce provozovat některé modely přímo u robota, narazí na NVIDIA Jetson Orin Nano Super. Starší materiály stále uvádějí cenu 249 dolarů. Aktuální přehled doporučených cen NVIDIA však uvádí 399 dolarů za vývojovou sadu. Rozdíl činí 150 dolarů, tedy přibližně 60 %. Aktuální cenový přehled NVIDIA.

Při modelovém kurzu 23 korun za dolar odpovídá 399 dolarů částce 9 177 korun před dalšími náklady. Spolu s uvedenou motorovou sadou se dostáváme přibližně na 14 925 korun. Stále bez kompletní mechaniky, kamery a dalších potřebných součástí. Rozpočet „robot za pět tisíc“ se tak rychle mění.

Jetson ale nemusíte kupovat jako první. Pro ověření mechaniky a sběr dat můžete využít vhodný počítač, který už máte. Nároky trénování a následného provozu závisejí na konkrétním modelu. Ne každý model se vejde do paměti malého zařízení a ne každý poběží dostatečně rychle.

Místní výpočty mají výhodu v odezvě a menší závislosti na připojení. Cloud se hodí například pro náročnější trénování nebo správu většího počtu zařízení. Rozdělení práce mezi obě prostředí však musí odpovídat aplikaci.

Při výběru proto porovnávejte dobu zpracování skutečného modelu, paměťové nároky a stabilitu při delším běhu. Marketingové číslo výkonu neřekne, zda robot stihne včas opravit nepovedený úchop. To zjistíte měřením celé úlohy.

Robotika má účet za proud. A ten se dá řídit

Elektřinu spotřebovává robot, jeho řídicí počítač i případné vzdálené výpočty. Mezinárodní energetická agentura v aktualizaci z roku 2026 očekává růst spotřeby datových center z přibližně 485 TWh v roce 2025 na 950 TWh v roce 2030. Jde o všechna datová centra, nikoli pouze robotiku. Analýza IEA.

U konkrétní dílny začněte menším číslem. Modelová sestava s průměrným příkonem 100 wattů při osmihodinovém provozu spotřebuje 0,8 kWh denně. Za 250 pracovních dnů je to 200 kWh. Při předpokládané ceně šest korun za kWh vychází roční náklad na 1 200 korun.

Ve větším provozu už se vyplatí odděleně měřit roboty, nabíjení a pomocná zařízení. Výchozím bodem může být monitorování spotřeby pomocí IoT. Naměřená data ukážou také odběr během prostojů, který samotná výrobní statistika snadno přehlédne.

Nabíjení nebo odložitelné výpočty lze plánovat podle dostupné energie a provozních potřeb. Orientaci nabízí přehled spotových cen elektřiny. Ekonomický přínos ale závisí na smlouvě a celkové ceně odběru.

Pro podnik se nabízí také posouzení [sdílení elektřiny pro firmy](https://smartenergyshare.com/pro-firmy?utm_source=electricshare&utm_medium=referral&utm_campaign=satellite-marketing) prostřednictvím Smart Energy Share. ERÚ připomíná, že výroba a spotřeba sdílené elektřiny musí odpovídat stejnému patnáctiminutovému intervalu. Polední přebytek tedy účetně nenahradí noční odběr. [Vysvětlení ERÚ](https://eru.gov.cz/sdileni-elektriny-energeticka-spolecenstvi).

Pro další souvislosti mezi automatizací a energetikou lze sledovat také SmartEnergyShare.info a pro témata fotovoltaiky ShareElectric.cz.

Co chtít od robotických novinek ve schránce

Dobrý přehled robotických novinek by měl u každé zprávy odpovědět na čtyři otázky: Co zařízení skutečně zvládne? Kolik stojí celá sestava? Kdo výsledek ověřil? A můžete si technologii vyzkoušet také vy?

U AWS sledujte dostupnost kódu, dokumentaci a náklady ukázkového nasazení. U RoboBusiness budou zajímavé konkrétní zkušenosti s návratem výroby: délka instalace, počet potřebných techniků a skutečné provozní výsledky. Samotný počet prodaných robotů neprozradí, zda zákazníci vydělávají.

Pro malou firmu má smysl začít úzkým úkolem. Třeba kontrolou přítomnosti dílu nebo manipulací s jedním typem výrobku. Před nákupem si napište výchozí stav: kolik operace trvá, jak často vzniká chyba a kolik stojí její oprava. Bez těchto údajů budete úspěch posuzovat hlavně podle dojmu.

Domácí experimentátor může začít ještě skromněji. Vybrat jednu stavebnici, jednu úlohu a pevný finanční strop. Do deníku zapisovat také neúspěchy. Video povedeného pokusu potěší sociální sítě. Tabulka padesáti pokusů pomůže projekt skutečně zlepšit.

Moje předpověď? Největší užitek z další vlny robotiky získají týmy, které umějí přesně popsat obyčejnou práci a poctivě měřit výsledek. Začněte proto tento týden jednou operací. Změřte ji a navrhněte nejmenší možný experiment. První rozumná automatizace může být mnohem méně efektní než humanoid — a mnohem užitečnější.

Zdroje

• AWS: představení nástrojů pro fyzickou umělou inteligenci — Primární technický podklad k propojení dat, simulace, trénování a nasazení. Popisuje použité komponenty i rozdělení práce mezi cloudovou infrastrukturu a robotické zařízení. Oznámení dodavatele samo nepotvrzuje návratnost konkrétního projektu.
• RoboBusiness: program konference — Zdroj k připravované debatě o návratu výroby a průmyslové strategii. Program dokládá plánované zaměření diskuse; nelze jej zaměňovat za zprávu o výsledcích již uskutečněného panelu nebo za nezávislé hodnocení automatizace.
• Hugging Face: dokumentace robotického ramene SO-101 — Praktický technický návod pro stavitele. Obsahuje postup sestavení, softwarové požadavky a informace o pohonech. Hodí se k ověření potřebných dovedností i vybavení ještě před objednávkou jednotlivých součástek.
• ERÚ: sdílení elektřiny a energetická společenství — Český regulační zdroj vysvětlující principy sdílení a časový souběh výroby se spotřebou. Pro energetické plánování robotického provozu je podstatný zejména popsaný patnáctiminutový vyhodnocovací interval a fungování skupiny sdílení.
• IEA: klíčové otázky energetiky a umělé inteligence — Mezinárodní analytický zdroj pro výhled spotřeby datových center. Uvedené hodnoty představují souhrnný energetický kontext a projekci dalšího vývoje; nejsou měřením spotřeby robotů ani předpovědí účtu konkrétní české firmy.

Obchodujete s batteriovými úložišti nebo hledáte partnera pro flexibilitu a day trading elektřiny? SmartEnergyShare nabízí kompletní řešení pro BESS projekty od 50 do 250 kW — obchodování flexibility, SVR služby a IoT monitoring. Zjistěte víc →

Další články na toto téma najdete na: ShareElectric.cz Proč velcí dodavatelé elektřiny nechcou, abyste sdíleli e... Vice o dodavatelé