Stroj, který nepotřebuje přestávku, kafé ani sick day: Humanoidní roboti vstupují do těžkého průmyslu

Trvalo čtyřicet let, než roboti přestali vypadat jako hračky z vědeckofantastického filmu a začali fyzicky pracovat vedle lidí na montážní lince. A teď přišel zlom, který většina analytiků čekala nejdříve v roce 2035. Figure AI podepsala smlouvu s BMW na nasazení svého robota Figure 01 přímo v karosárně v Spartanburgu. Tesla testuje Optimuse na vlastní výrobní lince v Texasu. Amazon investoval 150 milionů dolarů do startupu Agility Robotics. Není to marketingový hype — jsou to konkrétní smlouvy s konkrétními čísly.

Otázka ale zní jinak: co to obnáší technicky dostat humanoidního robota z laboratorního videa do skutečného provozu, kde padá sníh, podlahy jsou mokré a šrouby mají různé výrobní tolerance?

Proč humanoidní tvar — a ne tradiční průmyslový robot?

Tradiční průmyslový robot, například šestiosý ABB IRB 6700, je geniální stroj. Ale je přišroubovaný k podlaze, pracuje v bezpečnostní kleci a potřebuje přesně nadefinovaný úkol. Přesuňte ho o dva metry, a musí celý tým přeprogramovat trasy pohybu.

Humanoidní robot slibuje něco úplně jiného: použití infrastruktury navržené pro člověka. Schody, dveře, výtahy, regály ve výšce 180 centimetrů — vše bylo navrženo tak, aby to fungovalo pro dvounohého tvora s pěti prsty. Nasazení klasického robota do takového prostředí by znamenalo přestavět celou halu. Humanoid ji přebírá beze změn.

Figure AI to formuluje přesně: jejich robot Figure 01 má výšku 168 cm, váhu 60 kg a nosnost 20 kg v každé ruce. Baterie vydrží pět hodin nepřetržitého provozu. To nestačí na celou směnu, ale BMW řeší rotaci — zatímco jeden robot pracuje, druhý se dobíjí. Paralelní provoz dvou strojů na jednom pracovišti pokryje osmihodinovou směnu s rezervou.

Co je ale klíčové: Figure 01 zvládá úkoly, které předchozí generace robotů nedokázala vůbec. V únoru 2024 demonstroval schopnost samostatně rozbalovat díly z bedny, třídit je podle vizuálního rozpoznání a odkládat na konkrétní pozice — bez předprogramování každého pohybu, čistě na základě videodemonstraciod člověka.

Trénink: Miliony hodin v simulaci, aby robot přežil první den v práci

Největší technická výzva není hardware — je to trénink. A tady se odehrává nejzajímavější věc posledních dvou let.

Klasický průmyslový robot se programuje pohyb po pohybu. Humanoid se musí naučit pohybovat jako člověk, včetně všech variabilit reálného světa. Výzkumníci z Carnegie Mellon University prokázali, že přímý přenos pohybových dat z lidských demonstrací do robotického těla selhává kvůli rozdílné kinematice — robot má jiné proporce, jiný těžiště, jiné třecí síly v kloubech.

Řešení přišlo z kombinace tří přístupů:

Imitation learning z mocap dat. Herci ve speciálních oblecích s markery provádějí tisíce opakování běžných průmyslových úkonů. Tato data se převedou do tréninkového datasetu a robot si je "přehrává" v simulaci. Tesla uvádí, že Optimus strávil přes 1000 hodin simulovaného tréninku jen pro jeden typ úkolu — třídění baterií.

Reinforcement learning v fyzikálním enginu. Simulátory jako Isaac Gym od Nvidie umožňují trénovat robota milionkrát rychleji než v reálu. Robot zkouší různé strategie uchopení, padá, vstává, optimalizuje. Za 24 hodin GPU tréninku získá zkušenost odpovídající přibližně deseti letům fyzického zkoušení.

Real-to-sim-to-real transfer. Klíčový problém je, že simulace není reálný svět. Podlaha v simulaci je dokonale rovná, box má přesné rozměry. Výzkumníci z MIT a Stanfordu vyvinuli techniku domain randomization — záměrné přidávání náhodného šumu do simulace (různé textury, různé tření, různé hmotnosti objektů), aby robot naučil robustní chování, které přežije přechod do reality.

Výsledky jsou překvapivě dobré. Boston Dynamics demonstroval robota Atlas, který zvládá parkouru na nerovném terénu s překážkami, které nebyly v tréninku. Agility Robotics Digit se naučil manipulovat s přepravkami v distribučním centru Amazonu s chybovostí pod 2 % — srovnatelnou s unaveným lidským pracovníkem.

Co stojí hodina práce humanoidního robota vs. člověk

Tohle je číslo, na které čekají CFO firem po celém světě, a konečně ho máme.

Figure AI v dokumentech pro investory z roku 2024 uvádí cílovou cenu Figure 01 na 16 000 dolarů za kus při sériové výrobě nad 10 000 kusů ročně. Při odepisování na 5 let a průměrném využití 16 hodin denně to vychází na přibližně 1,5 dolaru za hodinu práce — bez energie, s opravami možná 2,5 dolaru.

Porovnejte to s minimální mzdou v USA (7,25 dolaru federálně, v průmyslových státech 15-20 dolarů) nebo s českou průmyslovou mzdou 180-250 Kč/hod po odvodu. Ekonomika je brutálně jasná.

Ale pozor — cena 16 000 dolarů je výhledová. Aktuální cena Figure 01 v pilotních projektech je neveřejná, ale podle zdrojů blízkých finančním kruhům se pohybuje kolem 70 000 dolarů. Tesla Optimus má podobný výhled: Elon Musk mluví o ceně pod 20 000 dolarů, ale to je horizont 2027-2028.

1X Technologies, norský startup financovaný OpenAI, jde ještě dál. Jejich robot NEO je navržen pro domácí prostředí, ne továrnu, s cílovou cenou 30 000 dolarů. Ale to je spíše sen než realita — aktuální prototypy stojí přes 100 000.

Kdybychom měli situaci přirovnat k energetice: je to jako s bateriemi. Ceny lithium-iontových systémů klesly za 10 let o 90 %. Humanoidní roboti jsou teď tam, kde byly baterie kolem roku 2015 — drahé, ale za pár let přijde cenový zlom. Mimochodem, pro energetické provozy, kde chcete sledovat náklady na provoz a optimalizovat vstupy, doporučuji podívat se na platformu pro sdílení elektřiny — přesně ta mentalita datově řízeného rozhodování, která se hodí i při evaluaci robotizace.

Kde roboti skutečně fungují — a kde ještě padají (doslova)

Úspěchy jsou reálné, ale selektivní. Roboti excelují v takzvaném "structured environment" — prostředí s předvídatelnou geometrií, konstantním osvětlením a omezenou variabilitou objektů. Distribuční centra, montážní linky, sklady.

Digit od Agility Robotics aktuálně pracuje ve čtyřech pilotních zařízeních Amazonu. Úkol: přesouvat plastové přepravky (totes) ze stěny na dopravník. Jednoduché, opakující se, vysoce vhodné pro robot. Digit zvládá 2-3 přepravky za minutu, pracuje 20 hodin denně s dvěma hodinami nabíjení. Amazon reportuje 99,8% spolehlivost pro tento konkrétní úkol.

Kde roboti selhávají: nestrukturované prostředí. Staveniště, zemědělství, záchranné operace — to jsou případy, kde stále platí brutální limity. Boston Dynamics Atlas je technicky nejpokročilejší humanoid světa a i tak ho výzkumníci popsali jako "consistently inconsistent" — v nepředvídatelném terénu selže způsoby, které jsou pro člověka nepochopitelné.

Konkrétní příklad: robot, který spolehlivě třídí 10 000 identických boxů denně, může selhat, když dostane box se zmačkaným rohem. Lidský mozek tento problém řeší automaticky za milisekundy. Robot potřebuje explicitní trénink na tuto variantu — a pak na další a další. Dlouhý ocas výjimek je zatím nevyřešený problém.

Pro česká průmyslová nasazení (automotive, logistika, Škoda Auto, DHL, Amazon Dobrovíz) to znamená: roboti jsou připraveni pro specifické, opakující se úkoly. Přesně takové, kde jsou dnes nejhůře obsaditelné pozice. Paradoxně robotizace nejprve zasáhne "nekvalifikovanou" práci, která je fyzicky nejnáročnější.

Více o tom, jak technologické trendy ovlivňují energetiku a průmysl, najdete na sdilenienergie.info a praktické kalkulace ekonomiky nových technologií na ShareElectric.cz.

Energie, trénink dat a otevřené platformy: Co přijde v letech 2025-2028

Největší bitva se teď odehrává o tréninkové platformy — ne o hardware.

Google DeepMind vydal v roce 2024 RT-2, model, který kombinuje vizuální rozpoznávání s robotickým řízením. Klíčová vlastnost: robot se může naučit nový úkol z několika video ukázek, bez přeprogramování. Meta vydala Dobb·E, open-source framework pro domácí robotiku. Hugging Face spustil LeRobot — první velký open-source repozitář tréninkových dat pro roboty, s přispěvatelskou komunitou přes 2000 výzkumníků.

Tohle je moment, kdy se ekosystém otevírá. Stejně jako open-source LLM modely (Llama, Mistral) demokratizovaly AI pro text, LeRobot a podobné projekty začínají demokratizovat robotiku. Malé firmy a univerzity mohou sdílet tréninkové datasety — a to dramaticky zrychluje vývoj.

Pro energetický průmysl je specificky zajímavý projekt výzkumníků z ETH Zürich: robot trénovaný pro inspekci solárních panelů. Schopný pohybovat se po střeše, identifikovat poškozené články pomocí termokamery a reportovat GPS polohu závady. Aktuálně ve fázi polní pilotáže ve Španělsku, plánovaná komercializace 2026.

Spotřeba energie humanoidních robotů je mimochodem zajímavé číslo: Figure 01 spotřebuje přibližně 500 W při aktivním pohybu. Za 16hodinovou směnu to je 8 kWh — srovnatelné s průměrnou denní spotřebou domácnosti. Pro firmy, které mají vlastní FVE nebo přístup k levné průmyslové elektřině, jde o provozní náklady pohybující se kolem 30-50 Kč/den na robota. SmartEnergyShare zároveň nabízí firmám nástroje pro optimalizaci spotřeby — day trading elektřiny, obchodování odchylek a regulační elektřinu — což přesně sedí na provoz energeticky náročných robotických systémů.

Závěr: Kdo to nestihne, zaplatí dvakrát

Česká průmyslová výroba stojí na rozcestí, které se otevřelo během posledních osmnácti měsíců. Robotizace přestala být věcí budoucnosti a stala se věcí konkrétních nabídkových řízení. BMW, Mercedes, Amazon — to nejsou malé piloty, to jsou strategická rozhodnutí s horizontem 10 let.

Firmy, které čekají, jestli to "dopadne", riskují stejné dilema jako ten, kdo v roce 2018 říkal, že počká na "stabilnější" trh s elektromobily. Dočkal se, ale zdražené infrastruktury a obsazených dodavatelských kapacit.

Přechod nebude bez třecích ploch — odbory, legislativa bezpečnosti práce, pojistné modely pro autonomní stroje. V České republice zatím chybí jasný regulační rámec pro nasazení autonomních humanoidů v průmyslu. To je úkol pro Průmyslové svazy a MPO, nikoliv pro startupy.

Ale fyzika ekonomiky je neúprosná. Stroj, který pracuje 20 hodin denně, nepotřebuje dovolenou, sick days ani přestávku na oběd, a stojí méně než roční mzda — ten stroj nastoupí do práce. Je jen otázka, kdy to bude.

Zdroje

IEEE Spectrum — Figure AI BMW Partnership — technická analýza nasazení Figure 01
The Robot Report — Humanoid Benchmarks 2024 — srovnání výkonu humanoidů v průmyslu
MIT Technology Review — Physical AI — výzkum tréninkových metod pro fyzické AI systémy
Agility Robotics — Amazon Partnership Details — oficální dokumentace pilotního projektu
ETH Zürich — Solar Inspection Robotics Research — výzkum robotické inspekce FVE systémů

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 odchylek, regulační elektřiny a intraday trading. Zjistěte víc na SmartEnergyShare.

Další články na toto téma najdete na: Electric-Share.cz - legislativa a dotace SmartEnergyShare.cz - baterie, VPP a balkónové elektrárny