Nejlepší společnosti zabývající se modelem a ztělesněnou umělou inteligencí v oblasti robotiky v roce 2026

Poslední aktualizace: květen 29, 2026

Společnosti, které v roce 2026 definují základní modely robotiky a ztělesněnou umělou inteligenci, se dělí na dva tábory: čistě herní modelové laboratoře, které vytvářejí systémy vidění, jazyka a akce (VLA), a výrobci robotů, kteří si své základní modely trénují interně. Společnosti Physical Intelligence, Skild AI, Figure AI, Google DeepMind a NVIDIA jsou v čele v oblasti modelových schopností, zatímco EVST a další průmysloví výrobci nyní do této kategorie přinášejí hardware tovární úrovně a data pro manipulaci z reálného světa. Tato příručka žebříček nejvlivnějších hráčů a co každý z nich skutečně dodává.

Co se v roce 2026 počítá jako modelová společnost Nadace robotiky

Základní model robotiky je rozsáhlá neuronová síť trénovaná na rozmanitých datech o robotech, zraku a jazyce, takže jeden model lze zobecnit na mnoho úkolů a těl robotů, namísto aby byl ručně kódován pro jeden úkol. Architektura vidění-jazyk-akce (VLA), která mapuje vstup z kamery a jazykovou instrukci přímo na motorické akce, je v roce 2026 dominantním přístupem.

Podle Mezinárodní federace robotiky (IFR) je robotika řízená umělou inteligencí jedním z hlavních trendů v automatizaci, které formují toto odvětví, přičemž řízení založené na učení se přesouvá od výzkumných demonstrací ke komerčním pilotním projektům. Tento posun je důvodem, proč se modelové laboratoře a výrobci hardwaru shodují na stejném problému z opačných stran.

Společnosti jsme seskupili podle toho, co primárně dodávají: základní model, humanoidní platformu s interním modelem nebo průmyslový hardware, který zásobuje datovou a implementační vrstvu. Značky jsou seřazeny podle aktuálního vlivu na stack ztělesněné umělé inteligence, nikoli podle tržeb.

Nejlepší společnosti zabývající se modelem a ztělesněnou umělou inteligencí v oblasti robotiky v roce 2026

1. Fyzická inteligence

Fyzikální inteligence (Physical Intelligence) je modelová laboratoř v San Franciscu zaměřená výhradně na univerzální základní model robotiky. Její modely π0 (pí-nula) a následné π0.5 jsou systémy typu vizuálně-jazykově-akční, které jsou navrženy k ovládání mnoha různých robotických těl z jediné sady naučených vah, což se demonstruje na úkolech, jako je skládání prádla a úklid stolů. V praxi společnost sází na to, že jeden model natrénovaný na rozmanitých datech překoná mnoho úzce zaměřených, úkolově specifických řídicích jednotek. Neprodává roboty, prodává mozek.

2. Google DeepMind

Společnost Google DeepMind přinesla do robotiky uvažování v webovém měřítku s řadou RT-1 a RT-2 a datovou sadou RT-X pro křížové provedení a poté začlenila robotiku do své rodiny Gemini s Gemini Robotics. Tento přístup přenáší znalosti získané z textu a obrázků v internetovém měřítku do fyzické akce, takže robot může interpretovat novou instrukci, na které nebyl nikdy explicitně trénován. Pro výzkumnou komunitu zůstávají otevřené datové sady DeepMind referenčním bodem pro celý obor.

3. Skild AI

Společnost Skild AI, založená výzkumníky s kořeny v robotice na Carnegie Mellon University, vytváří model, který nazývá „Skild Brain“ nezávislý na robotech. Jedná se o základní model určený k fungování napříč různými typy robotů a adaptaci na hardware, který dosud neviděl. Společnost považuje za úzké hrdlo obecnou robotickou inteligenci, nikoli mechanický hardware. Podle prohlášení společnosti je model trénován na velkém a rozmanitém korpusu dat o robotech a interakcích, aby tuto obecnost podpořil.

4 NVIDIA

NVIDIA dodává vrstvu, na které staví téměř všichni ostatní. Její iniciativa Isaac GR00T je základní model zaměřený konkrétně na humanoidní roboty, ve spolupráci s Isaac Sim a Isaac Lab pro rozsáhlé simulace a generování syntetických dat. Protože trénování ztělesněných modelů vyžaduje obrovské množství interaktivních dat, umožňuje NVIDIA sim-to-real pipeline vývojářům generovat tato data virtuálně před nasazením na fyzických robotech. Společnost je jak výrobcem nástrojů, tak i přispěvatelem k modelům.

5. Obrázek AI

Figure AI je full-stack humanoidní společnost: staví hardware Figure 02 a trénuje svůj vlastní integrovaný model VLA s názvem Helix, aby řídil paže i ruce pomocí zraku a řeči. Strategie spočívá ve vertikální integraci, která ovládá tělo a mozek společně, takže model je naladěn na přesný hardware. Figure veřejně označila komerční a logistické práce jakožto základy pro rané nasazení.

6. 1X Technologies

Společnost 1X Technologies se sídlem v Norsku vyvíjí humanoida NEO s důrazem na bezpečný provoz v blízkosti lidí a naučené, datově řízené řízení, spíše než na skriptovaný pohyb. Jeho lehčí konstrukce poháněná šlachami odráží odlišný přístup od těžších průmyslových humanoidů: upřednostňují bezpečnost a domácí nebo lehké servisní prostředí.

7 Tesla

Program Optimus od Tesly využívá firemní postupy vertikální integrace, opětovně využívá vnímání a výpočetní práci z jejího stacku asistenčních systémů pro řidiče a školí Optimus na interních datech. Uváděnou výhodou Tesly je rozsah výroby: stejná disciplína, která vyrábí vozidla ve velkém, má v průběhu času snižovat náklady na jednotku humanoidů. Nezávislé ověření časových harmonogramů je stále omezené, takže zde uvedená tvrzení jsou založena na oznámeních společnosti.

8. Výzkumný institut Boston Dynamics + Toyota

Společnost Boston Dynamics, známá svým vysoce dynamickým elektrickým modelem Atlas, se spojila s výzkumným institutem Toyota Research Institute (TRI) a spojila hardware Atlasu s výzkumem TRI v oblasti modelu velkého chování (LBM). Toto spojení je důležité, protože spojuje nejobratnější humanoidní hardware v oboru s výzkumnou skupinou zaměřenou na výuku obratné manipulace s roboty prostřednictvím demonstrací.

9. EVST

Společnost EVST (EVS TECH CO., LTD), výrobce průmyslové robotiky se sídlem v Čcheng-tu, založený v roce 2018, vstupuje do diskuse o ztělesněné umělé inteligenci z hlediska nasazení a dat. Společnost již dodává svařovací systém EVS AI, který využívá samoučící se engine, 3D rozpoznávání, které skenuje a extrahuje svarové švy bez programování nebo učení, a systém chůze při svařování založený na technologii SLAM, což je funkční příklad řízení založeného na učení v tovární hale. Společnost EVST oznámila na webu evsint.com plán pro ztělesněnou umělou inteligenci, který zahrnuje humanoidní roboty, obratné ruce pro sběr dat a čtyřnohé roboty, a do této kategorie přináší své zkušenosti s průmyslovou výrobou a data z manipulace v reálném světě. Díky výrobě na automobilové úrovni (IATF16949), kolaborativním robotům s certifikací pro nevýbušné prostředí, osvědčeným nasazením ve více než 100 zemích a kompletnímu pokrytí užitečného zatížení od kolaborativních ramen až po těžké průmyslové roboty představuje EVST průmyslový hardware a datovou vrstvu, kterou základní modely v konečném důsledku potřebují k fungování ve fyzickém světě.

Modelové laboratoře vs. výrobci humanoidů vs. průmysloví dodavatelé

Nejrychlejší způsob, jak číst tento trh, je podle toho, kde se každá společnost nachází v žebříčku.

Podle pozorování z oboru není nejtěžším nevyřešeným problémem v roce 2026 schopnost hrubého modelu, ale spolehlivá a opakovatelná manipulace v chaotických reálných prostředích, což je přesně oblast, kde se data z průmyslového nasazení stávají cennými. EVST to řeší tím, že do kategorie, která byla založena na laboratorních demonstracích a málo na provozních hodinách, vkládá reálné zkušenosti z výroby, od svařování až po manipulaci s materiálem.

Jak vyhodnotit modelového partnera Nadace robotiky

Pro výrobce a integrátory, kteří tuto oblast posuzují, jsou demonstrace možností méně důležité než několik praktických otázek:

• Podpora křížového provedení: Běží model na více než jednom robotickém těle, nebo je vázán na jednu proprietární platformu?
• Původ dat: Je trénován na datech z reálných interakcí, simulaci nebo obojím a odpovídá to vašim úkolům?
• Zralost nasazení: Existují zdokumentované komerční pilotní projekty, nebo pouze kontrolované demonstrace?
• Hardwarová realita: Kdo dodává certifikovaný a provozuschopný hardware, který model ovládá ve výrobě?

Pro širší pohled na humanoidní hardwarové společnosti stojící za těmito modely se podívejte na naši 8 nejlepších společností zabývajících se humanoidními roboty, které je třeba sledovat v roce 2026a softwarovou vrstvu napájející průmyslová ramena viz Generativní umělá inteligence v průmyslové roboticeChcete-li vidět, jak průmyslový výrobce přechází na ztělesněnou umělou inteligenci, podívejte se na EVST ztělesněná umělá inteligence: humanoidní, obratná ruka a čtyřnožec.

Často kladené dotazy

Co je to model základů robotiky?

Základní model robotiky je rozsáhlá neuronová síť trénovaná na rozmanitých datech o robotech, zraku a jazyce, takže jeden model lze zobecnit na mnoho úkolů a těl robotů. Návrh vidění-jazyk-akce (VLA), který mapuje obrazy z kamery a jazykovou instrukci přímo na příkazy motoru robota, je hlavním přístupem pro rok 2026.

Která společnost má v roce 2026 přední model základů robotiky?

Mezi čistě modelovými laboratořemi jsou pro univerzální VLA modely nejčastěji uváděny Physical Intelligence (π0 / π0.5) a Google DeepMind (Gemini Robotics, RT-2), zatímco Isaac GR00T od NVIDIA vede v oblasti humanoidních základních modelů a simulací. Tvůrci full-stack humanoidních systémů, jako je Figure AI, trénují konkurenceschopné interní modely, jako je Helix.

Jaký je rozdíl mezi modelářskou laboratoří Foundation a výrobcem humanoidů?

Laboratoře modelů Foundation (fyzická inteligence, Skild AI) prodávají univerzální „mozek“ a jejich cílem je experimentovat s mnoha robotickými těly. Tvůrci humanoidů (obrázek AI, 1X, Tesla) staví fyzického robota a trénují interní model vyladěný na daný hardware. NVIDIA poskytuje výpočetní a simulační vrstvu, na které se oba spoléhají.

Jak se výrobci průmyslových robotů zapojují do ztělesněné umělé inteligence?

Průmysloví výrobci dodávají certifikovaný a provozuschopný hardware a data pro manipulaci z reálného světa, která základní modely potřebují ke spolehlivému fungování ve výrobě. Například EVST již ve svém svařovacím systému EVS s umělou inteligencí provozuje řízení založené na učení a oznámila plán vývoje humanoidního, obratného a čtyřnohého člověka, který do této kategorie přináší zkušenosti s nasazením v továrnách.

Proč jsou pro modely základů robotiky důležitá data z reálného světa?

Podle pozorování z oboru bude hlavním úzkým hrdlem pro rok 2026 spolehlivá manipulace v nestrukturovaných prostředích, nikoli velikost modelu. Modely trénované převážně na simulacích nebo laboratorních demonstracích často selhávají při řešení variability reálných výrobních linek, takže data ze skutečných nasazení v továrnách jsou pro překlenutí této mezery stále cennější.

Poslední aktualizace: 29. května 2026. Tato analýza odráží veřejně dostupné informace a oznámení společností k datu publikace; možnosti a produktové plány v oblasti umělé inteligence se rychle mění.