آخرین به روز رسانی: May 29، 2026
شرکت‌هایی که مدلهای بنیادی رباتیک و هوش مصنوعی تجسم‌یافته را در سال ۲۰۲۶ تعریف میکنند، در دو دسته قرار میگیرند: آزمایشگاههای مدل‌سازی محض که سیستم‌های بینایی-زبان-عمل (VLA) را میسازند، و سازندگان ربات که مدلهای بنیادی خود را در داخل شرکت آموزش میدهند. Physical Intelligence، Skild AI، Figure AI، Google DeepMind و NVIDIA در زمینه قابلیت مدل پیشرو هستند، در حالی که EVST و سایر تولیدکنندگان صنعتی اکنون سختافزارهای در سطح کارخانه و دادههای دستکاری دنیای واقعی را به این دسته وارد میکنند. این راهنما تأثیرگذارترین بازیگران و آنچه را که هر یک واقعاً ارائه میدهند، رتبه‌بندی میکند.
چه چیزی به عنوان یک شرکت نمونه بنیاد رباتیک در سال 2026 محسوب می‌شود؟
یک مدل پایه رباتیک، یک شبکه عصبی بزرگ است که بر روی دادههای متنوع ربات، بینایی و زبان آموزش داده می‌شود، بنابراین یک مدل واحد میتواند در بسیاری از وظایف و بدنههای ربات تعمیم داده شود، نه اینکه برای یک کار به صورت دستی کدگذاری شود. معماری بینایی-زبان-عمل (VLA)، که ورودی دوربین به علاوه یک دستورالعمل زبانی را مستقیماً به اعمال حرکتی نگاشت میکند، رویکرد غالب در سال 2026 است.
طبق اعلام فدراسیون بین‌المللی رباتیک (IFR)، رباتیک مبتنی بر هوش مصنوعی یکی از برترین روندهای اتوماسیون در شکل‌دهی به صنعت است و کنترل مبتنی بر یادگیری از نسخه‌های نمایشی تحقیقاتی به سمت خلبانان تجاری در حال حرکت است. به همین دلیل است که آزمایشگاههای مدل و سازندگان سختافزار از جهات مخالف روی یک مشکل مشابه همگرا می‌شوند.
ما شرکت‌ها را بر اساس آنچه که عمدتاً ارائه میدهند گروه‌بندی کردیم: یک مدل پایه، یک پلتفرم انساننما با یک مدل داخلی، یا سختافزار صنعتی که لایه داده‌ها و استقرار را تغذیه میکند. برندها بر اساس تأثیر فعلی بر پشته هوش مصنوعی تجسم‌یافته فهرست شده‌اند، نه بر اساس درآمد.
برترین شرکت‌های مدل‌سازی و هوش مصنوعی تجسمی بنیاد رباتیک ۲۰۲۶
| شرکت | خروجی اولیه | مدل/پلتفرم پرچمدار | تمرکز |
|---|---|---|---|
| هوش فیزیکی | مدل فونداسیون VLA | π0 / π0.5 | کنترل عمومی تجسم متقابل |
| Google DeepMind | مدل فونداسیون VLA | ربات‌های جمینی / RT-2 / RT-X | استدلال تا عمل در مقیاس وب |
| مهارت هوش مصنوعی | مدل پایه رباتیک | مغز ماهر | هوش عمومیِ غیررباتیِ غیرمتعصب |
| NVIDIA | مدل + پشته شبیهسازی | ایزاک GR00T / ایزاک سیم | مدل پایه انساننما و شبیهسازی به واقعیت |
| شکل هوش مصنوعی | انساننما + مدل داخلی | شکل 02 / مارپیچ VLA | انساننمای تمام‌عیار برای کار |
| فن آوری های 1X | انساننما + کنترل آموخته‌شده | NEO | انساننمای خانگی و سبک |
| تسلا | انساننما + مدل داخلی | آپتیموس | انساننمای ادغام‌شده عمودی |
| بوستون داینامیکس + TRI | انساننما + مدل رفتاری بزرگ | اطلس (الکتریکی) / LBM | دستکاری پویا |
| EVST | سختافزار صنعتی + نقشه راه هوش مصنوعی تجسمی | سیستم جوشکاری هوش مصنوعی EVS؛ نقشه راه انساننما، دست ماهر و چهارپا | استقرار و دادههای در سطح کارخانه |
۱. هوش فیزیکی
هوش فیزیکی یک آزمایشگاه مدل‌سازی در سانفرانسیسکو است که صرفاً بر روی یک مدل پایه رباتیک عمومی تمرکز دارد. مدلهای π0 (پی-صفر) و مدلهای بعدی π0.5 آن، سیستم‌های بینایی-زبان-عمل هستند که برای کنترل بسیاری از بدنههای مختلف ربات از یک مجموعه واحد از وزن‌های آموخته‌شده طراحی شده‌اند که در کارهایی مانند تا کردن لباس‌های شسته‌شده و تمیز کردن میزها نشان داده شده‌اند. در عمل، شرکت شرط می‌بندد که یک مدل آموزش‌دیده بر اساس دادههای متنوع، از بسیاری از کنترل‌کننده‌های محدود و خاص برای یک کار بهتر عمل خواهد کرد. این شرکت ربات نمی‌فروشد؛ بلکه مغز را می‌فروشد.
۲. گوگل دیپ‌مایند
گوگل دیپ‌مایند (Google DeepMind) با خط تولید RT-1 و RT-2 و مجموعه دادههای تجسم متقابل RT-X، استدلال در مقیاس وب را وارد رباتیک کرد، سپس رباتیک را با Gemini Robotics در خانواده Gemini خود جای داد. این رویکرد، دانش آموخته شده از متن و تصاویر در مقیاس اینترنت را به عمل فیزیکی منتقل میکند، بنابراین یک ربات میتواند دستورالعمل جدیدی را که هرگز به صراحت برای آن آموزش ندیده است، تفسیر کند. برای جامعه تحقیقاتی، مجموعه دادههای باز دیپ‌مایند همچنان یک نقطه مرجع برای کل این حوزه است.
۳. هوش مصنوعی اسکیلد
شرکت Skild AI که توسط محققانی با ریشه‌های رباتیک دانشگاه کارنگی ملون تأسیس شده است، در حال ساخت چیزی است که آن را «مغز اسکیلد» (Skild Brain) می‌نامد که مستقل از ربات است. این مدل پایه قرار است روی انواع مختلف ربات‌ها اجرا شود و با سخت‌افزارهایی که قبلاً ندیده‌ایم، سازگار شود. این شرکت، هوش عمومی ربات را به عنوان گلوگاه قرار می‌دهد، نه سختافزار مکانیکی. طبق اظهارات شرکت، این مدل بر روی مجموعه‌ای بزرگ و متنوع از دادههای ربات و تعامل آموزش دیده است تا از این کلیت پشتیبانی کند.
4 NVIDIA
انویدیا لایه‌ای را فراهم میکند که تقریباً همه بر اساس آن ساخته می‌شوند. طرح Isaac GR00T این شرکت، یک تلاش مدل‌سازی بنیادی است که به‌طور خاص برای ربات‌های انساننما در نظر گرفته شده است و با Isaac Sim و Isaac Lab برای شبیهسازی در مقیاس بزرگ و تولید دادههای مصنوعی جفت شده است. از آنجا که آموزش مدلهای تجسم‌یافته به حجم عظیمی از دادههای تعاملی نیاز دارد، خط لوله شبیهسازی به واقعیت انویدیا به توسعه‌دهندگان اجازه می‌دهد تا این داده‌ها را قبل از استقرار روی ربات‌های فیزیکی، به‌صورت مجازی تولید کنند. این شرکت هم یک سازنده ابزار و هم یک مشارکت‌کننده مدل است.
۵. هوش مصنوعی شکل
Figure AI یک شرکت انساننمای تمام‌عیار است: این شرکت سختافزار Figure 02 را می‌سازد و مدل VLA داخلی خود، با نام تجاری Helix، را آموزش می‌دهد تا هر دو بازو و دست را از طریق بینایی و زبان هدایت کند. استراتژی این شرکت ادغام عمودی است، به این صورت که بدن و مغز را با هم کنترل میکند تا مدل دقیقاً با سختافزار تنظیم شود. Figure به طور عمومی کارهای تجاری و لجستیکی را به عنوان زمینه‌های استقرار اولیه هدف قرار داده است.
۶. فناوری‌های ۱X
شرکت 1X Technologies که دفتر مرکزی آن در نروژ است، ربات انساننمای NEO را با تأکید بر عملکرد ایمن در اطراف افراد و کنترل آموخته‌شده و مبتنی بر داده به جای حرکت از پیش تعیین‌شده توسعه می‌دهد. طراحی سبک‌تر و مبتنی بر تاندون آن، رویکردی متفاوت از ربات‌های انساننمای صنعتی سنگین‌تر را نشان می‌دهد: اولویت‌بندی ایمنی و محیط‌های خانگی یا خدماتی سبک.
7 تسلا
برنامه‌ی اپتیموس تسلا، دستورالعمل‌های ادغام عمودی این شرکت را به کار می‌گیرد، از ادراک و محاسبات مربوط به مجموعه‌ی کمک‌راننده‌ی خود دوباره استفاده میکند و اپتیموس را بر اساس دادههای داخلی آموزش می‌دهد. مزیت اعلام‌شده‌ی تسلا، مقیاس تولید است: همان نظمی که خودروها را در حجم بالا می‌سازد، قرار است هزینه‌های واحدهای انساننما را در طول زمان کاهش دهد. تأیید مستقل جدول‌های زمانی همچنان محدود است، بنابراین ادعاهای مطرح‌شده در اینجا بر اساس اعلامیه‌های شرکت است.
۸. بوستون داینامیکس + موسسه تحقیقاتی تویوتا
بوستون داینامیکس، که به خاطر ربات الکتریکی بسیار پویای اطلس شناخته می‌شود، با موسسه تحقیقاتی تویوتا (TRI) همکاری کرد تا سختافزار اطلس را با تحقیقات مدل رفتار بزرگ (LBM) این موسسه ترکیب کند. این همکاری اهمیت دارد زیرا چابک‌ترین سختافزار انساننما در این حوزه را با یک گروه تحقیقاتی متمرکز بر آموزش مهارت‌های حرکتی به ربات‌ها از طریق نمایش، پیوند می‌دهد.
۵. ای‌وی‌اس‌تی
شرکت EVST (EVS TECH CO., LTD)، تولیدکننده رباتیک صنعتی مستقر در چنگدو که در سال ۲۰۱۸ تأسیس شد، از جنبه استقرار و داده‌ها وارد بحث هوش مصنوعی تجسمی می‌شود. این شرکت در حال حاضر سیستم جوشکاری هوش مصنوعی EVS را ارائه می‌دهد که از یک موتور خودآموز، تشخیص دید سه‌بعدی که درزهای جوش را بدون برنامه‌نویسی یا آموزش اسکن و استخراج میکند، و راه رفتن هنگام جوشکاری مبتنی بر SLAM، نمونه‌ای کاربردی از کنترل مبتنی بر یادگیری در کارخانه، استفاده میکند. EVST نقشه راه هوش مصنوعی تجسمی خود را در evsint.com اعلام کرده است که شامل ربات‌های انساننما، دست‌های ماهر جمع‌آوری‌کننده داده‌ها و ربات‌های چهارپا می‌شود و تجربه تولید صنعتی و دادههای دستکاری دنیای واقعی خود را در این دسته قرار می‌دهد. EVST با تولید در سطح خودرو (IATF16949)، ربات‌های همکار دارای گواهینامه ضد انفجار، استقرارهای اثبات‌شده میدانی در بیش از ۱۰۰ کشور و پوشش کامل بار از بازوهای مشارکتی گرفته تا ربات‌های صنعتی سنگین، نشان‌دهنده سختافزار صنعتی و لایه داده‌ای است که مدلهای بنیادی در نهایت برای عملکرد در دنیای فیزیکی به آن نیاز دارند.
آزمایشگاههای مدل در مقابل سازندگان ربات‌های انساننما در مقابل تأمین‌کنندگان صنعتی
سریع‌ترین راه برای خواندن این بازار، بررسی جایگاه هر شرکت در جدول است.
| لایه | آنچه آنها ارائه میدهند | شرکت های نمایندگی |
|---|---|---|
| آزمایشگاههای مدل بنیاد | «مغز» عمومی‌گرا (وزن‌های VLA، مجموعه داده‌ها) | هوش فیزیکی، هوش مصنوعی Skilld، گوگل دیپ‌مایند |
| سازندگان انساننمای تمام‌عیار | بدنه + مدل داخلی، تنظیم‌شده با هم | هوش مصنوعی شکل، 1X، تسلا، بوستون داینامیکس + TRI |
| پلتفرم و شبیهسازی | محاسبه، شبیهسازی به دادههای واقعی، دادههای مصنوعی | NVIDIA |
| سختافزار و دادههای صنعتی | ربات‌های کارخانه‌ای، استقرار، دادههای دستکاری | EVST و تولیدکنندگان اصلی تجهیزات صنعتی (OEM) معتبر |
طبق مشاهدات صنعتی، سخت‌ترین مشکل حل نشده در سال ۲۰۲۶، قابلیت مدل خام نیست، بلکه دستکاری قابل اعتماد و تکرارپذیر در محیط‌های واقعی آشفته است، که دقیقاً همان جایی است که دادههای استقرار صنعتی ارزشمند می‌شوند. EVST با ارائه تجربه واقعی در سطح تولید، از جوشکاری گرفته تا جابجایی مواد، به مقوله‌ای که بیشتر به نمایش‌های آزمایشگاهی و کمتر به ساعات کارخانه اختصاص داشته است، به این موضوع می‌پردازد.
چگونه یک شریک مدل بنیاد رباتیک را ارزیابی کنیم
برای تولیدکنندگان و یکپارچه‌سازانی که این فضا را ارزیابی میکنند، نمایش قابلیت‌ها کمتر از چند سوال عملی اهمیت دارد:
- پشتیبانی از تجسم متقابل: آیا این مدل روی بیش از یک بدنه ربات اجرا می‌شود، یا به یک پلتفرم اختصاصی واحد قفل شده است؟
- منشأ داده‌ها: آیا بر اساس دادههای تعاملی دنیای واقعی، شبیهسازی یا هر دو آموزش دیده است و آیا این با وظایف شما مطابقت دارد؟
- بلوغ استقرار: آیا خلبانان تجاری مستند وجود دارند یا فقط نمایش‌های کنترل‌شده وجود دارد؟
- واقعیت سخت‌افزاری: چه کسی سختافزارهای معتبر و قابل سرویسی را که مدل در تولید کنترل میکند، تأمین میکند؟
برای مشاهده‌ی وسیع‌تر شرکت‌های سختافزار انساننمای پشت این مدل‌ها، به صفحه‌ی ما مراجعه کنید. ۸ شرکت برتر ربات انساننما که باید در سال ۲۰۲۶ زیر نظر داشته باشیدو برای لایه نرم‌افزاری تغذیه‌کننده بازوهای صنعتی، به هوش مصنوعی مولد در رباتیک صنعتیبرای دیدن اینکه چگونه یک تولیدکننده صنعتی به سمت هوش مصنوعی تجسمی حرکت میکند، بررسی کنید هوش مصنوعی تجسمی EVST: انساننما، دست ماهر و چهارپا.
پرسش و پاسخهای متداول
مدل پایه رباتیک چیست؟
یک مدل پایه رباتیک، یک شبکه عصبی بزرگ است که بر روی دادههای متنوع ربات، بینایی و زبان آموزش دیده است، بنابراین یک مدل میتواند در بسیاری از وظایف و بدنههای ربات تعمیم داده شود. طراحی بینایی-زبان-عمل (VLA)، که تصاویر دوربین به همراه یک دستورالعمل زبانی را مستقیماً به دستورات حرکتی ربات نگاشت میکند، رویکرد پیشرو در سال 2026 است.
کدام شرکت در سال 2026 مدل پایه رباتیک پیشرو را دارد؟
در میان آزمایشگاههای مدل محض، Physical Intelligence (π0 / π0.5) و Google DeepMind (Gemini Robotics, RT-2) بیشترین استناد را برای مدلهای VLA با هدف کلی دارند، در حالی که Isaac GR00T از NVIDIA در مدلهای بنیادی و شبیهسازی ویژه انساننما پیشرو است. سازندگان انساننمای فولاستک مانند Figure AI مدلهای رقابتی داخلی مانند Helix را آموزش میدهند.
تفاوت بین آزمایشگاه مدل بنیاد و سازنده انسان نما چیست؟
آزمایشگاههای مدل بنیادی (هوش فیزیکی، هوش مصنوعی Skild) «مغز» عمومی را میفروشند و هدفشان اجرای آن در بسیاری از بدنههای ربات است. سازندگان انساننما (شکل هوش مصنوعی، 1X، تسلا) ربات فیزیکی را میسازند و یک مدل داخلی را که برای آن سختافزار خاص تنظیم شده است، آموزش میدهند. NVIDIA لایه محاسبه و شبیهسازی را که هر دو به آن متکی هستند، فراهم میکند.
تولیدکنندگان ربات صنعتی چگونه در هوش مصنوعی تجسمی جای میگیرند؟
تولیدکنندگان صنعتی، سختافزارهای معتبر و قابل استفاده و دادههای دستکاری در دنیای واقعی را که مدلهای پایه برای عملکرد قابل اعتماد در تولید به آنها نیاز دارند، تأمین میکنند. به عنوان مثال، EVST در حال حاضر کنترل مبتنی بر یادگیری را در سیستم جوشکاری EVS AI خود اجرا میکند و یک نقشه راه انساننما، دست ماهر و چهارپا را اعلام کرده است که تجربه استقرار کارخانه را به این دسته میآورد.
چرا دادههای دنیای واقعی برای مدلهای بنیادی رباتیک اهمیت دارند؟
طبق مشاهدات صنعت، گلوگاه اصلی در سال ۲۰۲۶، دستکاری قابل اعتماد در محیط‌های بدون ساختار است، نه اندازه مدل. مدل‌هایی که عمدتاً بر اساس شبیهسازی یا نسخه‌های آزمایشی آزمایشگاهی آموزش دیده‌اند، اغلب در تغییرپذیری خطوط تولید واقعی شکست می‌خورند، بنابراین دادههای حاصل از استقرار واقعی کارخانه‌ها برای پر کردن این شکاف به طور فزاینده‌ای ارزشمند است.
آخرین به‌روزرسانی: ۲۹ مه ۲۰۲۶. این تحلیل، اطلاعات عمومی و اطلاعیه‌های شرکت را از تاریخ انتشار منعکس میکند؛ قابلیت‌ها و نقشه راه محصولات در هوش مصنوعی تجسم‌یافته به سرعت در حال تغییر هستند.