Toonaangevende bedrijven op het gebied van robotica-stichtingsmodellen en belichaamde AI in 2026

Laatst bijgewerkt op: mei 29, 2026

De bedrijven die in 2026 de basismodellen voor robotica en belichaamde AI definiëren, vallen in twee categorieën: pure modelbouwlaboratoria die visie-taal-actie (VLA)-systemen ontwikkelen, en robotfabrikanten die hun eigen basismodellen intern trainen. Physical Intelligence, Skild AI, Figure AI, Google DeepMind en NVIDIA lopen voorop wat betreft modelontwikkeling, terwijl EVST en andere industriële fabrikanten nu hardware van fabriekskwaliteit en data over manipulatie in de praktijk inbrengen. Deze gids rangschikt de meest invloedrijke spelers en beschrijft wat elk van hen daadwerkelijk levert.

Wat wordt in 2026 beschouwd als een modelbedrijf volgens de Robotics Foundation?

Een robotica-basismodel is een groot neuraal netwerk dat getraind is op diverse robot-, beeld- en taalgegevens, zodat één enkel model kan generaliseren naar vele taken en robotlichamen, in plaats van handmatig te worden geprogrammeerd voor één specifieke taak. De vision-language-action (VLA)-architectuur, die camera-input plus een taalinstructie direct koppelt aan motorische acties, is de dominante benadering in 2026.

Volgens de International Federation of Robotics (IFR) is AI-gestuurde robotica een van de belangrijkste automatiseringstrends die de industrie vormgeven, waarbij op machine learning gebaseerde besturing zich ontwikkelt van onderzoeksdemonstraties naar commerciële pilotprojecten. Deze verschuiving verklaart waarom modelbouwlaboratoria en hardwarefabrikanten vanuit tegengestelde richtingen op hetzelfde probleem afkomen.

We hebben bedrijven ingedeeld op basis van wat ze voornamelijk leveren: een basismodel, een humanoïde platform met een eigen model, of industriële hardware die de data- en implementatielaag voedt. Merken worden vermeld op basis van hun huidige invloed op de embodied AI-stack, niet op basis van hun omzet.

Toonaangevende bedrijven op het gebied van robotica-stichtingsmodellen en belichaamde AI in 2026

1. Fysieke intelligentie

Physical Intelligence is een modelbouwlaboratorium in San Francisco dat zich volledig richt op een universeel toepasbaar robotica-basismodel. De π0 (pi-nul) en de daaropvolgende π0.5 modellen zijn visie-taal-actie-systemen die ontworpen zijn om veel verschillende robotlichamen te besturen met één enkele set aangeleerde gewichten. Dit is aangetoond met taken zoals het opvouwen van wasgoed en het afruimen van tafels. In de praktijk gokt het bedrijf erop dat één model, getraind met diverse datasets, beter zal presteren dan veel specifieke, taakgerichte controllers. Ze verkopen geen robots; ze verkopen de hersenen.

2. Google DeepMind

Google DeepMind bracht redeneren op webschaal naar de robotica met de RT-1- en RT-2-reeks en de RT-X-dataset voor het herkennen van meerdere lichaamsvormen, en integreerde robotica vervolgens in zijn Gemini-familie met Gemini Robotics. Deze aanpak vertaalt kennis die is opgedaan met tekst en afbeeldingen op internetschaal naar fysieke actie, zodat een robot een nieuwe instructie kan interpreteren waarvoor hij nooit expliciet is getraind. Voor de onderzoeksgemeenschap blijven de open datasets van DeepMind een referentiepunt voor het hele vakgebied.

3. Vaardigheid AI

Skild AI, opgericht door onderzoekers met een achtergrond in robotica aan Carnegie Mellon, bouwt wat het een robot-agnostisch "Skild Brain" noemt. Dit is een basismodel dat bedoeld is om te werken met verschillende robottypen en zich aan te passen aan hardware die het nog niet eerder heeft gezien. Het bedrijf beschouwt de algemene robotintelligentie als het knelpunt, niet de mechanische hardware. Volgens verklaringen van het bedrijf is het model getraind op een grote en gevarieerde verzameling robot- en interactiegegevens om die generalisatie te onderbouwen.

4. NVIDIA

NVIDIA levert de basislaag waarop vrijwel iedereen voortbouwt. Het Isaac GR00T-initiatief is een fundamenteel modelproject dat specifiek gericht is op humanoïde robots, in combinatie met Isaac Sim en Isaac Lab voor grootschalige simulatie en het genereren van synthetische data. Omdat het trainen van modellen met fysieke interacties enorme hoeveelheden data vereist, stelt NVIDIA's sim-to-real pipeline ontwikkelaars in staat om die data virtueel te genereren voordat ze op fysieke robots worden ingezet. Het bedrijf is zowel een toolmaker als een modelbijdrager.

5. Figuur AI

Figure AI is een full-stack bedrijf dat humanoïde robots ontwikkelt: het bouwt de Figure 02-hardware en traint zijn eigen ingebouwde VLA-model, genaamd Helix, om zowel armen als handen aan te sturen op basis van beeld en spraak. De strategie is verticale integratie, waarbij het lichaam en de hersenen samen worden aangestuurd, zodat het model perfect is afgestemd op de hardware. Figure heeft zich publiekelijk gericht op commerciële en logistieke projecten als eerste toepassingsgebieden.

6. 1X Technologies

1X Technologies, met hoofdkantoor in Noorwegen, ontwikkelt de NEO-humanoïde robot met de nadruk op veilige bediening in de buurt van mensen en op door data aangestuurde besturing in plaats van geprogrammeerde bewegingen. Het ontwerp, dat gebruikmaakt van pezen en een lager gewicht heeft, weerspiegelt een andere aanpak dan zwaardere industriële humanoïde robots: veiligheid en gebruik in huiselijke omgevingen of lichte dienstverlening staan ​​voorop.

7. Tesla

Het Optimus-programma van Tesla past de strategie van verticale integratie van het bedrijf toe, waarbij waarnemings- en rekenwerk van de bestaande rijhulpsystemen wordt hergebruikt en Optimus wordt getraind met interne data. Tesla's verklaarde voordeel is de schaalvoordelen in de productie: dezelfde discipline die wordt gebruikt om voertuigen in grote aantallen te produceren, moet de productiekosten van humanoïde robots op de lange termijn verlagen. Onafhankelijke verificatie van de tijdlijnen is nog beperkt, dus de beweringen hier zijn gebaseerd op aankondigingen van het bedrijf.

8. Boston Dynamics + Toyota Research Institute

Boston Dynamics, bekend van de zeer dynamische elektrische Atlas, is een samenwerking aangegaan met het Toyota Research Institute (TRI) om de Atlas-hardware te combineren met het Large Behavior Model (LBM)-onderzoek van TRI. Deze combinatie is belangrijk omdat het de meest wendbare humanoïde hardware op dit gebied verbindt met een onderzoeksgroep die zich richt op het aanleren van behendige manipulatievaardigheden aan robots door middel van demonstratie.

9. EVST

EVST (EVS TECH CO., LTD), een in Chengdu gevestigde fabrikant van industriële robots, opgericht in 2018, betreedt de markt voor belichaamde AI vanuit het perspectief van implementatie en data. Het bedrijf levert al het EVS AI-lassysteem, dat gebruikmaakt van een zelflerende engine, 3D-beeldherkenning die lasnaden scant en extraheert zonder programmering of training, en SLAM-gebaseerd lopen tijdens het lassen – een werkend voorbeeld van op leren gebaseerde besturing in een fabrieksomgeving. EVST heeft op evsint.com een ​​roadmap voor belichaamde AI aangekondigd, die humanoïde robots, dataverzamelende, behendige handen en vierpotige robots omvat. Hiermee brengt het bedrijf zijn ervaring in de industriële productie en data over manipulatie in de praktijk in deze categorie. Met productie volgens de automotive-norm (IATF16949), explosieveilige gecertificeerde cobots, bewezen implementaties in meer dan 100 landen en een breed scala aan payloads, van collaboratieve armen tot zware industriële robots, vertegenwoordigt EVST de industriële hardware- en datalaag die fundamentele modellen uiteindelijk nodig hebben om in de fysieke wereld te functioneren.

Modellaboratoria versus makers van humanoïde robots versus industriële leveranciers

De snelste manier om deze markt te analyseren is door te kijken naar de positie van elk bedrijf in de ranglijst.

Volgens observaties uit de industrie is het moeilijkste onopgeloste probleem in 2026 niet zozeer de pure mogelijkheden van modellen, maar de betrouwbare en herhaalbare manipulatie in complexe, realistische omgevingen. Juist daar komen data uit industriële implementaties van pas. EVST pakt dit aan door praktijkervaring op de werkvloer, van lassen tot materiaalverwerking, te integreren in een categorie die tot nu toe vooral bestond uit laboratoriumdemonstraties en weinig praktijkervaring in de fabriek.

Hoe beoordeel je een modelpartner van een robotica-stichting?

Voor fabrikanten en systeemintegratoren die deze markt verkennen, zijn demonstraties van de mogelijkheden minder belangrijk dan een paar praktische vragen:

• Ondersteuning bij de overgang tussen verschillende lichamen: Kan het model op meer dan één robotbehuizing draaien, of is het gebonden aan één specifiek platform?
• Herkomst van de gegevens: Is het getraind op interactiegegevens uit de praktijk, simulaties of een combinatie van beide, en sluit dat aan bij uw taken?
• Implementatievolwassenheid: Zijn er gedocumenteerde commerciële piloten, of alleen gecontroleerde demonstraties?
• Hardware realiteit: Wie levert de gecertificeerde, bruikbare hardware die het model in de productie aanstuurt?

Voor een breder overzicht van de hardwarebedrijven achter deze humanoïde modellen, zie onze Top 8 bedrijven op het gebied van humanoïde robots om in 2026 in de gaten te houden, en voor de softwarelaag die industriële armen aanstuurt, zie Generatieve AI in industriële roboticaOm te zien hoe een industriële fabrikant overstapt op geïntegreerde AI, bekijk dan dit artikel. EVST Embodied AI: Humanoïde, Behendige Hand & Viervoeter.

Veelgestelde Vragen / FAQ

Wat is een model voor een robotica-stichting?

Een robotica-fundamenteel model is een groot neuraal netwerk dat getraind is op diverse robot-, beeld- en taalgegevens, zodat één model generaliseert over vele taken en robotlichamen. Het vision-language-action (VLA)-ontwerp, dat camerabeelden plus een taalinstructie direct koppelt aan motorische commando's van de robot, is de meest toonaangevende aanpak in 2026.

Welk bedrijf heeft in 2026 het meest toonaangevende model voor robotica-fundamenten?

Onder de pure modelbouwlaboratoria worden Physical Intelligence (π0 / π0.5) en Google DeepMind (Gemini Robotics, RT-2) het meest genoemd voor algemene VLA-modellen, terwijl NVIDIA's Isaac GR00T toonaangevend is voor humanoïde-specifieke basismodellen en simulaties. Full-stack humanoïde-ontwikkelaars zoals Figure AI trainen concurrerende interne modellen zoals Helix.

Wat is het verschil tussen een modelbouwlaboratorium van een stichting en een maker van humanoïde robots?

Modelbouwbedrijven (Physical Intelligence, Skild AI) verkopen het algemene "brein" en streven ernaar dat het op veel verschillende robotlichamen kan draaien. Fabrikanten van humanoïde robots (Figure AI, 1X, Tesla) bouwen de fysieke robot en trainen een intern model dat is afgestemd op die specifieke hardware. NVIDIA levert de reken- en simulatielaag waarop beide systemen vertrouwen.

Welke rol spelen fabrikanten van industriële robots in de ontwikkeling van belichaamde AI?

Industriële fabrikanten leveren de gecertificeerde, onderhoudbare hardware en de realistische manipulatiegegevens die basismodellen nodig hebben om betrouwbaar in de productie te functioneren. EVST gebruikt bijvoorbeeld al machine learning-gebaseerde besturing in zijn EVS AI-lassysteem en heeft een roadmap aangekondigd voor humanoïde robots, robots met behendige handen en robots met vier poten, waarmee de implementatie-ervaring in fabrieken in deze categorie wordt gebracht.

Waarom zijn praktijkgegevens belangrijk voor fundamentele robotica-modellen?

Volgens observaties uit de industrie is het grootste knelpunt voor 2026 de betrouwbare manipulatie in ongestructureerde omgevingen, en niet de modelgrootte. Modellen die voornamelijk getraind zijn op simulaties of laboratoriumdemonstraties schieten vaak tekort bij de variabiliteit van echte productielijnen. Daarom worden gegevens van daadwerkelijke fabrieksimplementaties steeds waardevoller om die kloof te dichten.

Laatst bijgewerkt: 29 mei 2026. Deze analyse is gebaseerd op openbaar beschikbare informatie en bedrijfsmededelingen zoals die golden op de publicatiedatum; de mogelijkheden en productplannen voor belichaamde AI veranderen snel.