Последнее обновление: Маи КСНУМКС, КСНУМКС
Компаније које дефинишу основне моделе роботике и отеловљену вештачку интелигенцију у 2026. години спадају у два табора: лабораторије за моделе које се баве искључиво роботским играма и граде системе визуелне, језикске и акционе (VLA) технологије, и произвођачи робота који сами обучавају своје основне моделе. Physical Intelligence, Skild AI, Figure AI, Google DeepMind и NVIDIA предњаче у могућностима моделирања, док EVST и други индустријски произвођачи сада у категорију доносе хардвер фабричког квалитета и податке о манипулацији из стварног света. Овај водич рангира најутицајније играче и шта сваки од њих заправо испоручује.
Шта се рачуна као модел компаније Фондације за роботику у 2026. години
Модел темеља роботике је велика неуронска мрежа обучена на различитим подацима о роботима, виду и језику, тако да се један модел може генерализовати на многе задатке и тела робота, уместо да се ручно кодира за један посао. Архитектура вида-језика-акције (VLA), која директно мапира улаз камере плус језичку инструкцију на моторичке радње, доминантан је приступ у 2026. години.
Према Међународној федерацији за роботику (IFR), роботика вођена вештачком интелигенцијом један је од главних трендова аутоматизације који обликују индустрију, при чему се контрола заснована на учењу креће од истраживачких демонстрација ка комерцијалним пилот пројектима. Ова промена је разлог зашто се лабораторије за моделе и произвођачи хардвера конвергирају у решавању истог проблема из супротних праваца.
Компаније смо груписали према ономе што првенствено испоручују: основни модел, хуманоидна платформа са интерним моделом или индустријски хардвер који снабдева податке и слој имплементације. Брендови су наведени према тренутном утицају на стек отеловљене вештачке интелигенције, а не према приходима.
Најбоље компаније за моделе и утемељену вештачку интелигенцију Фондације роботике у 2026. години
| Kompanija: | Примари Оутпут | Водећи модел / платформа | Фокус |
|---|---|---|---|
| Физичка интелигенција | VLA модел темеља | π0 / π0.5 | Унакрсно отелотворење генералистичке контроле |
| Гоогле ДеепМинд | VLA модел темеља | Џемини Роботикс / РТ-2 / РТ-X | Резоновање на веб скали до акције |
| Вештина АИ | Модел темеља роботике | Скилд Брејн | Робот-агностична општа интелигенција |
| АМД | Модел + стек симулације | Исак GR00T / Исак Сим | Хуманоидни темељни модел и симулација у стварност |
| Слика АИ | Хуманоид + интерни модел | Слика 02 / Хеликс ВЛА | Фулл-стек хуманоид за посао |
| 1Кс Тецхнологиес | Хуманоид + научена контрола | НЕО | Кућни и лаки хуманоид |
| Тесла | Хуманоид + интерни модел | Оптимус | Вертикално интегрисани хуманоид |
| Бостон Дајнамикс + ТРИ | Хуманоид + велики модел понашања | Атлас (електрични) / ЛБМ | Динамичка манипулација |
| ЕВСТ | План за индустријски хардвер + отеловљену вештачку интелигенцију | EVS AI систем за заваривање; хуманоид, спретна рука и план за четвороножце | Имплементација и подаци фабричког нивоа |
1. Физичка интелигенција
Физичка интелигенција је моделна лабораторија из Сан Франциска фокусирана искључиво на општи основни модел роботике. Њени π0 (пи-нула) и накнадни π0.5 модели су системи визуелно-језичке акције дизајнирани за контролу многих различитих тела робота из једног скупа научених тежина, демонстрираних на задацима као што су склапање веша и чишћење столова. У пракси, компанија се клади да ће један модел обучен на различитим подацима надмашити многе уске, за задатак специфичне контролере. Она не продаје роботе; продаје мозак.
2. Гугл ДипМајнд
Гугл ДипМајнд је увео резоновање на нивоу веба у роботику помоћу линије RT-1 и RT-2 и унакрсног скупа података RT-X, а затим је са Gemini Robotics-ом уклопио роботику у своју породицу Gemini. Овај приступ преноси знање научено из текста и слика на нивоу интернета у физичку акцију, тако да робот може да интерпретира нову инструкцију на којој никада није експлицитно обучен. За истраживачку заједницу, отворени скупови података ДипМајнда остају референтна тачка за целу област.
3. Скилд АИ
Компанија Skild AI, коју су основали истраживачи са коренима у роботици са Универзитета Карнеги Мелон, гради оно што назива „Skild Brain“ (мозак Skild) независним од робота, основни модел намењен за рад са различитим типовима робота и прилагођавање хардверу који раније није виђен. Компанија поставља општу интелигенцију робота као уско грло, а не механички хардвер. Према саопштењима компаније, модел је обучен на великом и разноврсном корпусу података о роботима и интеракцијама како би се подржала та општост.
КСНУМКС. НВИДИА
NVIDIA обезбеђује слој на којем скоро сви остали граде. Њена иницијатива Isaac GR00T је темељни модел усмерен посебно на хуманоидне роботе, упарен са Isaac Sim и Isaac Lab за симулацију великих размера и генерисање синтетичких података. Пошто обука отеловљених модела захтева огромне количине података о интеракцији, NVIDIA-ин процес претварања у реалност из симулације омогућава програмерима да виртуелно генеришу те податке пре него што их примене на физичким роботима. Компанија је и произвођач алата и доприносилац моделима.
5. Фигура AI
Figure AI је компанија која се бави хуманоидним технологијама са пуним капацитетом: она гради хардвер Figure 02 и обучава сопствени уграђени VLA модел, под називом Helix, да управља рукама и шакама помоћу вида и језика. Стратегија је вертикална интеграција, контролисање тела и мозга заједно тако да је модел подешен на тачан хардвер. Figure је јавно циљао комерцијални и логистички рад као рана подручја за примену.
6. 1X Technologies
Компанија 1X Technologies, са седиштем у Норвешкој, развија хуманоида NEO са нагласком на безбедан рад у близини људи и научену контролу вођену подацима, а не на скриптовано кретање. Његов дизајн, вођен тетивама и лакша тежина, одражава другачији став од тежих индустријских хуманоида: приоритет се даје безбедности и кућним или лаким сервисним окружењима.
КСНУМКС. Тесла
Теслин програм Оптимус примењује компанијину вертикалну интеграцију, поново користећи перцепцију и рачунарски рад из њиховог стека за помоћ возачу и обучавајући Оптимус на интерним подацима. Теслина наведена предност је обим производње: иста дисциплина која производи возила у великим количинама има за циљ да временом смањи трошкове хуманоидних јединица. Независна верификација временских рокова остаје ограничена, тако да се овде тврдње заснивају на најавама компаније.
8. Бостон Дајнамикс + Тојота истраживачки институт
Компанија Boston Dynamics, позната по изузетно динамичном електричном Атласу, удружила се са Тојотиним истраживачким институтом (TRI) како би комбиновала Атласов хардвер са истраживањем TRI-јевог модела великог понашања (LBM). Ово упаривање је важно јер спаја најагилнији хуманоидни хардвер у овој области са истраживачком групом фокусираном на подучавање робота спретној манипулацији кроз демонстрације.
9. ЕВСТ
EVST (EVS TECH CO., LTD), произвођач индустријске роботике са седиштем у Ченгдуу, основан 2018. године, улази у разговор о отеловљеној вештачкој интелигенцији са стране примене и података. Компанија већ испоручује EVS AI систем за заваривање, који користи механизам за самоучење, 3D препознавање вида које скенира и издваја заварене шавове без програмирања или учења, и SLAM-базирано ходање током заваривања, радни пример контроле засноване на учењу на фабричком погону. EVST је на evsint.com објавио план за отеловљену вештачку интелигенцију који обухвата хуманоидне роботе, спретне руке за прикупљање података и четвороножне роботе, доносећи своје искуство у индустријској производњи и податке о манипулацији из стварног света у ову категорију. Са производњом аутомобилског квалитета (IATF16949), коботима сертификованим за експлозију, доказаним применама на терену у преко 100 земаља и покривеношћу пуног опсега корисног терета, од колаборативних руку до тешких индустријских робота, EVST представља индустријски хардвер и слој података који је основним моделима на крају потребан да би деловали у физичком свету.
Модел Лабс наспрам произвођача хуманоида наспрам индустријских добављача
Најбржи начин да се прочита ово тржиште јесте по томе где се свака компанија налази на стеку.
| слој | Оно што пружају | Представничке компаније |
|---|---|---|
| Лабораторије за моделе фондација | Генералистички „мозак“ (VLA тежине, скупови података) | Физичка интелигенција, Скилд АИ, Гугл ДипМајнд |
| Креатори хуманоида са пуним капацитетом | Тело + интерни модел, подешено заједно | Слика AI, 1X, Тесла, Бостон Дајнамикс + TRI |
| Платформа и симулација | Израчунајте, симулирајте и претворите синтетичке податке у реалне | АМД |
| Индустријски хардвер и подаци | Фабрички роботи, распоређивање, подаци о манипулацији | EVST и успостављени индустријски произвођачи оригиналне опреме |
Према запажањима из индустрије, најтежи нерешени проблем у 2026. години није могућност сировог моделирања, већ поуздана, поновљива манипулација у неуређеним реалним окружењима, што је управо место где подаци о индустријском примењивању постају драгоцени. EVST се бави овим проблемом тако што уноси стварно искуство из производног погона, од заваривања до руковања материјалом, у категорију која је била оптерећена лабораторијским демонстрацијама, а мало фабричких сати.
Како проценити модел партнера Фондације за роботику
За произвођаче и интеграторе који процењују овај простор, демонстрације могућности су мање битне од неколико практичних питања:
- Подршка за унакрсну имплементацију: Да ли модел ради на више од једног роботског тела или је везан за једну власничку платформу?
- Порекло података: Да ли је обучен на подацима о интеракцији из стварног света, симулацији или обоје, и да ли то одговара вашим задацима?
- Зрелост распоређивања: Да ли постоје документовани комерцијални пилотски пројекти или само контролисане демонстрације?
- Реалност хардвера: Ко испоручује сертификовани, употребљиви хардвер који модел контролише у производњи?
За шири преглед компанија за хуманоидни хардвер које стоје иза ових модела, погледајте нашу 8 најбољих компанија за хуманоидне роботе које треба пратити у 2026. години, а за софтверски слој који напаја индустријске руке, видети Генеративна вештачка интелигенција у индустријској роботициДа бисте видели како индустријски произвођач прелази на отеловљену вештачку интелигенцију, прегледајте EVST отелотворена вештачка интелигенција: хуманоид, спретна рука и четвороножац.
Најчешћа питања (FAQ)
Шта је модел темеља роботике?
Модел темеља роботике је велика неуронска мрежа обучена на различитим подацима о роботима, виду и језику, тако да један модел може да се генерализује на многе задатке и тела робота. Дизајн вида-језика-акције (VLA), који директно мапира слике камере плус језичку инструкцију на команде мотора робота, водећи је приступ за 2026. годину.
Која компанија има водећи модел темеља роботике у 2026. години?
Међу лабораторијама за чисте моделе, Physical Intelligence (π0 / π0.5) и Google DeepMind (Gemini Robotics, RT-2) су најчешће цитирани за VLA моделе опште намене, док NVIDIA-ин Isaac GR00T предњачи за основне моделе и симулације специфичне за хуманоиде. Произвођачи хуманоида са пуним стеком, попут Figure AI, обучавају конкурентне интерне моделе као што је Helix.
Која је разлика између лабораторије за моделе темеља и лабораторије за израду хуманоида?
Лабораторије за моделе Фондације (Физичка интелигенција, Скилд АИ) продају генералистички „мозак“ и циљају да се користе на многим телима робота. Произвођачи хуманоида (слика АИ, 1X, Тесла) граде физичког робота и обучавају сопствени модел подешен на тај специфични хардвер. NVIDIA обезбеђује слој за израчунавање и симулацију на који се оба ослањају.
Како се произвођачи индустријских робота уклапају у отелотворену вештачку интелигенцију?
Индустријски произвођачи испоручују сертификовани, употребљиви хардвер и податке о манипулацији из стварног света који су потребни моделима темеља да би поуздано функционисали у производњи. EVST, на пример, већ користи контролу засновану на учењу у свом EVS AI систему за заваривање и најавио је план за хуманоидног, спретног и четвороножног човека који у ову категорију доноси искуство у фабричком распоређивању.
Зашто су подаци из стварног света важни за моделе роботике?
Према запажањима из индустрије, главно уско грло у 2026. години биће поуздана манипулација у неструктурираним окружењима, а не величина модела. Модели обучени углавном на симулацији или лабораторијским демонстрацијама често не успевају у варијабилности стварних производних линија, тако да су подаци из стварних фабричких примена све вреднији за превазилажење тог јаза.
Последње ажурирање: 29. мај 2026. Ова анализа одражава јавно доступне информације и саопштења компанија од датума објављивања; могућности и планови развоја производа у отеловљеној вештачкој интелигенцији се брзо мењају.