AI a Robotika: Keď sa umelá inteligencia naučí chodiť

Rok 2026 je prelomovým rokom pre robotiku. Umelá inteligencia, ktorá donedávna existovala len ako text na obrazovke, teraz ovláda fyzické telá — chodí, uchopuje predmety, naviguje sa v neznámom prostredí a rozumie ľudským pokynom v prirodzenom jazyku. Integrácia AI do robotiky mení pravidlá hry v priemysle, logistike, zdravotníctve aj v domácnostiach. A čo je najdôležitejšie: nejde len o experimentálne laboratórne projekty. Humanoidné roboty dnes pracujú v reálnych fabrikách a skladoch, bok po boku s ľuďmi.

1. Humanoidné roboty: Prehľad trhu v roku 2026

Trh s humanoidnými robotmi explodoval. Kde bolo v roku 2023 len niekoľko laboratórnych prototypov, dnes existujú desiatky komerčne dostupných alebo pilotne nasadených platforiem. Súperia medzi sebou americké, európske aj čínske spoločnosti — pričom cenový tlak z Číny dramaticky mení ekonomiku celého odvetvia.

Figure AI — Figure 02 a ďalej

Figure AI so svojím modelom Figure 02 uzavrel spoluprácu s BMW a v roku 2025 spustil pilotné nasadenie na montážnych linkách v Spojených štátoch. Robot využíva multimodálny AI model na porozumenie vizuálnym a jazykovým vstupom a zvláda komplexné manuálne úlohy — triedenie dielov, manipuláciu s náradím, inšpekciu komponentov. Firma oznámila vývoj ďalšej generácie s výrazne lepšou dexteritou rúk a dlhšou výdržou batérie.

Tesla Optimus Gen 3

Tesla pokračuje vo vývoji Optimu, ktorého tretia generácia prináša vylepšenú motoriku, senzoriku a predovšetkým masovú výrobu. Tesla deklaruje cieľ vyrobiť desaťtisíce kusov Optimu ročne a nasadiť ich primárne vo vlastných závodoch na výrobu batérií a vozidiel. Optimus Gen 3 dokáže chodiť po nerovnom teréne, manipulovať s krehkými predmetmi a vykonávať repetitívne úlohy s vysokou presnosťou.

Boston Dynamics Atlas (elektrická verzia)

Ikonický Atlas prešiel v roku 2024 na plne elektrickú platformu, čo dramaticky zlepšilo jeho použiteľnosť v priemyselnom prostredí. Elektrický Atlas je tichší, presnejší a jednoduchší na údržbu ako hydraulický predchodca. Hyundai, materská spoločnosť Boston Dynamics, testuje Atlas v automobilových závodoch na úlohy, ktoré sú pre ľudí ergonomicky nevhodné.

Apptronik Apollo

Texaská spoločnosť Apptronik nasadila robota Apollo u výrobcu Mercedes-Benz, kde vykonáva montážne operácie. Apollo je navrhnutý s dôrazom na bezpečnosť a modularitu — operátori môžu vymeniť poškodené komponenty priamo v teréne bez špeciálneho vybavenia.

Agility Digit

Digit od spoločnosti Agility Robotics zostáva lídrom v segmente logistiky. Amazon testuje flotilu robotov Digit v distribučných centrách a výsledky ukazujú 25% zvýšenie priepustnosti pri súčasnom znížení pracovných úrazov o 40%.

Čínski výrobcovia: Cenová revolúcia

Najväčší disruptívny faktor trhu prichádza z Číny. Spoločnosti ako Unitree Robotics ponúkajú humanoidného robota G1 za zhruba 16 000 dolárov — čo je rádovo menej ako západná konkurencia. UBTECH Walker X a Fourier GR-1 cielenie na priemyselné nasadenie. Čínska vláda aktívne podporuje domácich výrobcov robotov ako strategické odvetvie.

Porovnanie hlavných humanoidných platforiem (2026)

Robot	Výrobca	Výška	Hmotnosť	Primárne použitie	Orientačná cena
Figure 02	Figure AI (USA)	167 cm	70 kg	Výroba, montáž	~150 000 $
Optimus Gen 3	Tesla (USA)	173 cm	57 kg	Továrne Tesla	neuvedená
Atlas	Boston Dynamics (USA)	150 cm	80 kg	Výroba, výskum	~250 000 $
Apollo	Apptronik (USA)	173 cm	73 kg	Výroba, logistika	~95 000 $
Digit	Agility Robotics (USA)	175 cm	65 kg	Logistika, sklady	~100 000 $
NEO Beta	1X Technologies (NOR)	174 cm	70 kg	Domácnosť	TBD
G1	Unitree (ČR)	127 cm	35 kg	Výskum, sklad	~16 000 $
Walker X	UBTECH (ČR)	170 cm	76 kg	Výroba, servis	~50 000 $

2. Foundation Models pre robotiku: Nový paradigm

Najväčší posun v roku 2025–2026 neprichádza od hardvérových výrobcov, ale od tvorcov AI modelov. Vzniká nová kategória — foundation models pre robotiku — univerzálne modely trénované na obrovských datasetoch robotických interakcií, ktoré sa dokážu generalizovať na nové úlohy bez nutnosti dôkladného preškolenia.

Physical Intelligence — π0 (pi-zero)

Spoločnosť Physical Intelligence vydala model π0, považovaný za prvý skutočný foundation model pre fyzickú manipuláciu. Trénovaný na dátach z desiatok rôznych robotických platforiem, π0 dokáže zvládnuť úlohy ako skladanie bielizne, umývanie riadu alebo montáž elektroniky — bez špecifického dolaďovania pre každú platformu. Architektonicky spája veľký jazykový model s flow-matching politikou pre generovanie pohybov s vysokou frekvenciou.

NVIDIA GR00T N1

NVIDIA uviedla model GR00T N1 spolu s masívnou simulačnou platformou Isaac Lab. Kľúčový insight: fyzická robotika trpí nedostatkom tréningových dát — robot nemôže odohrať miliardy interakcií v reálnom svete. NVIDIA rieši tento problém syntetickými dátami generovanými v simulácii s fotoreaalistickým renderingom a presnou fyzikou. Modely trénované v simulácii sa potom prenesú do reálnych robotov procesom nazývaným sim-to-real transfer.

Google DeepMind — Gemini Robotics

Google DeepMind integroval model Gemini do robotických systémov a vydal Gemini Robotics — multimodálny model schopný vykonávať dlhé sekvencie manipulačných úloh na základe voľných jazykových pokynov. Verzia Gemini Robotics-ER (Embodied Reasoning) pridáva priestorové uvažovanie a chápanie fyzikálnych vzťahov medzi objektmi.

Tieto foundation models predstavujú zásadný posun: namiesto toho, aby každý výrobca robotov budoval vlastný AI stack od nuly, môžu licencovať alebo doladiť existujúci základ — podobne ako v NLP po príchode GPT.

3. Embodied AI: Prečo je to ťažšie ako chatbot

Keď chatbot urobí chybu, môžete jednoducho napísať novú správu. Keď robot urobí chybu, môže spadnúť zo schodov, rozbiť predmet alebo zraniť človeka. Toto je fundamentálny rozdiel medzi disembodied AI (chatboty, textové modely) a embodied AI (roboty vo fyzickom svete).

Výzvy embodied AI:

Fyzikálne obmedzenia — robot musí rešpektovať gravitáciu, trenie, zotrvačnosť. Žiaden retry po páde.
Neopakovateľnosť — každá situácia v reálnom svete je unikátna. Stôl nie je nikdy na presne rovnakom mieste. Svetlo sa mení. Predmety sú v rôznych stavoch.
Latencia — odpoveď musí prísť v milisekundách. Robot padajúci zo schodov nemôže čakať 2 sekundy na cloud inference.
Bezpečnosť — robot pracujúci vedľa ľudí musí mať bezpečnostné záruky na hardvérovej aj softvérovej úrovni, nie len v AI modeli.
Senzorická komplexnosť — kombinácia kamier, LiDAR-u, haptických senzorov a IMU vytvára obrovský tok dát, ktoré je potrebné spracovať v reálnom čase.
Distribučný posun — AI model trénovaný v jednom prostredí (sklad A) nemusí fungovať v mierne odlišnom prostredí (sklad B). Generalizácia je aktívna výskumná výzva.

Dáta sú chronickým problémom. Jazykové modely sa trénujú na bilióny tokenov textu voľne dostupného na internete. Robotické dáta — videá z kamier, pohyby kĺbov, haptická spätná väzba — sa nedajú scrapovať z webu. Musia sa zaznamenávať v reálnom svete alebo generovať v simulácii, čo je rádovo nákladnejší proces.

4. Percepcia, Manipulácia a Navigácia

Tri piliere robotickej spôsobilosti sú: vidieť, uchopiť a pohybovať sa. Každý z nich predstavuje samostatný výskumný program.

Vizuálna percepcia

Moderné roboty využívajú kombináciu RGB kamier, hĺbkových senzorov (ToF, štruktúrované svetlo) a LiDAR-u. Vďaka modelom ako CLIP, SAM 2 (Segment Anything Model), DINOv2 a DepthPro dokáže robot:

Rozpoznať a lokalizovať tisíce objektov v reálnom čase
Odhadnúť 3D pozíciu a orientáciu predmetov s presnosťou na milimetre
Porozumieť scéne sémanticky a kontextuálne („toto je kuchyňa, hrnček je prázdny, vedľa je kávovar")
Sledovať pohybujúce sa objekty a predvídať ich trajektóriu

Manipulácia a uchopovanie

Uchopenie predmetu, ktoré je pre človeka triviálne, je pre robota mimoriadne náročné. Rôzne predmety vyžadujú rôzne typy úchopov — jemný pre vajíčko, pevný pre kladivo, pinzetový pre šrúbik. Kľúčové sú haptické senzory v prstoch, ktoré poskytujú spätnú väzbu o sile a klze v reálnom čase.

Firma Sanctuary AI vyvinula robotickú ruku s 20 stupňami voľnosti, ktorá dokáže manipulovať s predmetmi porovnateľne s ľudskou rukou. Moderné prístupy kombinujú reinforcement learning (robot sa učí optimálny úchop pokus-omyl v simulácii) s learning from demonstration (robot sleduje ľudskú ruku a napodobňuje pohyby).

Autonómna navigácia

Pohyb v neštruktúrovanom prostredí — domácnosť, sklad, ulica — vyžaduje súčasnú lokalizáciu a mapovanie (SLAM), plánovanie trás a dynamické vyhýbanie sa prekážkam vrátane pohybujúcich sa ľudí. Moderné systémy využívajú neurónové siete priamo na generovanie pohybových príkazov zo senzorických vstupov, čo je robustnejší prístup ako klasické plánovacie algoritmy v dynamickom prostredí.

5. Reálne nasadenie v praxi

Sklady a logistika

Amazon prevádzkuje viac ako 750 000 robotov vo svojich skladoch a aktívne rozširuje flotilu humanoidných robotov Digit. Výsledky prvých nasadení hovoria samy za seba: vyššia priepustnosť, menej pracovných úrazov, dlhšia prevádzková dostupnosť oproti ľudským zmenám.

Automobilový priemysel

BMW, Hyundai, Mercedes-Benz a Foxconn testujú humanoidných robotov na montážnych linkách. Roboty vykonávajú úlohy, ktoré sú pre ľudí dlhodobo ergonomicky škodlivé — práca nad hlavou, opakované zdvíhanie ťažkých dielov, inšpekcia v stiesnených priestoroch.

Zdravotníctvo a starostlivosť

Menej medializovaná, ale perspektívna oblasť. Roboty asistujú pri logistike v nemocniciach — rozvoz liekov a pomôcok, dezinfekcia priestorov — a testujú sa ako asistenti pri fyzioterapii. Japonsko, kde je demografický tlak najvyšší, investuje do robotickej starostlivosti o seniorov ako strategickú prioritu.

Domácnosť

Stále najmenej rozvinutá oblasť, ale s obrovským potenciálom. Spoločnosť 1X Technologies testuje robota NEO Beta v reálnych domácnostiach — upratovanie, prinášanie predmetov, jednoduché domáce úlohy. Cena je zatiaľ prohibitívna (50 000–150 000 €), ale predpovede hovoria o poklese pod 20 000 € do roku 2030, keď nastúpi úspora z rozsahu výroby.

6. Etické otázky, Bezpečnosť a Regulácia

Nahradenie pracovných miest

Podľa McKinsey Global Institute môže do roku 2030 automatizácia s využitím AI robotov ovplyvniť 400 miliónov pracovných pozícií celosvetovo. Najviac ohrozené sú pozície v skladoch, výrobe a poľnohospodárstve. Zároveň vznikajú nové profesie: technici pre robotickú údržbu, operátori flotíl, AI tréneri pre robotické systémy, inžinieri bezpečnosti pre fyzické AI systémy.

Kľúčová otázka nie je binárna (roboty vs. ľudia), ale časová: ako rýchlo prebehne transformácia a či spoločnosť bude schopná adaptovať vzdelávanie a sociálne systémy dostatočne rýchlo.

Fyzická bezpečnosť

Keď 70-kilový robot pracuje vedľa človeka, bezpečnosť nie je len technická požiadavka — je to existenčná podmienka dôvery verejnosti. Štandard ISO 15066 definuje maximálne sily pri kontakte s ľuďmi. Moderné roboty využívajú silu-obmedzujúce kĺby, ochranné senzory a viacúrovňové núdzové zastavenie. Napriek tomu sa incidenty stávajú a každý z nich dostáva neprimeranú mediálnu pozornosť — čo zvyšuje tlak na výrobcov.

Regulácia: EU AI Act a jeho dopady

EU AI Act, ktorý vstúpil do plnej platnosti v roku 2026, klasifikuje autonómne robotické systémy pracujúce vedľa ľudí ako vysoko rizikovú AI (High-Risk AI). To znamená povinné certifikácie, technickú dokumentáciu, hodnotenie zhody pred uvedením na trh, transparentnosť pre používateľov a povinný ľudský dohľad pri kritických rozhodnutiach. Pre európskych výrobcov to predstavuje záťaž, pre zákazníkov bezpečnostné záruky.

Zodpovednosť pri škodách

Právne rámce na priradenie zodpovednosti — výrobca, prevádzkovateľ, tvorca AI modelu — sú stále nevyriešené. Ak robot poškodí majetok alebo zraní človeka, kto platí? EU pracuje na revízii smernice o zodpovednosti za výrobky, aby zahrnula autonómne AI systémy.

7. Budúcnosť: Od špecializovaných robotov k univerzálnym

Svätým grálom robotiky je general-purpose humanoidný robot — stroj, ktorý dokáže vykonávať akúkoľvek fyzickú úlohu, ktorú dokáže človek. Dnes sme ešte ďaleko od tohto cieľa, ale cesta je jasná:

2024 — roboty zvládajú jednoduché skladové úlohy, stále vyžadujú úzku špecializáciu
2025 — multimodálne AI modely a prvé foundation models umožňujú generalizáciu na nové úlohy
2026 — pilotné nasadenia v reálnych továrňach, prvé domáce testy, čínske roboty stláčajú ceny nadol
2028 (predpoveď) — komerčne dostupné roboty pre malé a stredné podniky v cenovom pásme do 50 000 €
2030 (predpoveď) — general-purpose roboty dostupné pre bežné firmy, prvé masové domáce nasadenia

Kľúčové technologické míľniky, ktoré určia tempo:

Kvalita foundation modelov — čím lepší π0, GR00T alebo ich nástupcovia, tým rýchlejšia generalizácia
Dextérnosť rúk — ľudské ruky sú stále výrazne pred robotickými, najmä pre jemné manipulácie
Energetická efektivita — dnešné roboty vydržia 4–8 hodín na jedno nabitie
Cena výroby — kedy klesne pod próh, kde je substitúcia ekonomicky jasná pre zamestnávateľa
Regulačné prostredie — certifikačné procesy môžu nasadenie urýchliť alebo spomaliť o roky

Záver

AI a robotika v roku 2026 nie sú sci-fi — sú realitou, ktorá sa rýchlo prehliada do ekonomiky. Od humanoidných robotov v skladoch Amazonu a fabrikách BMW po experimentálnych domácich asistentov, integrácia umelej inteligencie do fyzických strojov prináša obrovské príležitosti aj výzvy. Foundation models pre robotiku posúvajú paradigmu: namiesto programovania každej úlohy zvlášť sa roboty učia generalizovať zo skúsenosti — podobne ako to robí človek.

Budúcnosť patrí tým, ktorí tieto technológie pochopia nielen ako nástroj efektivity, ale aj ako spoločenskú zodpovednosť. Tempo zmien je vysoké. Čas na prípravu — vzdelanostnú, regulačnú aj etickú — je teraz.