UNITED BY INNOVATION
Humanoidní robotika na cestě z laboratoře do průmyslu
Humanoidní robot má pro průmysl jednu zásadní vlastnost – jeho tělo odpovídá prostředí, které lidé vytvořili sami pro sebe. Dokáže se pohybovat po podlaze, používat nástroje, pracovat u pracovního stolu nebo manipulovat s předměty podobně jako člověk. Právě tato univerzálnost je důvodem, proč se o humanoidní robotiku zajímá stále více výzkumných týmů i průmyslových firem. Mezi schopností robota předvést jednotlivý pohyb a jeho skutečným využitím ve výrobě je ale značná vzdálenost. Robot se musí orientovat v proměnlivém prostředí, plánovat pohyb celého těla, manipulovat s objekty, učit se nové úkoly a bezpečně reagovat na člověka. Výzkumníci z RICAIP Testbed Praha ve spolupráci s dalšími výzkumnými týmy z Českého institutu informatiky, robotiky a kybernetiky se proto soustředí právě na technologie, které umožňují tyto schopnosti propojit a ověřovat v podmínkách blízkých reálnému použití.
Autor:
RICAIP Tesbed Praha
Průmyslová robotika je dnes založena především na specializovaných systémech. Robotické rameno může s vysokou přesností provádět konkrétní výrobní operaci, autonomní mobilní robot může přepravovat materiál po definované trase, aniž by se příliš spoléhaly na autonomní chování. Tyto systémy jsou velmi efektivní, pokud jsou úkol i prostředí dostatečně předvídatelné. Humanoidní robot se vydává opačným směrem. Jeho smyslem je zvládat širší spektrum úkolů a pracovat v prostředí, které nebylo pro roboty speciálně upraveno. To je důležité například v situacích, kdy by zavedení klasické automatizace vyžadovalo úpravu celého pracoviště. Humanoidní platforma může potenciálně využít stávající infrastrukturu – pracovní plochy, regály, nebo další vybavení určené původně pro člověka. To ale zároveň znamená, že robot musí zvládnout mnohem širší škálu situací než specializovaný průmyslový systém.
Jak robot rozumí tomu, co vidí
Pro člověka je přirozené podívat se na pracovní stůl a během okamžiku určit, co na něm leží, kam může sáhnout a jak má předmět uchopit. Robot musí podobný proces rozdělit do několika technických úloh. Pomocí senzorů získává informace o okolním prostředí. Algoritmy strojového vnímání z nich vytvářejí reprezentaci scény a určují například polohu objektů, překážky nebo volný prostor. Na základě těchto informací může systém plánovat další postup. U humanoidního robota se navíc jednotlivé části těla navzájem ovlivňují. Pohyb ruky mění rovnováhu celého těla, změna polohy těžiště ovlivňuje stabilitu a manipulace s objektem může vyžadovat současné řízení paží, trupu i nohou. Právě proto humanoidní robotika propojuje několik oblastí, které se u jednodušších robotických systémů často řeší odděleně, tedy robotickou percepci, plánování pohybu, řízení, umělou inteligenci a interakci člověka s robotem.
Dalším krokem je schopnost učit se. Pro flexibilní robotiku není praktické předepisovat každý jednotlivý pohyb pro každou novou situaci. Výzkum se proto zabývá metodami, které umožňují robotům získávat nové dovednosti z dat, demonstrací nebo interakce s člověkem. Jedním z přístupů je učení z pozorování lidského provedení. Člověk může robotovi ukázat požadovaný způsob provedení úkolu nebo mu zadat instrukci a robot se učí propojit ji s tím, co v daném okamžiku vnímá a jak může fyzicky jednat. Tím se otevírá cesta k robotům, jejichž chování není založeno pouze na pevně naprogramovaných sekvencích. Zároveň však vzniká náročný problém: naučené chování musí fungovat i tehdy, když se změní objekt, jeho poloha nebo okolní prostředí. Právě robustnost a přenositelnost naučených dovedností patří mezi zásadní otázky současného výzkumu humanoidní robotiky.
Simulace jako součást vývoje
Jedním z nástrojů, který umožňuje tyto otázky řešit efektivněji, je simulace. V RICAIP Testbed Praha se pro vývoj robotických systémů využívají digitální dvojčata robotů i jejich prostředí a simulační platformy, jako je NVIDIA Omniverse. Ve virtuálním prostředí lze testovat fyziku pohybu, práci senzorů, plánování i samotné chování robotického systému. Pro humanoidní robotiku je simulace významná především kvůli množství situací, které je potřeba vyzkoušet. Robot může v simulovaném prostředí opakovat stejný úkol v tisících variantách, s jinou polohou objektu, odlišnými překážkami nebo změněnými podmínkami. Takové prostředí je vhodné také pro reinforcement learning, při kterém se systém učí volit chování na základě zpětné vazby z prostředí. Experimenty lze provádět ve velkém měřítku a bez opotřebení fyzického robota.
Ani velmi přesná simulace ale nedokáže dokonale reprodukovat skutečný svět. Reálné senzory mají šum, materiály se nechovají ideálně, robotické komponenty mají výrobní tolerance a prostředí se mění způsobem, který nemusí být v modelu zachycen. Proto je důležitou součástí vývoje sim-to-real, tedy přenos naučeného nebo otestovaného chování ze simulace na fyzický robotický systém a následné ověření v reálných podmínkách.
Když technologie musí obstát v reálném provozu
Právě přechod do reality je zásadní i z pohledu průmyslových firem. Demonstrace toho, že humanoid dokáže projít prostorem nebo uchopit předmět, sama o sobě ještě neříká, zda je vhodný pro konkrétní výrobní proces. Pro praktické nasazení je potřeba řešit mnohem více parametrů, od spolehlivosti, přesnosti, rychlosti, přes bezpečnost, energetickou náročnost, náklady, až po schopnost přizpůsobit se změnám. Výzkum proto směřuje také k hledání konkrétních úloh, kde může humanoidní platforma nabídnout skutečnou výhodu. Může jít například o práci v prostředí, které je pro člověka nebezpečné, logistické operace, manipulaci s různými objekty nebo činnosti, kde je potřeba kombinovat mobilitu s používáním nástrojů.
Každá taková aplikace ale vyžaduje individuální posouzení. V některých případech bude efektivnější specializovaný robot. Výhodou humanoidní platformy je především její potenciální univerzálnost – schopnost přecházet mezi různými úkoly bez zásadní změny pracovního prostředí. Právě identifikace a ověřování realistických průmyslových use cases je proto důležitou součástí spolupráce RICAIP Testbed Praha s firmami.
Zároveň pokud má humanoidní robot pracovat ve stejném prostoru jako lidé, bezpečnost se stává jednou z hlavních technických podmínek jeho nasazení. Robot musí být schopen detekovat člověka ve svém okolí a přizpůsobit tomu rychlost i trajektorii pohybu. Zároveň je potřeba řešit chování při neočekávaných situacích, bezpečné zastavení systému nebo omezení sil a energií, které může robot při kontaktu vyvinout. Technické řešení proto musí spojovat senzory, řízení pohybu, plánování a bezpečnostní mechanismy. Stejně důležitá je ale také otázka, jak budou lidé roboty vnímat a jak se změní jejich pracovní postupy. Právě proto se humanoidní robotika na RICAIP Testbed Praha rozvíjí v kontaktu s human-centred designem a průmyslovou praxí. Úspěšné nasazení nebude záviset pouze na schopnostech samotného robota, ale také na tom, zda bude jeho používání pro člověka srozumitelné, předvídatelné a bezpečné.
Kde může humanoid skutečně pomoci
Humanoidní robotika dnes prochází obdobím rychlého vývoje. Nové platformy, modely a přístupy přibývají v krátkých intervalech a rozdíl mezi výzkumným prototypem a technologií připravenou pro průmyslový provoz může být značný. Pro firmy proto není nejdůležitější otázkou, zda humanoidní roboti přijdou. Podstatnější je kde mohou být užiteční, za jakých podmínek a co je potřeba vyřešit, aby jejich nasazení dávalo technický i ekonomický smysl. RICAIP Testbed Praha vytváří prostředí, ve kterém lze tyto otázky ověřovat. Propojuje simulaci, robotiku, AI a fyzické testování a umožňuje společně s průmyslovými partnery hledat konkrétní aplikace a posuzovat jejich proveditelnost. Na MSV 2026 se návštěvníci budou moci s tímto přístupem seznámit v technologické zóně RICAIP Testbed Praha. Humanoidní robotika zde bude součástí širšího příběhu o tom, jak se průmyslové technologie vyvíjejí od simulace přes experiment až k reálnému použití. Pro firmy, které o humanoidní robotice teprve uvažují, tak může být veletrh příležitostí začít u konkrétní otázky: Který problém v našem provozu by humanoidní robot mohl skutečně vyřešit?
