రోబోట్లు ప్రదర్శన ఆపి పని మొదలుపెట్టిన సంవత్సరం

గత దశాబ్దంలో చాలావరకు హ్యూమనాయిడ్ రోబోట్ ఒక మాయాజాలం. 2026లో ఆ మాయాజాలం ఒక ఉద్యోగంగా మారింది.

డెమో వీడియో నుండి అసెంబ్లీ లైన్‌కు

మీరు రోబోటిక్స్‌ను అనుసరించి ఉంటే, ఆ రకమైన వీడియో మీకు తెలుసు. ఒక హ్యూమనాయిడ్ రోబోట్ బ్యాక్‌ఫ్లిప్ చేస్తుంది, చొక్కా మడుస్తుంది, పానీయం పోస్తుంది. ఆ దృశ్యం నిజంగా ఆకట్టుకుంటుంది, కానీ అది ఒక్కసారి కెమెరా ముందు చేసిన ఉత్తమ ప్రయత్నం మాత్రమే. నిజమైన ప్రశ్న ఎప్పుడూ "రోబోట్ దీన్ని ఒక్కసారి చేయగలదా?" కాదు — "మీరు పదివేలు తయారు చేయగలరా, వాటిని నడపడానికి ఎవరైనా చెల్లిస్తారా?" అని.

ఈ ఏడాది ఆ రెండవ ప్రశ్నకు సమాధానం రావడం మొదలైంది — వ్యూస్‌లో కాదు, యూనిట్లలో. యూనిట్రీ (చైనా) 2025లో సుమారు 5,500 హ్యూమనాయిడ్‌లను రవాణా చేసింది, ఇప్పుడు 2026లో 20,000 యూనిట్ల లక్ష్యంతో ఉంది — మరియు సుమారు $4,290 ధరకు ఒక హ్యూమనాయిడ్‌ను విడుదల చేసింది. ఫిగర్ AI తన ఫిగర్ 03 రోబోట్‌ను గంటకు సుమారు ఒక యూనిట్ చొప్పున తయారు చేస్తోంది. టెస్లా ఆప్టిమస్ తన ఫ్రీమాంట్ ప్లాంట్‌లో వెయ్యి యూనిట్లు దాటి, ప్రత్యక్ష ఉత్పత్తి పనులు చేస్తోంది.

ఇవేవీ బ్యాక్‌ఫ్లిప్‌లు కావు. ఇవి పార్సెల్ సార్టింగ్, పునరావృత అసెంబ్లీ, మెటీరియల్ హ్యాండ్లింగ్ — ఆర్థిక వ్యవస్థ యొక్క సాధారణ మధ్యభాగం. అదే ముఖ్యమైన విషయం. ఈ ఏడాది మార్పు రోబోట్లు మరింత ఆకర్షణీయంగా మారడం కాదు — అవి మరింత సాధారణంగా మారాయి, సాధారణమైనదే స్కేల్ అవుతుంది.

అడ్డంకి నిశ్శబ్దంగా మారింది

ఈ ఏడాది రోబోటిక్స్ నివేదికల్లో నాకు గుర్తుండిపోయిన వాక్యం: అడ్డంకి హ్యూమనాయిడ్ రోబోట్లను తయారు చేయడం నుండి వాటిని పెద్ద ఎత్తున కొనుగోలుదారులను కనుగొనడం వైపు మారింది.

సంవత్సరాల తరబడి పరిమితి యంత్రమే — యాక్చుయేటర్లు చాలా ఖరీదు, సంతులనం పెళుసు, చేతులు అశక్తం. ఇంజనీరింగ్ గోడ. ఒక చైనా సంస్థ ఐదు వేల డాలర్ల కంటే తక్కువకు హ్యూమనాయిడ్ అమ్మగలదంటే, ఆ గోడ కదిలింది. కష్టమైన భాగం ఇప్పుడు రోబోట్ తయారు చేయడం కాదు — అది నిజమైన ఫ్యాక్టరీలో తన ఖర్చును సంపాదిస్తుందని నిరూపించడం. ఇది భౌతిక శాస్త్ర సమస్య కంటే ఆరోగ్యకరమైన సమస్య — ఇది వ్యక్తిగత కంప్యూటర్, బార్‌కోడ్ స్కానర్‌ను స్వీకరించిన అదే సాధారణ పారిశ్రామిక వృద్ధి వక్రరేఖ.

ఇప్పుడే ఎందుకు: సిమ్యులేషన్‌లో జరిగే భాగం

మెరుగైన మోటార్లు లేదా చౌకైన చైనా తయారీకి క్రెడిట్ ఇవ్వడం సులభం, రెండూ ముఖ్యమే. కానీ ఈ ఏడాది రోబోట్లు ఉపయోగకరంగా మారిన లోతైన కారణం చాలామంది చూడని విషయం — అది రోబోట్ ఆన్ చేయక ముందే కంప్యూటర్ లోపల జరుగుతుంది.

రోబోట్లకు నేర్పడంలో పాత సమస్య డేటా. ఒక హ్యూమనాయిడ్‌కు నిజ ప్రపంచ శిక్షణ డేటా సేకరించడం నెమ్మది, ఖరీదు. పరిష్కారం సిమ్యులేషన్: భౌతిక-ఖచ్చితమైన వర్చువల్ ప్రపంచం నిర్మించి, రోబోట్ ఒక పనిని రాత్రికి పది మిలియన్ సార్లు అభ్యసించనివ్వండి, ఆపై నేర్చుకున్నది యంత్రంలోకి బదిలీ చేయండి.

"సిమ్-టు-రియల్ గ్యాప్" ఎప్పుడూ సమస్య — సిమ్యులేషన్‌లో పనిచేసే విధానం గందరగోళ నిజ ప్రపంచంలో విఫలమవుతుంది. ఈ ఏడాది పురోగతి ఏమిటంటే ఈ గ్యాప్ వేగంగా మూసుకుపోతోంది. ఒక పద్ధతి సిమ్యులేషన్‌లో మాత్రమే శిక్షణ పొందిన విధానానికి నిజ-ప్రపంచ ఖచ్చితత్వంలో సుమారు 41-రెట్లు పెరుగుదల అందించింది. చౌకైన, అనంత అభ్యాసం చివరకు లోహానికి విశ్వసనీయంగా బదిలీ అవుతోంది.

మొదటి తరంగం ఉద్దేశపూర్వకంగా సాధారణం

బార్‌క్లేస్ దీన్ని రెండు తరంగాలుగా రూపొందించింది. మొదటి తరంగం, ఈ దశాబ్దం చివరి వరకు, నిర్మాణాత్మక, ఊహించదగిన ప్రదేశాలలో — తయారీ, లాజిస్టిక్స్, గిడ్డంగులు, వ్యవసాయం, నిర్మాణం. చదునైన నేలలు, పునరావృత పనులు ఉన్న ప్రదేశాలు.

మీ బట్టలు మడిచే రోబోట్ చాలా కష్టమైన సమస్య, ఎందుకంటే ఇల్లు గిడ్డంగి కంటే గందరగోళం. మీరు వచ్చే ఏడాది కాఫీ తయారు చేసే హ్యూమనాయిడ్‌ను ఊహిస్తుంటే, కాలక్రమాన్ని సర్దుబాటు చేయండి. ఒక మనిషి టాబ్లెట్ నుండి మూడింటిని పర్యవేక్షిస్తుండగా పంపిణీ కేంద్రంలో ప్యాలెట్లు తరలించే రోబోట్‌ను ఊహిస్తే, మీరు దాదాపు ఇప్పటి గురించి చూస్తున్నారు.

ఇది మనందరి నుండి ఏమి కోరుతుంది

నేను రోజూ సాఫ్ట్‌వేర్ రాస్తాను, మీ రంగం యొక్క గురుత్వ కేంద్రం కదలడం చూడటంలో ఒక ప్రత్యేక భావన ఉంటుంది. ఎంబాడీడ్ AI హార్డ్‌వేర్ మరియు సాఫ్ట్‌వేర్‌ను కలిపే ఒక విభాగంగా మారుతోంది — ఒక వైపు కైనమాటిక్స్, సెన్సార్లు; మరో వైపు రీన్‌ఫోర్స్‌మెంట్ మరియు ఇమిటేషన్ లెర్నింగ్, కంప్యూటర్ విజన్.

దీన్ని నిజంగా నేర్చుకోవాలంటే, ప్రవేశ మార్గం మీరు అనుకున్నదానికంటే అందుబాటులో ఉంది. ఆధునిక రోబోటిక్స్ యొక్క సిమ్యులేషన్-ఫస్ట్ స్వభావం వల్ల మీరు రోబోట్ లేకుండానే నిజమైన పని చేయవచ్చు: ఐజాక్ ల్యాబ్ లేదా మ్యూజోకో ల్యాప్‌టాప్‌లో నియంత్రణ విధానాలను శిక్షణ ఇవ్వనిస్తాయి.

ఒక బిడ్డకు — నేను తల్లిదండ్రిగా దీని గురించి ఆలోచిస్తాను — ప్రవేశ స్థానం అద్భుతంగా భౌతికమైనది. లెగో స్పైక్, వెక్స్, లేదా మైక్రో:బిట్ కిట్ బిలియన్ డాలర్ల హ్యూమనాయిడ్ ప్రోగ్రామ్ నడిచే అదే ముఖ్య అంతర్దృష్టిని నేర్పుతుంది: ప్రపంచాన్ని గ్రహించు, నిర్ణయించు, చర్య తీసుకో, తప్పును గమనించు, మళ్ళీ ప్రయత్నించు. హార్డ్‌వేర్ చివరకు డెమోలను అందుకుంటోంది. ఇప్పుడు ఆసక్తికరమైన ప్రశ్న — దీనితో మనం ఏమి నిర్మించాలని ఎంచుకుంటాం.

తరచుగా అడిగే ప్రశ్నలు

ఈ రోబోట్లు ఇప్పుడు నిజంగా మానవ కార్మికులను భర్తీ చేస్తున్నాయా?

కొన్ని నిర్మాణాత్మక ప్రదేశాలలో — గిడ్డంగులు, కొన్ని అసెంబ్లీ లైన్లు — అవి నిర్దిష్ట పునరావృత పనులను చేపడుతున్నాయి, తరచుగా ఒక మనిషి అనేక యంత్రాలను పర్యవేక్షిస్తుండగా. ఇప్పటివరకు విస్తృత నమూనా పూర్తి భర్తీ కంటే సంకుచిత, ఊహించదగిన పనుల పెంపుదల.

యూనిట్రీ వంటి చైనా సంస్థలు ధరలో ఎందుకు ముందున్నాయి?

తయారీ స్థాయి, మోటార్లు మరియు యాక్చుయేటర్ల లోతైన సరఫరా గొలుసు, దూకుడు ధర వ్యూహం కలయిక. రెండేళ్ళ క్రితం $5,000 కంటే తక్కువ హ్యూమనాయిడ్ దాదాపు ఊహించలేనిది. అయితే తక్కువ ధర మరియు నిజమైన ఉపయోగం ఇంకా రెండు వేర్వేరు విషయాలు.

నేను సాఫ్ట్‌వేర్ వ్యక్తినైతే రోబోటిక్స్ నేర్చుకోవాలా?

ఆ ఖండన మీకు ఆసక్తి కలిగిస్తే, సమయం మంచిది — ఈ రంగానికి భౌతిక మరియు అభ్యాస రెండు వైపులా నిష్ణాతులైన వ్యక్తులు అవసరం. ప్రారంభించడానికి చౌకైన మార్గం సిమ్యులేషన్‌లో, అక్కడ హార్డ్‌వేర్ అవసరం లేదు.

బహుళ-ట్రిలియన్ డాలర్ మార్కెట్ అంచనాను ఎంత నమ్మాలి?

పెద్ద మార్కెట్ అంచనాలను దిశానిర్దేశక ఉత్సాహంగా చూడండి, షెడ్యూల్‌గా కాదు. ధృవీకరించదగిన వాస్తవాలు — తగ్గుతున్న ఖర్చులు, నిజమైన ఉత్పత్తి లైన్లు — దృఢమైనవి. ధోరణి నిజం; ఖచ్చితమైన పరిమాణం మరియు సమయం ఇంకా తెలియదు.