Co 48 godzin nowy model AI dla robotów. Chiny przyspieszają

Czerwiec 2026 przyniósł 13 nowych modeli AI dla robotów - jeden co 48 godzin. Branża właśnie przechodzi od pokazywania, co roboty potrafią zrobić, do wyjaśniania, dlaczego wciąż nie radzą sobie z niektórymi zadaniami. I każdy zespół widzi inne wąskie gardło.

Od sprzętu do mózgu - zmiana paradygmatu

Przez lata firmy robiły wyścig w liczbie serwonapędów, precyzji chwytaków i szybkości reakcji. Teraz wszyscy patrzą na to samo: jak sprawić, żeby robot rozumiał, co ma zrobić, a nie tylko wykonywał zaprogramowane ruchy.

BAAI pokazało dwa modele na konferencji Zhiyuan 2026. Wujie Physis-v0.1 przewiduje następny stan fizyczny obiektu, kompresując wideo, dane RGB-D, chmury punktów 3D i informacje dotykowe w jedną wspólną przestrzeń. Wujie RoboBrain Orca działa jak mózg robota - łączy reprezentacje językowe i wizualne, rozumuje przyczynowo i dekoduje dane z różnych modalności.

Alibaba poszła inną drogą. 16 czerwca wypuściła pakiet Qwen-Robot i od razu zaznaczyła: skalowanie samo w sobie nie rozwiąże problemu heterogeniczności świata fizycznego. Więcej danych i więcej robotów to za mało - potrzebne są strategie wyrównania na poziomie modelu.

Trzy specjalistyczne modele zamiast jednego uniwersalnego

Qwen-RobotNav dostosowuje alokację uwagi wizualnej do kontroli mobilnej. Qwen-RobotManip standaryzuje przestrzeń stanów i akcji dla manipulacji. Qwen-RobotWorld używa interfejsów akcji w języku naturalnym do przewidywania dynamiki świata. Każdy model ma konkretne zadanie, zamiast próbować robić wszystko naraz.

To podejście Alibaby do robotyki różni się od strategii brutalnego skalowania, którą preferują niektórzy konkurenci. Firma twierdzi, że różnorodność świata fizycznego wymaga precyzyjnego dostrojenia modeli, nie tylko większej mocy obliczeniowej.

Każdy widzi inny problem do rozwiązania

CasiaHand uruchomiło Brain-Si 0.5 - pierwszy na świecie model manipulacji zręcznościowej przypominający ludzką rękę. Architektura trójwarstwowa: górny poziom mózgu do planowania VLA i modelu świata, środkowy poziom z modelami bazowymi dla sześciu podstawowych zdolności manipulacyjnych (pre-grasping, general grasping, functional operation, responsive handover, bimanual coordination, human-robot fusion), dolny poziom z modelami interpretowalnymi fizycznie.

GalaxyBot wypuściło AstraBrain-WBC 0.5 - model móżdżku dla kontroli całego ciała humanoidalnego robota w czasie rzeczywistym. Architektura Transformer w stylu GPT, wytrenowana na około 2 miliardach klatek danych o ludzkich akcjach, 80 milionów parametrów. To próba rozwiązania problemu koordynacji całego ciała, nie tylko pojedynczych kończyn.

Różne diagnozy tego samego problemu

RoboScience ujawniło architekturę Visics z frameworkiem VLOA, który oddziela model świata od modelu operacji przez reprezentację trajektorii obiektów. Current Robotics opublikowało Curl-0 dla zręcznej manipulacji całym ciałem jako problem sprzężonego treningu. BoundlessPower wypuściło model świata MWA dla długich sekwencji dwukierunkowych łańcuchów przyczynowości fizycznej.

Wspólny wątek? Każdy zespół zidentyfikował inną przeszkodę: informacje dotykowe, koordynacja całego ciała, transfer z symulacji do rzeczywistości, planowanie długoterminowe. I każdy zbudował specyficzną architekturę, żeby ją obejść.

Mistral AI i ich podejście do wizji robotycznej pokazuje podobny wzorzec - każda firma szuka własnej ścieżki do tego samego celu.

Co to oznacza dla rozwoju robotyki

Tempo jeden model co 48 godzin nie jest zrównoważone długoterminowo. Pokazuje jednak, gdzie jest teraz uwaga branży: nie w demonstracjach "patrzcie, co potrafi nasz robot", ale w szczerych analizach "oto dlaczego nadal nie działa to tak, jak powinno".

Firmy przestały udawać, że mają gotowe rozwiązanie. Zamiast tego każda mówi wprost: "Widzimy ten konkretny problem i próbujemy go rozwiązać w ten konkretny sposób". To zmiana tonu, która może przyspieszyć realne postępy.

Chińskie firmy intensywnie inwestują w robotykę przemysłową, a teraz dołączają do wyścigu o najlepsze oprogramowanie sterujące. Alibaba i ByteDance to nie startupy - to giganci z zasobami do długiej gry.

Pytanie o konsolidację

13 modeli w miesiąc to za dużo, żeby wszystkie przetrwały. Część podejść okaże się ślepymi zaułkami. Część zespołów połączy siły. Na razie mamy okres eksperymentowania - i to jest dokładnie to, czego potrzebuje młoda branża.

Różnorodność podejść to nie chaos. To naturalna faza przed znalezieniem architektury, która faktycznie zadziała w świecie rzeczywistym. Ktoś w końcu trafi w punkt. Pytanie brzmi: kto pierwszy i z jakim rozwiązaniem?

Obserwuj nie tylko chińskie zespoły. Figure AI w USA także testuje roboty w warunkach przemysłowych, a Unitree pokazuje, że tani sprzęt to dopiero początek - prawdziwa wartość jest w oprogramowaniu.

Najczęstsze pytania

Dlaczego nagle pojawiło się tyle modeli AI dla robotów?

Branża przeszła od konkurencji sprzętowej do walki o lepsze oprogramowanie. Firmy zrozumiały, że ograniczeniem nie jest już mechanika, ale inteligencja sterująca robotem. Każdy zespół próbuje rozwiązać inny aspekt problemu - od informacji dotykowych po koordynację całego ciała.

Czy te modele są dostępne publicznie?

Większość firm ujawnia architekturę i podejście, ale pełne modele produkcyjne pozostają własnością firmową. Alibaba opublikowała szczegóły Qwen-Robot, BAAI pokazało Wujie na konferencji, ale komercyjne wdrożenia są ograniczone do partnerów biznesowych.

Które podejście ma największe szanse na sukces?

Za wcześnie, żeby to ocenić. Alibaba stawia na specjalizację i wyrównanie modeli. GalaxyBot na kontrolę całego ciała w czasie rzeczywistym. CasiaHand na manipulację zręcznościową. Każde podejście rozwiązuje inny problem - prawdopodobnie ostateczne rozwiązanie połączy elementy z kilku z nich.

Czy Polska ma szansę w tym wyścigu?

Polskie firmy i ośrodki badawcze mają kompetencje w AI i robotyce, ale brakuje kapitału na skalę chińskich gigantów. Realistyczna ścieżka to specjalizacja w konkretnych zastosowaniach przemysłowych lub współpraca z większymi graczami jako dostawcy komponentów softwarowych.