Unitree stawia na world models. CEO definiuje „moment ChatGPT” robotyki
Szef Unitree Wang Xingxing mówi wprost, że najważniejszym ograniczeniem humanoidów nie jest dziś efektowność mechaniki, lecz oprogramowanie. Podczas World Robot Conference zdefiniował „moment ChatGPT” dla embodied intelligence jako punkt, w którym robot w nieznanym wcześniej domu potrafiłby wykonać około 80% zadań po prostym poleceniu głosowym lub tekstowym.
W tej samej wypowiedzi, relacjonowanej 20 sierpnia przez Reuters, Wang przyznał, że największą obecną inwestycją Unitree pod względem kapitału i ludzi są world models. Jednocześnie firma uważa, że realne zastosowanie modeli Physical AI nadal pozostaje w tyle. To ważne, bo jest to znacznie bardziej trzeźwa diagnoza niż kolejny film z tańczącym humanoidem.
Co Unitree nazywa przełomem
Próg 80% jest interesujący nie dlatego, że stanowi uzgodniony benchmark branżowy — nie stanowi. Pokazuje natomiast, jak CEO jednego z największych producentów robotów definiuje zmianę jakościową: robot nie powinien wymagać przygotowania każdego pomieszczenia ani osobnego treningu dla każdej czynności. Powinien wejść w nieznane środowisko, zrozumieć polecenie i samodzielnie złożyć sekwencję działań.
Wang ocenił, że duży skok w oprogramowaniu może pojawić się w ciągu dwóch–trzech lat w scenariuszu optymistycznym albo w horyzoncie pięciu–dziesięciu lat w bardziej ostrożnym ujęciu. To szerokie widełki i właśnie dlatego warto je zachować: pokazują, jak duża jest niepewność technologiczna.
Dlaczego world models są dziś tak ważne
Robot wykonujący ogólne polecenia musi przewidywać skutki działań w świecie fizycznym. Jeżeli przesunie krzesło, czy otworzy sobie drogę? Jeżeli chwyci kubek za wysoko, czy kubek się przechyli? Jeżeli człowiek wejdzie w tor ruchu, jaki bezpieczny plan zastępczy powinien wybrać? World model ma tworzyć reprezentację dynamiki otoczenia, na której można planować kolejne kroki.
W praktyce taka warstwa musi współpracować z percepcją, modelem językowym lub VLA, kontrolerem ruchu i systemami bezpieczeństwa. Nawet świetny model predykcyjny nie rozwiązuje problemu luzów w przekładni, ograniczonego tarcia, słabego chwytu czy błędnego pomiaru głębi. Dlatego „mózg” i hardware nadal muszą rozwijać się razem.
Unitree przyznaje, że hardware wyprzedził software
Reuters cytuje Wanga, który mówi, że humanoidy nie są jeszcze wystarczająco zdolne do masowego wdrożenia, a modele odpowiedzialne za decyzje i interakcję są największym wąskim gardłem. Prospekt giełdowy Unitree pokazuje ponadto, że duża część obecnych klientów to uczelnie i instytucje badawcze. To istotny kontrapunkt do filmów, na których roboty tańczą, walczą lub wykonują choreografie.
Nie mieszajmy „potrafi się ruszać” z „potrafi pracować”
Wysoka dynamika ruchu jest ważna: pokazuje jakość napędów, sterowania i mechaniki. Nie dowodzi jednak autonomii zadaniowej. Dla klienta przemysłowego istotniejsze są success rate konkretnego procesu, średni czas między interwencjami, liczba minut teleoperacji na godzinę pracy, czas przywrócenia po błędzie oraz koszt integracji.
W RoboMorrow traktujemy te wskaźniki jako ważniejsze od demonstracji scenicznej. Właśnie dlatego wypowiedź CEO Unitree jest ciekawa: firma, która na efektownych demonstracjach zbudowała dużą rozpoznawalność, sama wskazuje teraz na brak uniwersalnego software’u jako główny problem rynku.
Co oznaczałoby 80% zadań domowych
Nie należy interpretować tej liczby jako „80% czasu robot pracuje poprawnie”. Chodzi o hipotetyczny odsetek różnych codziennych zadań, które ogólny system miałby wykonywać w nieznanym domu po naturalnym poleceniu. Taki benchmark musiałby precyzyjnie określić zakres zadań, kryteria sukcesu, bezpieczeństwo, czas wykonania i dopuszczalną pomoc człowieka.
Bez takiej metodologii 80% pozostaje obrazowym progiem strategicznym. Jest jednak użyteczne jako pytanie testowe dla całej branży: czy robot generalizuje na nowe miejsca i obiekty, czy tylko dobrze odtwarza zadania przygotowane podczas wdrożenia?
Znaczenie dla europejskiego rynku
Dla Europy przesunięcie wartości z samego hardware’u do modeli może mieć dwa skutki. Po pierwsze, producenci mechaniki i komponentów nie będą mogli zakładać, że sama dobra platforma zapewni przewagę. Po drugie, powstaje miejsce dla europejskich firm od integracji, bezpieczeństwa, symulacji i przemysłowych danych, które potrafią zamienić ogólny model w walidowany proces.
Dla polskich integratorów najbardziej praktyczny scenariusz nie musi zaczynać się od robota sprzątającego cały dom. Bardziej realne są ograniczone stanowiska w magazynie lub fabryce, gdzie world model pomaga reagować na zmienność, ale granice procesu i bezpieczeństwa pozostają zdefiniowane. Jeżeli Unitree ma rację, największa konkurencja w następnych latach będzie dotyczyć właśnie tej warstwy.
Jak mierzyć postęp world modelu zamiast efektowności demo
Najbardziej uczciwy test dla deklarowanej generalizacji powinien zaczynać się od środowiska, którego robot nie widział podczas przygotowania wdrożenia. Nie powinien dostawać ręcznie zapisanej mapy wyjątków ani osobnego programu dla każdego obiektu. Zestaw zadań trzeba rozdzielić na rozumienie polecenia, planowanie, manipulację i odzyskanie po błędzie, bo końcowy sukces może maskować bardzo różne przyczyny porażki.
Warto raportować co najmniej odsetek zadań zakończonych bez pomocy, liczbę interwencji na godzinę, czas wykonania względem człowieka lub klasycznej automatyzacji, kolizje i naruszenia stref bezpieczeństwa, zużycie energii oraz skuteczność po zmianie układu pomieszczenia. Istotne jest też oddzielenie autonomii od teleoperacji: zdalna korekta może być rozsądnym elementem produktu, ale musi być jawnie liczona jako koszt operacyjny.
Taki sposób pomiaru chroni przed jednym z największych problemów obecnej narracji humanoidów: łatwo pomylić zdolność do wykonania pojedynczej, dobrze przygotowanej sekwencji z inteligencją ogólnego przeznaczenia. World model będzie przełomowy dopiero wtedy, gdy poprawi niezawodność na nieznanych wariantach zadań, a nie tylko jakość najlepszych pokazów.
Źródła i weryfikacja
Materiał przygotowano na podstawie: Reuters — Unitree CEO, RoboMorrow — Unitree G1. Dane producentów i firm analitycznych są oznaczane jako ich deklaracje lub estymacje. Weryfikacja RoboMorrow: 20.08.2026.