Robotičari su nekada sanjali velike snove, ali su gradili male robote. Njihova ambicija bila je stvoriti robota koji može kretati kroz svijet, prilagoditi se različitim okruženjima i sigurno komunicirati s ljudima. Mnoge od ovih mašina mogle bi pomoći osobama s poteškoćama u kretanju, smanjiti usamljenost ili obavljati opasne poslove. Ipak, duga povijest neuspjeha ostavila je većinu Silicijske doline skeptičnima prema korisnim robotima.
Situacija se promijenila. Iako su roboti još uvijek u fazi razvoja, investicije su porasle: kompanije i investitori uložili su 6,1 milijardi dolara u humanoidne robote samo u 2025. godini, što je četiri puta više nego u 2024. godini. Revolucija u načinu na koji roboti uče interakciju sa svijetom značajno je doprinijela ovom rastu.
Zamislite da želite da robot u vašem domu može samo jednu stvar: posložiti odjeću. Kako bi to naučio? Mogli biste započeti s pravilima, ali brzo bi se broj pravila povećao. No, oko 2015. godine, rubni istraživači počeli su to raditi drugačije: izradili su digitalnu simulaciju robotskih ruku i odjeće, nagrađujući program svaki put kada uspješno posloži odjeću. Ova metoda omogućila je robotima da se poboljšaju kroz pokušaje i pogreške, slično kao što je umjetna inteligencija postala dobra u igrama.
Dolazak ChatGPT-a 2022. godine ubrzao je trenutni procvat. Veliki jezikovni modeli uče predviđati koji bi se riječ trebala pojaviti sljedeća, što je omogućilo robotima da apsorbiraju slike, senzorske podatke i predviđaju sljedeće radnje koje bi trebali poduzeti. Ova promjena koncepta, oslanjajući se na AI modele koji obrađuju velike količine podataka, pokazala se uspješnom u različitim zadacima robota.
Primjer robota Jibo, predstavljenog 2014. godine, ukazuje na to koliko su jezične sposobnosti bitne. Jibo je bio socijalni robot koji je mogao razgovarati i zabavljati djecu, ali nije imao dovoljno razvijene jezične sposobnosti da bi se natjecao s tehnologijama kao što su Siri i Alexa. Danas, AI sustavi generiraju jezik s puno većom učinkovitošću, ali to dolazi s rizicima, jer AI može generirati neprimjerene ili opasne razgovore.
OpenAI-ov robot Dactyl treniran je kroz simulacije, ali su se pojavili problemi kada su se simulacije pokušale prenijeti u stvarni svijet. Rješenje je bilo stvoriti milijune simuliranih svjetova koji se međusobno razlikuju, što pomaže robotima da bolje manipuliraju objektima u stvarnosti. Ova tehnika pokazala se učinkovitom, ali OpenAI je zatvorio svoj robotski odjel 2021. godine.
Google DeepMind razvio je RT-2, model koji obrađuje slike s interneta kako bi roboti mogli prevoditi jezik u akciju. Ovaj model je omogućio robotima da bolje razumiju komande u prirodnom jeziku. U 2025. godini, Google je spojio svjetove velikih jezičnih modela i robotike lansiranjem Gemini Robotics modela s poboljšanim sposobnostima razumijevanja.
Na kraju, Agility Robotics razvila je humanoidnog robota Digit, koji se koristi u stvarnim radnim okruženjima. Ovaj robot pokazuje kako treniranje robota ne vodi prema jednoj metodi, već se oslanja na različite tehnike, što predstavlja značajan korak naprijed u razvoju humanoidnih robota.
