Rok 2026 je přibližně deset let od chvíle, kdy se kolaborativní roboty staly jedním z nejviditelnějších symbolů evropského Průmyslu 4.0. Dnes možná stojíme na začátku velmi podobného cyklu – tentokrát s humanoidními roboty. A znovu máme možnost rozhodnout, jestli z nové technologie vznikne skutečně užitečný průmyslový nástroj, nebo další vlna drahých pilotních projektů bez jasného ekonomického výsledku. Humanoidní robotika dnes připomíná situaci kolem kolaborativních robotů zhruba v letech 2015–2017. Technologie existuje, její schopnosti rychle rostou, marketingová očekávání jsou obrovská a firmy začínají hledat, kde ji nasadit.

Před deseti lety jsme podobný příběh už jednou viděli

Kolaborativní roboty nevznikly v roce 2016. Universal Robots uvedl svůj první komerčně úspěšný model UR5 již v roce 2008. Právě kolem poloviny následující dekády se ale coboty staly jedním ze symbolů Průmyslu 4.0. Na evropských průmyslových veletrzích, včetně Hannover Messe a Automatica, byly kolem let 2015–2017 téměř všudypřítomné a byly prezentovány jako cesta k flexibilnější automatizaci i pro malé a střední podniky.

Vize byla velmi atraktivní. Místo velkého průmyslového robota za ochranným plotem měl přijít menší a levnější robot, který může pracovat vedle člověka, lze jej snadno přeprogramovat a jeho nasazení nebude vyžadovat komplikovanou robotickou buňku. Jenže mezi cenou samotného robota a cenou funkční automatizace je zásadní rozdíl.

Cobot potřeboval chapadlo, přípravky, kameru nebo jiné senzory, komunikaci s PLC a výrobní technologií, programování, validaci, analýzu rizik a často také další bezpečnostní prvky. Specifický bezpečnostní rámec pro kolaborativní aplikace se navíc v této době teprve dotvářel. Norma ISO/TS 15066, která doplnila požadavky ISO 10218 například o limity síly a tlaku při kontaktu člověka s robotem, byla zveřejněna až v roce 2016. Už tehdy ISO popisovalo několik různých forem bezpečné spolupráce – od monitorovaného zastavení přes speed and separation monitoring až po power and force limiting.

To je důležitá historická nuance. Cobot nikdy nebyl automaticky bezpečná aplikace pouze proto, že měl na sobě napsáno „collaborative“. Bezpečnost bylo nutné posuzovat pro celé pracoviště, nástroj, manipulovaný předmět i konkrétní pohyb. I moderní průmyslové zdroje proto stále zdůrazňují nutnost risk assessmentu a v řadě aplikací doplnění scannerů, bezpečnostních zón nebo dalších ochranných funkcí.

A právě zde se v některých projektech začala rozpadat původní ekonomická rovnice. Robotické rameno bylo levné, ale automatizace jako celek už levná být nemusela. Pokud navíc aplikace vyžadovala rychlost, přesný takt nebo vysokou nosnost, mohl být klasický průmyslový robot vhodnější. To ale neznamená, že coboty selhaly. Naopak. Podle IFR představovaly kolaborativní roboty v roce 2023 zhruba 10,5 % instalací průmyslových robotů a z původně exotické technologie se stala standardní součást automatizačního trhu. Neuspěla spíše představa, že nízká cena robota automaticky znamená nízkou cenu robotizace.

A přesně stejnou chybu dnes můžeme udělat s humanoidy.

Humanoidní robotika stojí na stejném rozcestí

Dnešní humanoidní robot je oproti cobotu mnohem univerzálnější stroj. Má vlastní mobilitu, dvě paže, několik kamer, někdy taktilní senzory, desítky stupňů volnosti a díky současným modelům umělé inteligence může do určité míry interpretovat své okolí a reagovat na jeho změny. Zároveň je ale řádově složitější. Humanoid totiž nebude dávat smysl tam, kde lze postavit rychlejší, jednodušší a levnější jednoúčelovou robotickou buňku. Jeho výhoda se začne projevovat především v již existujících provozech – tedy v takzvaném brownfieldu – který byl navržen pro člověka. Regály, pracovní stoly, vozíky, dveře, nástroje, ovládací panely nebo výrobní linky mají rozměry a uspořádání přizpůsobené lidskému tělu. Právě zde může být univerzální mobilní manipulátor zajímavější než přestavba celé technologie.

Cobot versus humanoid: podobná automatizace, úplně jiné řízení

Oblast	Kolaborativní robot	Humanoidní robot
Typická úloha	Jeden opakovaný proces	Více podobných nebo měnících se procesů
Pohyb	Pevně definované trajektorie a body	Kombinace lokomoce, manipulace a vnímání
Řízení	Robot controller + PLC	Percepce + plánování + VLM/VLA + whole-body controller
Programování	Explicitní program	Programování, demonstrace, teleoperace a učení
Zdroj znalostí	Integrátor	Integrátor + dataset + model
Reakce na změnu	Předem naprogramovaná	Potenciálně generalizovaná
Bezpečnost	Dobře standardizované průmyslové funkce	Stále se vyvíjející kombinace průmyslové bezpečnosti a AI
Hodnota dat	Sekundární	Potenciálně strategická

U klasického cobotu zpravidla přesně definujeme, kam má robot jet, co má uchopit a co udělat při jednotlivých stavech procesu. Moderní humanoid může mít nad tímto deterministickým základem několik dalších vrstev. Kamera nebo další senzory vytvářejí reprezentaci prostředí. Vision-Language Model může interpretovat scénu a instrukci. Vision-Language-Action model může převádět pozorování a jazykový požadavek přímo do robotických akcí. Whole-body controller koordinuje paže, trup a nohy. Nad tím může být plánovací model a pod tím naopak stále běží rychlé nízkoúrovňové regulátory motorů. A to je zásadní také pro bezpečnost.

Ani současné nejpokročilejší AI modely není možné jednoduše prohlásit za bezpečnostní řídicí systém. Google DeepMind například u Gemini Robotics přímo popisuje vrstvenou architekturu, ve které vyšší model řeší porozumění prostředí a plánování, zatímco bezpečnostně kritické funkce zůstávají na nižších řídicích vrstvách konkrétního robota. Budoucnost průmyslového humanoida proto pravděpodobně nebude jeden obrovský AI model řídí úplně všechno. Mnohem realističtější je hierarchie mezi AI a deterministickým řízením.

Od VLM přes VLA až k Physical AI

Současná vlna humanoidní robotiky by bez pokroku generativní AI pravděpodobně vůbec nevypadala tak, jak ji dnes známe. Vývoj posledních několika let je přitom mimořádně rychlý.

Rok	Důležitý posun
2008	První komerční UR5 – začátek moderní éry cobotů
2016	ISO/TS 15066 a vrchol evropské vlny cobotů / Industry 4.0
2021	CLIP výrazně propojuje vizuální a jazykové reprezentace
2022	Flamingo, PaLM-SayCan a RT-1 ukazují cestu od multimodálních modelů k robotickému řízení
2023	Google DeepMind představuje RT-2 a explicitně používá koncept Vision-Language-Action modelu
2024	Physical Intelligence představuje π0; výrazně rostou obecné robotické foundation modely a world models
2025	Gemini Robotics, NVIDIA GR00T N1, Cosmos a Genie 3 posouvají embodied AI a simulaci fyzického světa
2026	GR00T N1.6, Gemini Robotics 2 a další modely spojují reasoning, jemnou manipulaci a whole-body control

CLIP od OpenAI v roce 2021 ukázal, jak silné mohou být modely společně trénované na obrazu a přirozeném jazyce. Flamingo od DeepMind následně rozšířilo multimodální schopnosti a PaLM-SayCan začalo přímo spojovat jazykové modely se schopnostmi robota v reálném prostředí.

V roce 2022 přišel Robotics Transformer 1, následovaný v roce 2023 modelem RT-2, který Google DeepMind označil jako Vision-Language-Action model. Zásadní myšlenkou bylo využít znalosti získané z webových obrazových a jazykových dat a přenést je do robotických akcí. Robot se tak nemusí učit význam každého objektu pouze z vlastních robotických demonstrací.

V roce 2024 představila Physical Intelligence model π0, kombinující VLM předtrénování, rozsáhlé robotické datasety a data z více typů robotů. V roce 2025 následovalo π0.5 zaměřené na lepší generalizaci do nových prostředí.

Současně se začala výrazně rozvíjet další větev: world models. World model se nesnaží pouze rozhodnout, jaká má být příští akce. Učí se určitým způsobem reprezentovat, jak se fyzický svět mění – co se pravděpodobně stane po určité akci, jak se budou pohybovat objekty nebo jak může vypadat další stav prostředí. DeepMind tuto oblast rozvíjí například prostřednictvím Genie 2 a Genie 3. NVIDIA na ní postavila platformu Cosmos a spojuje world foundation models se simulací a generováním syntetických dat pro robotiku a autonomní systémy.

Právě kombinace těchto přístupů dnes bývá označována širším termínem Physical AI: umělá inteligence, která nejen pracuje s textem nebo obrázky, ale vnímá fyzický svět, předvídá jeho vývoj a prostřednictvím robota v něm také jedná.

Proč tedy VLA a world models ještě nejsou běžně v továrnách?

Pokud sledujeme marketingová videa výrobců robotů, mohlo by se zdát, že problém univerzální robotické inteligence je téměř vyřešen. Realita průmyslového provozu je podstatně tvrdší.

První problém je spolehlivost. Pro výzkumnou demonstraci může být úspěšnost 90 nebo 95 % zajímavým výsledkem. Pro výrobní linku, která udělá desetitisíce cyklů týdně, může být pětiprocentní chybovost naprosto nepoužitelná.

Druhým problémem je rychlost. Foundation model může úlohu pochopit, ale to ještě neznamená, že dokáže manipulaci provést ve výrobním taktu. I Google DeepMind při představení Gemini Robotics 2 v červenci 2026 uvádí, že rychlost pohybu zůstává jednou z oblastí dalšího vývoje.

Třetím problémem je latence a výpočetní výkon. Velké VLM a VLA modely jsou výpočetně náročné. Průmyslová aplikace však nemůže vždy čekat na cloudové inference nebo být závislá na internetovém spojení. Proto například Google vyvíjí Gemini Robotics On-Device právě pro lokální běh s nízkou latencí a pro prostředí s omezenou konektivitou.

Čtvrtým problémem jsou data. Internet poskytuje prakticky neomezené množství textu a obrazu, ale velmi málo kvalitních dat typu: obraz kamery – stav robota – síly – dotek – pohyb jednotlivých kloubů – výsledná robotická akce. Google při RT-2 kombinoval internetová data s rozsáhlým robotickým datasetem. Physical Intelligence trénuje na datech napříč různými robotickými platformami a NVIDIA u GR00T kombinuje skutečné robotické trajektorie, simulaci, syntetická data a lidské video.

Pátým problémem je bezpečnost a certifikace. Výrobní podnik nepotřebuje pouze model, který většinou správně pochopí situaci. Potřebuje systém, u kterého dokáže prokázat, co se stane při ztrátě komunikace, chybě senzoru, vstupu člověka do prostoru nebo neočekávaném výstupu modelu.

A šestým problémem je něco velmi tradičního: integrace. I nejinteligentnější robot stále musí komunikovat s PLC, MES, skladem, bezpečnostním systémem, výrobním strojem a lidskou obsluhou. Musí se nabíjet, kalibrovat, servisovat a zotavovat z chybových stavů. AI tuto část automatizace neodstranila.

BMW, Mercedes-Benz nebo GXO nekupují pouze roboty. Kupují si náskok.

Jedním z nejzajímavějších příkladů je BMW. První veřejné testy humanoidního robota Figure 02 probíhaly v závodě BMW Spartanburg v roce 2024. Následně se robot dostal přímo do reálné výroby, kde manipuloval s plechovými díly pro svařovací proces v karosárně. BMW v červnu 2026 uvedlo, že Figure 02 během přibližně deseti měsíců podpořil výrobu více než 30 000 vozů BMW X3. Figure uvádí přes 90 000 manipulovaných dílů a více než 1 250 hodin provozu. BMW přitom pokračuje dál. V roce 2026 začalo testovat Figure 03 v logistických úlohách a v evropském závodě v Lipsku zavádí také humanoidní roboty AEON od Hexagonu. BMW výslovně hovoří například o ergonomicky náročných, monotónních a potenciálně rizikových procesech.

Mercedes-Benz již v roce 2024 oznámil pilotní spolupráci s Apptronikem a robotem Apollo. V dalších fázích se objevuje také teleoperace a sběr dat z lidských demonstrací, zatímco Apptronik spolupracuje s Google DeepMind na integraci modelů Gemini Robotics.

A americká GXO už od roku 2024 provozuje humanoidního robota Digit od Agility Robotics v komerčním logistickém provozu formou Robotics-as-a-Service. Je přitom velmi pravděpodobné, že čisté ROI počítané pouze proti lidské pracovní síle dnes není jediným důvodem těchto investic.

Z těchto projektů lze vyvodit ještě jednu strategickou motivaci: společnosti si kupují časový náskok před konkurencí. Firma, která začne s humanoidní robotikou v roce 2026, totiž nezískává pouze robota. Získává zkušenosti s jeho integrací, bezpečností, údržbou, bateriemi, výrobním taktem a reakcí pracovníků. A hlavně získává něco, co může být za několik let mnohem cennější než samotný hardware: vlastní dataset reálných průmyslových úloh. Ví, jak se pracovník pohybuje. Jak uchopuje konkrétní výrobek. Jaké výjimky nastávají. Jak proces vypadá v různých směnách. Co způsobuje chybu. Jak má robot chybu rozpoznat a jak se z ní má zotavit. Pokud budou budoucí robotické foundation modely opravdu škálovat podobně jako dnešní jazykové modely, kvalitní data z reálného fyzického světa se mohou stát jedním z nejdůležitějších aktiv celé robotické firmy.

Největší chyba by byla hodnotit všechny humanoidy pouze podle dnešního ROI

To ovšem neznamená, že ekonomiku máme ignorovat. Musíme pouze rozlišit dva různé cíle.

Prvním je production ROI: kolik stojí jedna správně provedená operace, jaký má robot takt, dostupnost, kolik potřebuje zásahů člověka a kolik lidí nebo jiné automatizace skutečně nahrazuje.

Druhým je learning ROI: kolik know-how, dat a schopností firma získává tím, že technologii zavádí několik let před konkurencí.

U běžného výrobního projektu by bylo nebezpečné tyto dvě věci směšovat. Pilotní projekt může mít záporné krátkodobé finanční ROI a přesto dávat strategický smysl. Musí však být předem jasně řečeno, že účelem projektu je učení a sběr dat – nikoli předstírání úspory, která zatím neexistuje.

Jak neopakovat chyby z nástupu cobotů

První pravidlo by mělo být jednoduché: Nekupovat humanoida a následně pro něj nehledat práci. Je potřeba začít procesem. Humanoid je dnes zajímavý především tam, kde se kombinuje proměnlivost prostředí, manipulace, potřeba mobility a zároveň již existující infrastruktura vytvořená pro člověka. Typickým příkladem může být zásobování několika různých strojů, manipulace s přepravkami a vozíky, kitting, sekvenční logistika, doplňování materiálu, obsluha starších strojů nebo některé ergonomicky nevhodné manipulační činnosti. Naopak pokud potřebujeme šest let vyrábět jeden výrobek taktem dvě sekundy, bude téměř jistě lepší jednoúčelová automatizace. Humanoid by tedy neměl soutěžit s průmyslovým robotem v disciplíně, kterou klasická robotika posledních čtyřicet let optimalizovala. Jeho úkolem je automatizovat zbytek výrobního prostředí, pro který se dosud klasická automatizace ekonomicky nevyplatila. A možná právě tam leží největší budoucí trh.

World models mohou změnit ekonomiku robotického učení

Jednou z největších současných překážek humanoidní robotiky je cena fyzických dat. Jazykový model může studovat miliardy textových dokumentů současně. Robot ale musí skutečně něco uchopit, pohnout se, narazit na chybu a proces zopakovat. To je pomalé, drahé a opotřebovává hardware. Právě zde mohou zásadně pomoci simulace, digitální dvojčata a world models. NVIDIA u platformy Cosmos přímo staví na myšlence, že Physical AI musí být ve velké míře nejprve trénována digitálně a že syntetická data mohou doplňovat drahá a vzácná data z reálného světa. Pokud budeme schopni vytvořit dostatečně věrný digitální model továrny a procesu, můžeme v něm generovat tisíce variant situací, které by bylo v realitě obtížné nebo nebezpečné sbírat. Stále však zůstane problém sim-to-real. Skutečný svět obsahuje tření, vůle, deformace, špatné osvětlení, poškozené obaly, lidi, nečekané předměty a další jevy, které simulace nemusí správně zachytit. Proto pravděpodobně nebude vítězem čistě simulovaný ani čistě reálný dataset, ale jejich kombinace.

Co se může stát během dalších tří až pěti let?

V optimistickém scénáři se mezi lety 2026 a 2031 odehraje několik věcí současně. Cena hardwaru bude klesat. Zlepší se ruce, aktuátory, baterie a spolehlivost. VLA modely budou rychlejší a část inference se přesune přímo na roboty. World models a simulace výrazně zvětší objem dostupných trénovacích dat. A především začneme mít mnohem více skutečných dat z továren. Současně podle našeho názoru poroste význam human-in-the-loop systémů. Robot nemusí být od prvního dne stoprocentně autonomní. Pokud zvládne 95 % situací a zbývajících 5 % převezme operátor, každá taková intervence zároveň vytvoří novou kvalitní demonstraci pro další trénování. Autonomie pak nemusí přijít jedním technologickým skokem. Může vznikat postupně. První měsíc člověk robotovi často pomáhá. Za půl roku jen výjimečně. A jednoho dne může být úloha téměř plně autonomní. To je z hlediska průmyslu mnohem realističtější cesta než čekat na univerzálního humanoida, kterého vybalíme z krabice a pošleme na osmihodinovou směnu.

Existuje však i druhý scénář. Firmy začnou humanoidy nakupovat kvůli marketingu. Dostanou je klasičtí integrátoři, kteří se budou snažit použít stejné metody jako u běžných průmyslových robotů. Pilotní projekty budou mít fantastická videa, ale nízký takt a špatnou dostupnost. Přidají se náklady na bezpečnost, servis, infrastrukturu, výpočetní výkon a integraci. Původně levný robot se opět stane drahou aplikací. A během několika let může průmysl dojít k závěru: Humanoidy jsme už zkoušeli. Nefunguje to. Stejně jako u cobotů by ale problém nemusel být v samotné technologii. Problém by mohl být v tom, jak jsme ji nasadili.

Humanoid není produkt. Je to zatím především platforma

Dnešní humanoidní robot připomíná v mnoha ohledech osobní počítače nebo chytré telefony v jejich raných fázích. Hodnota hardwaru není pouze v tom, co umí při expedici z továrny, ale v tom, jaký software, data a ekosystém na něm postupně vzniknou. To je současně velká příležitost i obrovské riziko. Pokud každý výrobce vytvoří vlastní uzavřený datový formát, vlastní model a vlastní nástroje, mohou podniky skončit uzamčené v jednotlivých robotických platformách. Pokud naopak vzniknou přenositelné robotické foundation modely a společné datové struktury, může být jednou možné naučit úlohu na několika robotech a přenést část této schopnosti na jinou platformu. Právě cross-embodiment learning je proto jednou z nejdůležitějších oblastí současného vývoje. Modely jako π0 nebo GR00T už dnes kombinují data z více zdrojů a robotických provedení.

Úspěch nebo neúspěch máme znovu ve vlastních rukou

Humanoidní robotika může během příštích let dopadnout dvěma způsoby. Můžeme zopakovat část příběhu kolaborativních robotů: vytvořit přehnaná očekávání, nakoupit velké množství hardwaru bez konkrétních use cases a následně zjistit, že cena robota tvoří pouze malou část ceny celé aplikace. Nebo se z tohoto příběhu můžeme poučit. Vybrat úlohy, ve kterých lidská geometrie opravdu přináší výhodu. Počítat ekonomiku celého systému, nikoli cenu robota. Od začátku navrhovat bezpečnostní architekturu. Měřit nejen úspěšnost demonstrace, ale takt, dostupnost, počet zásahů člověka a cenu jedné správně provedené operace. A současně chápat první pilotní projekty jako způsob, jak získat data a know-how pro okamžik, kdy bude technologie skutečně připravena na masové nasazení. BMW, Mercedes-Benz, GXO a další velké společnosti už tuto zkušenost začínají sbírat. Jejich dnešní výhoda možná není v tom, že jeden humanoid okamžitě nahradí jednoho pracovníka. Jejich výhodou může být, že až humanoid skutečně začne ekonomicky dávat smysl, budou mít za sebou několik let integrace, tisíce hodin provozu a vlastní průmyslová data. Cobotová revoluce nás naučila, že levný robot ještě neznamená levnou automatizaci. Humanoidní revoluce nás může naučit druhou věc: inteligentní model ještě neznamená fungující výrobní systém. Pokud tyto dvě lekce pochopíme včas, humanoidní roboty mají velmi dobrou šanci na úspěch. Pokud ne, můžeme za pět let znovu stát před továrnou plnou drahých pilotních zařízení a vysvětlovat si, proč technologie, která na videích vypadala tak dobře, nikdy nezačala skutečně pracovat.

Tentokrát ale máme možnost tento výsledek ovlivnit.