Humanoid robotok tanítása másolással, utánzással
(Háztartási AI robotok)
(2026 augusztus)
A robotika világában a másolással és utánzással történő tanítást szaknyelven utánzásos tanulásnak (Imitation Learning), vagy bemutatás alapján történő tanulásnak (Learning from Demonstration) nevezik. Ahelyett, hogy a mérnökök minden egyes mozdulatot és ízületi szöget előre, manuálisan programoznának le, a robot közvetlenül az emberi mozgás megfigyeléséből és utánzásából sajátít el bonyolult, mozgásokat, feladatokat. A megközelítés fontos a humanoid robotok fejlesztésében, melyek lakásokban, raktárokban dolgoznak. A gyárakban és gépek mellett dolgozó robotok túlnyomó többsége nem humanoid, hanem kifejezetten ipari robotkar vagy úgynevezett kobot (együttműködő robot).
A humanoid robotok utánzásos tanulása során a demonstráció fázisában fontos a precíz adatgyűjtés. Nemcsak azt kell rögzíteni, hogy hogyan néz ki a mozgás, hanem azt is, hogy milyen erők hatnak a környezettel való interakció során. A humanoidok nem egyetlen szenzorra hagyatkoznak. Az utánzásos tanulás alapja a szenzorfúzió: a hálózatok egyszerre dolgozzák fel a látott mélységképet (hová kell nyúlni), a tapintási adatokat (hogy áll a tárgy a kézben) és a csuklóban mért erőket (milyen erősen kell fogni), hogy az emberi mozdulatot tökéletesen reprodukálni tudják. A fúzió szó jelentése itt az, hogy több szenzor egy időben mért értékeit kell összerendelni, kiértékelni. Az emberi bemutatók digitalizálásához és a robot általi végrehajtáshoz az alábbi szenzortechnológiákat alkalmazzák:
1. Erő- és nyomatékérzékelők (Force/Torque Sensors) Ezek a szenzorok elengedhetetlenek ahhoz, hogy a robot megértse a fizikai interakció dinamikáját, például azt, hogy mekkora erőt kell kifejteni egy csavar meghúzásakor vagy egy törékeny tárgy megfogásakor.
Többtengelyes F/T szenzorok: Általában a robot csuklóiba és bokáiba épített, nyúlásmérő bélyegeken (strain gauge) alapuló eszközök. A 3-tengelyes erő és a 3-tengelyes nyomaték mérésére képesek.
Soros rugalmas aktuátorok (SEA): a modern humanoidok (például a Tesla Optimus vagy az Agility Robotics Digit) ízületeibe épített rugalmas elemek. Az ezeken fellépő elmozdulásból pontosan kiszámítható az ízületi nyomaték, ami lehetővé teszi a biztonságos, „rugalmas” (compliant) utánzást.
2. Tapintás- és bőrérzékelők (Tactile Sensors) A tapintá-, nyomásérzékelés nélkül a robot képtelen lenne finom manipulációs feladatokat (pl. egy tojás megfogása vagy gombok gombolása) utánzani az emberi demonstráció alapján.
Optikai alapú tapintószenzorok (pl. GelSight, DIGIT): Egy rugalmas, elasztomer gélrétegből és egy belső kamerából állnak. Amikor a gél hozzáér egy tárgyhoz, deformálódik. A kamera rögzíti a gél hátoldalára festett mikroszkopikus mintázat elmozdulását, amiből a mesterséges intelligencia (AI) nagy felbontású 3D felületi és erőeloszlási térképet generál.
Piezoelektromos (ellenállás) és kapacitív robottapintó bőr: olyan vékony, flexibilis mátrixok, amelyek a robot ujjbegyeit vagy teljes testét borítják. A nyomás hatására megváltozik az piezoelektromos ellenállásuk vagy kapacitásuk, így lokalizálható az érintési pont és annak erőssége.
3. Látás- és mélységérzékelők (Vision & Depth Sensors), ami a robot „szeme”, amely a környezet és az emberi test térbeli pozíciójának digitalizálásáért, a tájékozódásáért felelős.
RGB-D kamerák (pl. Intel RealSense, Stereolabs Zed): A hagyományos színes kép (RGB) mellett minden egyes pixelhez hozzárendelnek egy mélységi adatot (\(D\)) is. Működhetnek strukturált fény (structured light) vagy repülési idő (ToF - Time of Flight) elven, ahol az infravörös fény visszaverődési idejéből számolják ki a távolságot.
LiDAR rendszerek: Lézersugarak segítségével milliméter pontosságú 3D pontfelhőt (point cloud) hoznak létre a robot környezetéről. Segít a térbeli akadályok és az ember pontos távolságának meghatározásában.
4. Proprioceptív és testen hordható szenzorok (Human-Wearable Sensors): Amikor az ember közvetlenül mutatja be a feladatot, speciális, a bemutató emberen elhelyezett szenzorok közvetítik az adatokat.
Inerciális mérőegységek (IMU): gyorsulásmérőket és giroszkópokat tartalmazó chipek. Az ember karjaira és lábaira helyezve valós időben határozzák meg a végtagok orientációját és szögsebességét.
Adatkesztyűk (Data Gloves): flexibilis hajlításérzékelőkkel vagy száloptikás szenzorokkal felszerelt kesztyűk, amelyek az emberi ujjak pontos ízületi szögeit rögzítik a finom tárgymonitorozáshoz.
Hogyan tanulnak a humanoid robotok utánzással?
A humanoid robotokat arra tervezik, hogy az emberi világban, emberi eszközökkel dolgozzanak lakásokban is (pl. ajtónyitás, raktári pakolás, cipőfűzés, csavarozás). Mivel a testfelépítésük hasonlít a miénkre, az emberi mozgásadatbázisok jelentik a legtermészetesebb tanítóanyagot. Az utánzásos tanulás segítségével a robotok lényegesen rövidebb idő alatt képesek összetett, kétkezes feladatokat elsajátítani, mintha mindent a nulláról, próbálgatással kellene megtanulniuk.
Az utánzásos tanulás folyamata felügyelt gépi tanulási (Supervised Learning) feladat, ahol az emberi bemutató jelenti a „helyes mintát”. Az adatgyűjtés és a vezérlés elsajátítása több fő módszerrel történik:
Távirányítás: Az operátor VR-szemüveget (pl. Apple Vision Pro) és mozgásérzékelő kesztyűket visel, amelyek valós időben közvetítik az operátor mozdulatait a robotnak. A humanoid lemásolja a mozgást, miközben a rendszerei rögzítik a környezeti adatokat és a saját ízületi állapotait.
Videóalapú tanulás: a legújabb multimodális modellek (pl a Tesla Optimus rendszerei) már képesek arra, hogy egyszerűen YouTube-videók vagy hétköznapi felvételek megtekintésével tanuljanak meg feladatokat, anélkül, hogy fizikai kapcsolat lenne az ember és a gép között. A másolt mozdulatnál folyamatosan korrigálja a robot a saját súlypontját. Ha a robot csak pontosan másolna, akkor elakadna, ha az objektum 5 centiméterrel arrébb van. Megerősítéses tanulással (Reinforcement Learning): A másolt mintát szimulációban több ezerszer variálják, így a robot megtanul alkalmazkodni a változó (zajos) környezethez.
Testen hordható szenzorok: ha az ember közvetlenül mutat be egy feladatot, speciális, a bemutató emberen elhelyezett szenzorok közvetítik az adatokat a robotnak.
Az utánzásos tanulás felhasználható egy robot megtanítására az összeszerelési feladatok elvégzésére is egy gyárban, vagy arra, hogyan kell reggelit készíteni, amikor az emberek által végzett bemutatások sorozatát ismétli. Egy alkalmazási terület a robotok olyan mozgása, ahol a távirányítást arra használják, hogy adatokat gyűjtsenek a robot mozgásának irányításáról. A humanoid robotokat az utánzásos tanulás (imitation learning) során alapvetően két nagy környezetben tanítják gyakran:
Virtuális szimulációkban (ahol biztonságosan és gyorsan gyűjthetnek adatot) és fizikai tesztkörnyezetekben. A fizikai és virtuális tereket a robot tervezett felhasználási célja határozza meg, így a tanítás leggyakrabban:
1. Háztartási és lakáskörnyezetek (Household Environments): a lakások a legösszetettebb terepnek számítanak a kiszámíthatatlan elrendezés és a tárgyak sokszínűsége miatt. Itt a robotok emberi demonstrációkat (pl. VR-szemüveges távvezérlést vagy videókat) utánozva tanulnak meg hétköznapi feladatokat.
Konyha: Edények pakolása, mosogatógép be- és kipakolása, kávéfőzés, zöldségszeletelés.
Nappali és hálószoba: Ruhák összehajtogatása, ágyazás, elszórt tárgyak helyrerakása (szortírozás).
Fürdőszoba és takarítás: Felületek letörlése, porszívózás, felmosás.
2. Raktári és logisztikai környezetek (Warehouse & Logistics): A raktárak félig strukturált környezetek, amelyek kiválóak az első ipari bevetésekre, mivel a padló egyenletes, de a feladatok folyamatosan ismétlődnek. Az utánzásos tanulással a robotok a következő feladatokat sajátítják el:
Komissiózási zónák (Picking): Tárgyak levétele a polcokról, dobozokba helyezése, vonalkódok beolvasása.
Pakolás és raklapozás: Nehéz dobozok emelése, szállítószalagok melletti munka, áruk rendszerezése.
Szállítóútvonalak: Akadályok (pl. targoncák, gyalogosok) kerülgetése anyagmozgatás közben.
3. Gyártó- és összeszerelő üzemek (Manufacturing): A gyárakban a humanoidoknak precíz, finommotoros mozgásokat kell utánozniuk.
Összeszerelő sorok: Alkatrészek összeillesztése, csavarozás, kábelek helyére dugása.
Minőségellenőrzés: Termékek forgatása és vizuális vizsgálata emberi mozdulatok alapján.
4. Virtuális szimulációs környezetek (Sim-to-Real): A valóságban a robotok összetörhetnének sok mindent a tanulási fázis korai szakaszában, ezért a tanítás jelentős része digitális ikrekben (3D-s szimulációkban) kezdődik olyan platformokon, mint az Nvidia Isaac Lab vagy a RoboSuite. A szimulátorokban pontosan lemásolnak egy-egy valódi lakást vagy raktárt (fizikai törvényekkel, súrlódással együtt). A robot itt több ezer órányi utánzást gyakorol be pár perc alatt, majd a megszerzett tudást ültetik át a valódi robotba.
Előnyösebbek a guruló humanoid robotok, ha nincs szintkulönbség
Ha nincs szintkülönbség (például lépcsők vagy magas küszöbök), a guruló (kerekeken közlekedő) humanoid robotok lényegesen olcsóbbak, jobb energiahatékonyságot, nagyobb sebességet, stabil egyensúlyt és alacsonyabb gyártási költséget kínálnak a két lábon járó robotokkal szemben. Bár a két lábbal rendelkező humanoidok előnye az, hogy képesek átlépni az akadályokat, de egy sík, akadálymentesített gyári vagy raktári környezetben ez a képesség feleslegessé válik.
A guruló humanoid robotok főbb előnyei sík terepen a következők:
Kevesebb energiát fofyasztanak: nincs folyamatos egyensúlyozás, a két lábon járó robotoknak álló helyzetben is energiát kell fogyasztaniuk, hogy az ízületeik megtartsák a gép súlyát és ne essenek el.
Gördülési ellenállás: a kerekek gördülési ellenállása elenyésző a lábak emelgetéséhez és a lépések koordinálásához képest, így az akkumulátor üzemideje többszörösére nő.
Nagyobb sebesség és dinamika, gyorsabb helyváltoztatás: a kerekeken gurulók sokkal gyorsabban képesek megtenni nagyobb távolságokat. Az omnidirekcionális (minden irányba mozgó) kerekekkel felszerelt robotok egy helyben, időkiesés és lépéstervezés nélkül képesek bármilyen irányba elindulni vagy megfordulni.
Biztonság és stabilitás, alacsony eséskockázat: a két lábon járás az egyik legnehezebb robotikai feladat; ha a szoftver hibázik, a robot elesik és súlyos károkat szenvedhet.
Nagyobb teherbírás: a guruló robot stabil és fix alátámasztást nyújt, így a robot manipulátorai (karjai) sokkal nehezebb tárgyakat is képesek megemelni anélkül, hogy a gép kibillenne az egyensúlyából.
Alacsonyabb költségek és egyszerűbb vezérlés, kevesebb hibalehetőség: a kerekek meghajtásához lényegesen kevesebb motorra, szenzorra és bonyolult mechanikai ízületre van szükség.
Egyszerűbb számítási igény: a robot agyának (CPU/GPU) nem kell folyamatosan komplex biomechanikai számításokat végeznie a járás fenntartásához, így a számítási kapacitás teljes egészében a feladat elvégzésére és a környezet érzékelésére fordítható. Kiváló példa a piacon a Genesis Eno robotja, amely egy kerekeken guruló robotot kombinál emberi szintű munkára képes felsőtesttel és kezekkel.
A guruló humanoid robotok keréktípusai határozzák meg, hogy a gép mennyire képes finoman és gyorsan manőverezni szűk helyeken. A sík terep adta lehetőségeket leggyakrabban három fő keréktechnológiával használják ki.
Omnidirekcionális (Omni) kerekek: a kerék kerületén kis görgők helyezkednek el, amelyek merőlegesek a fő kerék forgásirányára. Előnye, hogy a robot képes oldalazva is mozogni, vagy egy helyben megfordulni anélkül, hogy a kerekeket el kellene kormányozni. Hátránya: a görgők közötti rések miatt minimális rázkódást és zajt keltenek, ami rontja a belső szenzorok (pl. kamerák, LiDAR) pontosságát.
Mecanum kerekek (Svéd kerekek). melyek hasonlítanak az Omni kerekekhez, de a kerületükön lévő görgők 45 fokos szögben vannak elforgatva. Négy kerék összehangolt, eltérő irányú forgatásával a robot bármilyen irányba elmozdulhat. Előny: nagy oldalirányú stabilitást biztosítanak, és nehezebb humanoid robotok (pl. nehéz rakományt emelő gépek) alatt is kiválóan működnek. Hátrány: csúszós felületen veszítenek a pontosságukból, és folyamatos mikró-csúszásokkal működnek, ami gyorsabb kopáshoz vezet.
Kormányzott standard kerekek (Swerve Drive), melyek hagyományos, tömör gumikerekek, ahol minden egyes kerék külön-külön 360 fokban körbe tud fordulni (kormányozható), és külön hajtással is rendelkezik. Előny a maximális tapadást és teljesen zökkenőmentes, rázkódásmentes gurulást biztosítanak, ami fontos a robot precíz egyensúlyozásához és a finom kézmozdulatokhoz. Hátránya a mechanikailag ez a legbonyolultabb rendszer, mivel kerekenként legalább két motor (egy a hajtásnak, egy a kormányzásnak) szükséges hozzá.
Összehasonlításképp: míg a raktári környezetben a Mecanum a legelterjedtebb a nagy teherbírás miatt, a precízebb feladatokat végző humanoidoknál a Swerve hajtás biztosítja a legsimább mozgást.
A háztartási és gondozó robotok olyan mesterséges intelligenciával (AI) vezérelt, részben önálló eszközök, kétlábú humanoidok, amelyek képesek fizikai házimunkát (pakolás, mosogatógép-berakás, tisztítás) végezni, vagy időseknek, betegeknek érzelmi társaságot és emlékeztetőket biztosítani.
Mikor lesznek kaphatóak? Az egyszerűbb, guruló vagy karral felszerelt tisztító- és kisegítő robotok már kaphatóak. Az első teljesen otthoni, kétlábú humanoid robotok (például az 1X NEO vagy a Unitree modelljei) korlátozott előrendeléssel 2026-ban kerülnek az első vásárlókhoz az USA-ban és Kínában, a globális és tömeges piaci elterjedésük pedig 2027 és 2030 között várható. Az alapvető, guruló háztartási asszisztensek és terápiás állat-robotok ára ~150 000 Ft és 1 000 000 Ft ($400 - $3,000) között mozog. A komolyabb, magyarországi képviselettel is rendelkező Unitree G1 humanoid robot ára jelenleg körülbelül 12 millió forint. A kifejezetten házimunkára szánt fejlett humanoidok (mint az 1X NEO) induló ára ~6,7-7 millió forint ($20,000), de elérhetőek lesznek havidíjas, lízingelhető konstrukcióban is, körülbelül havi 170 000 forintért ($499).
A jelenlegi piac és a legfontosabb fejlesztések alapján a háztartási, asszisztens- és humanoid robotika 5 legnevesebb, legmeghatározóbb modellje:
1. 1X NEO (1X Technologies) A norvég alapítású, OpenAI által támogatott cég kifejezetten otthoni munkára, biztonságos és halk működésre tervezte a robotot.
Képességek: Ruhaösszehajtás, rendrakás, mosogatógép be- és kipakolása, kíméletes tárgykezelés (puha, emberszerű "hússal" borított váz).
Ár és elérhetőség: Az előrendelési ára ~20 000 dollár (~7 millió Ft). Az első lakossági tesztpéldányok kiszállítása 2026-ban indul.
2. Tesla Optimus Gen 3 (Tesla): Elon Musk projektje a világ legnagyobb darabszámban gyártott humanoid robotjává válhat. A legújabb, 3. generáció gyártása 2026 nyarán kezdődik.
Képességek: A Tesla autók önvezető (FSD) chipjét és kamerarendszerét használja navigációra. Rendkívül precíz kezei vannak (22 szabadságfok), így törékeny tárgyakat (pl. tojást) is kezel.
Ár és elérhetőség: Jelenleg kizárólag a Tesla saját gyáraiban tesztelik. Célzott tömeggyártási ára 20 000 dollár (~7 millió Ft) körül lesz, de a külső vásárlók számára a megjelenés 2027 végére várható.
Tesla Optimus
3. Unitree G1 (Unitree Robotics): A kínai gyártó modellje
a jelenleg legkönnyebben beszerezhető és legolcsóbb fejlett humanoid robot a piacon.
Képességek: Rendkívül mozgékony (szaltózni is tud), képes diót törni, tárgyakat pakolni, de az alapmodell szoftveresen nem programozható otthon.
Ár és elérhetőség: Már kapható. A közvetlen gyári alapár 13 500 dollár (~4,8 millió Ft), de a komolyabb, kutatásokra és finomhangolásra alkalmas EDU verziók ára a 43 000 dollárt (~15 millió Ft) is eléri.
4. Figure 03 (Figure AI) A BMW gyáraiban sikeresen tesztelt Figure 02-es modellt követő legújabb generációs, AI ipari- és asszisztensrobot.
Képességek: Teljesen autonóm módon tanul vizuális megfigyelés alapján, utánzással. Hangalapú kommunikációra és bonyolult logisztikai feladatok önálló megoldására képes.
Ár és elérhetőség: Kereskedelmi forgalomban magánszemélyeknek még nem kapható, ára nincs. Várható piaci ára skálázódás után 30 000 és 150 000 dollár közé tehető.
BMW Figure 03
5. Boston Dynamics Atlas (Elektromos verzió) A robotika történetének leghíresebb és legfejlettebb mozgású humanoidja, amelyet nemrég alakítottak át teljesen elektromos meghajtásúvá.
Képességek: Emberfeletti hajlékonyság és egyensúlyérzék, nehéz fizikai tárgyak pakolása, akadályok teljes kikerülése. Elsősorban nehéz háztartási vagy üzemi segítségre alkalmas.
Ár és elérhetőség: Jelenleg még kutatási és ipari tesztfázisban van, kereskedelmi ára egyelőre nem nyilvános, de a legdrágább prémium kategóriát képviseli majd.