Natrénovali humanoidního robota na těžkou práci. Pak zjistili, že trénovací data letí rovnou do Pekingu.

Firma Figure AI loni zveřejnila video, kde jejich robot Figure 01 skládá krabice tempem zkušeného skladníka z Amazonu. Za šest měsíců. Od nuly. Bez jediného řádku hardcoded logiky. Čistě z dat. Přesně v tu chvíli přestalo jít o vědecký experiment a začalo jít o byznys. A bezpečnostní noční můru.

Humanoidní roboty totiž netrénujete jako klasický průmyslový automat, kde naprogramujete každý pohyb. Trénujete je jako děti — ukážete jim, co se dělá, necháte je dělat chyby, a dáváte jim zpětnou vazbu. Jenže tohle "dítě" váží 70 kilo, může zvedat palety a obsahuje kamery, mikrofony a WiFi čip. A jeho učebnice jsou vaše výrobní haly.

Jak se vlastně trénuje robot na fyzickou práci

Klasický průmyslový robot dostane G-kód a dělá přesně to, co mu řeknete. Humanoidní robot dostane cíl — "přesuň krabici z A do B" — a sám si vymyslí, jak toho dosáhnout. Zní to krásně, dokud si neuvědomíte, co všechno musí vidět, aby se naučil.

Trénovací pipeline vypadá zhruba takto: nejdřív simulace. Robot trénuje miliony hodin ve virtuálním prostředí, kde fyzika není reálná, ale blízko. Tohle dělá třeba NVIDIA se svým Isaac Sim — simulátor, kde roboti Agility Robotics Digit nebo 1X NEO trénují ve virtuálních skladech, které jsou kopií těch skutečných. Pak přichází fáze "sim-to-real transfer" — robot se přesune do fyzického světa a trénuje dál, tentokrát na reálných datech. Tady nastupují demonstrace od lidí (teleoperation), zpětnovazební učení z odměn, a imitation learning z videí.

Konkrétně: Figure AI použil u svého robota metodu kombinující imitation learning z lidských teleoperated demonstrací a reinforcement learning s vlastním vyhodnocováním chyb. Boston Dynamics u Stretch robota (ten skladový, ne ten tančící) šel cestou behavior-based systémů kombinovaných s klasickým plánováním pohybu. Unitree z Číny — a teď pozor — trénuje své modely H1 a G1 převážně na open-source datasadech a vlastních nahrávaných sezeních. A G1 koupíte za 16 000 dolarů. Pro srovnání: Boston Dynamics Spot stojí 75 000 dolarů.

Cena klesá rychleji, než se čekalo. A s ní i bariéra vstupu — pro všechny, včetně těch, kteří by neměli mít přístup k robotickým trénovacím datům z vašich provozů.

Bezpečnostní díra velikosti nákladního auta

Tady přichází ta nepříjemná část. Humanoidní robot se učí ze svého okolí. To znamená, že v průběhu trénování sbírá obrazová data, senzorické vstupy, prostorové mapy a provozní vzory. Pokud je robot napojen na cloud (a většina je, protože lokální výpočetní kapacita nestačí na trénování v reálném čase), tato data putují na servery výrobce.

Teď se podívejte na mapu výrobců. Unitree — Čína. Fourier Intelligence — Čína. UBTECH — Čína. Agility Robotics — sice Oregon, ale závisí na globálním dodavatelském řetězci. Figure AI — Silicon Valley, ale zálohy na AWS a Google Cloud. Pouze Boston Dynamics (pod Hyundai) a 1X Technologies (Norsko, financovaný OpenAI) mají sídla mimo přímý dosah čínské legislativy o datovém přístupu.

A čínský zákon o národní bezpečnosti z roku 2017 je v tomto ohledu jednoznačný: každá čínská firma je povinna poskytnout vládě přístup k datům na žádost. Bez soudního příkazu. Bez možnosti odmítnout.

Přesně tento argument nyní zaznívá v EU v souvislosti s větrnými turbínami. Šéf Nordexu José Luis Blanco letos veřejně vyzval k unijnímu zákazu čínských větrných turbín — ne kvůli jejich kvalitě, ale kvůli embedded systémům, které sbírají provozní data. Turbína od Minyang nebo Goldwind obsahuje řídicí software s permanentním připojením na čínské servery. Regulátor ví, kdy turbína stojí, kdy vyrábí, jaký je aktuální výkon sítě. Kritická infrastruktura s přímým výhledem do vaší energetické situace.

S humanoidními roboty je situace ještě citlivější. Turbína stojí na kopci. Robot chodí po vaší výrobní hale, vidí vaše procesy, slyší vaše hovory a mapuje vaše prostory.

Co to znamená pro průmysl a DIY nadšence

Přesto — nebo právě proto — zájem o humanoidní roboty roste. A to nejen u korporací. Komunita kolem open-source projektu OpenBot (TU Mnichov), LeRobot od Hugging Face nebo levného SO-ARM100 ramene ukazuje, že s rozpočtem 500–2 000 EUR dnes postavíte funkčního robota schopného jednoduchých manipulačních úkolů.

LeRobot je asi nejzajímavější případ. Hugging Face v roce 2024 vydal kompletní trénovací framework, datasady a předtrénované modely pro robotická ramena. Uživatelé sdílejí vlastní trénovací data přes Hugging Face Hub — crowdsourcing pro robotiku. Robot se naučí skládat Jenga věž nebo přebírat předměty z videa. Cena hardwaru: kolem 3 000 Kč za robotické rameno SO-100, dalších pár tisíc za Raspberry Pi a kamery.

Pro průmyslové nasazení jsou relevantní čísla jiná. Agility Robotics nabízí Digit jako "robot-as-a-service" — pronájem za odhadovaných 25 000–35 000 dolarů ročně na jednotku. Amazon ve svých skladech testuje desítky kusů. Kia Motors v Německu nasazuje robotická řešení pro montáž. Volkswagen otevřel partnerství s Figure AI. V Česku zatím nic takového neprobíhá ve velkém, ale Škoda Auto a BOSCH v Jihlavě sledují vývoj pozorně.

Pro malé a střední podniky je klíčová otázka návratnosti. Robot, který nahradí dvě směny skladníka (hrubá mzda plus odvody, řekněme 60 000 Kč/měsíc pro dva lidi), se při ceně pronájmu 30 000 Kč/měsíc vyplatí. Ale co s daty, která sbírá?

Trénování v praxi: simulace, bezpečné prostředí a lokální zpracování

Odpověď průmyslu na bezpečnostní obavy je edge computing — zpracování dat přímo v zařízení, bez odesílání na cloud. NVIDIA Jetson Orin, který pohání mnoho dnešních robotů, zvládne inference velkých modelů lokálně. Trénování ale stále vyžaduje výkonné GPU farmy.

Řešení, které prosazuje například German Research Center for AI (DFKI), je tzv. federated learning — robot se učí lokálně, sdílí pouze agregované gradienty (matematické vektory popisující úpravy modelu), nikoli surová senzorická data. Technicky elegantní, v praxi náročné na implementaci.

Pro DIY a menší firmy existuje ještě jednodušší cesta: trénování výhradně v simulaci a deployment do fyzického světa bez cloudového propojení. Isaac Sim od NVIDIA je zdarma pro výzkum, Unity Robotics Hub taky. Výsledkem je robot, který nikam neodesílá data, protože nepotřebuje. Nevýhoda: pomalejší adaptace na reálné podmínky.

Bezpečnostní audit robotického systému by dnes měl zahrnovat: analýzu datových toků (co robot odesílá a kam), penetrační test síťové vrstvy (roboti jsou IoT zařízení se všemi jejich zranitelnostmi), a smluvní záruky o datech od výrobce. Čínský výrobce takové záruky de facto nemůže dát — právní systém mu to neumožňuje.

Zajímavé čtení na toto téma najdete na SmartEnergyShare.info, kde se autoři věnují propojení AI a kritické infrastruktury z pohledu kybernetické bezpečnosti.

Energie, autonomie a česká perspektiva

Roboti žerou elektřinu. Boston Dynamics Spot: 100–500 W v závislosti na úkolu. Humanoidní robot při těžké fyzické práci: odhaduje se 1–3 kW. Skladiště s 50 roboty má vlastní spotřebu srovnatelnou s malou továrnou.

Tohle otevírá zajímavé propojení s energetikou. Robotické provozy jsou ideálními kandidáty pro demand-response — flexibilní spotřebu řízenou podle cen na trhu. Když cena elektřiny klesne pod nulu (což se v Německu stává čím dál častěji při přebytku fotovoltaiky), spustíte intenzivní trénovací cykly. Když cena vyšplhá, omezíte neprioritní úkoly.

Smart Energy Share právě toto umožňuje průmyslovým odběratelům — day trading elektřiny, obchodování odchylek a regulační elektřina. Provoz BESS systémů od 50 do 250 kW v kombinaci s robotickým provozem dává z pohledu ekonomiky provozu smysl: robot se nabíjí a trénuje tehdy, kdy je elektřina levná nebo přebytková.

Sdílení energie a flexibility sítě je přitom téma, které česká legislativa teprve dorovnává realitu — více o právním rámci najdete na Electric-Share.cz.

Česká republika bude muset reagovat na robotizaci průmyslu — a s ní i na bezpečnostní a energetická pravidla pro robotické systémy. Německo už pracuje na certifikačním rámci pro průmyslové AI systémy v rámci AI Act. Roboti sbírající data ve výrobních halách do tohoto rámce bezesporu patří.

Predikce: do roku 2028 uvidíme první velký skandál s únikem průmyslových dat přes robotický systém. Ne nutně z Číny — stačí nezabezpečený cloud od amerického startupu. A tehdy teprve průmysl začne brát bezpečnost robotů stejně vážně jako bezpečnost podnikových serverů.

Zdroje

Obchodujete s batteriovými úložišti nebo hledáte partnera pro flexibilitu a day trading elektřiny? SmartEnergyShare nabízí kompletní řešení pro BESS projekty od 50 do 250 kW - obchodování odchylek, regulační elektřiny a intraday trading. Zjistěte víc na SmartEnergyShare.

Další články na toto téma najdete na: Electric-Share.cz - legislativa a dotace ElectricShare.cz - inovace a kybernetická bezpečnost