1. Naslov in uvod
Roboti, ki škatle resnično zložijo pravilno in ne raztrgajo embalaže, so bili dolgo bolj šala kot realnost. Novi model GEN‑1 podjetja Generalist nakazuje, da se to obdobje končuje. Z okoli 99‑odstotno uspešnostjo pri občutljivih, ponavljajočih se opravilih smo precej bližje robotom, ki lahko opravljajo ekonomsko smiselno delo brez na desetine inženirjev, ki bi vnaprej programirali vsak gib. V nadaljevanju analiziram, kaj GEN‑1 v resnici prinaša, zakaj je to lahko »GPT‑3 trenutek« za fizično delo in kakšne posledice ima za evropsko industrijo ter slovenska podjetja.
2. Novica na kratko
Kot poroča Ars Technica, je zagonsko podjetje Generalist predstavilo GEN‑1, nov sistem »fizične umetne inteligence«, ki temelji na več kot 500.000 urah podatkov o gibanju človeških rok. Podatke so zbrali s posebnimi nosljivimi »data hands« pripomočki, ki beležijo mikro‑gibe in sliko med izvajanjem ročnih opravil.
Model upravlja robotske roke in roke‑prijemala ter naj bi dosegal približno 99‑odstotno zanesljivost pri nalogah, kot so prepogibanje škatel, pakiranje telefonov, sortiranje avtomobilskih delov in servisiranje robotskih sesalnikov. GEN‑1 gradi na prejšnjem modelu GEN‑0, a se lahko na konkretno robotsko izvedbo prilagodi v približno eni uri dodatnega učenja, pri čemer deluje približno trikrat hitreje kot GEN‑0. Generalist poudarja tudi sposobnost improvizacije in okrevanja po napakah – na primer uporabo gibov, ki v učnih podatkih niso bili izrecno prikazani. Podjetje trdi, da sistem s tem dosega raven, primerno za dejansko industrijsko uporabo.
3. Zakaj je to pomembno
Številka 99 % ni zanimiva le kot marketinški slogan, temveč kot signal: prvič se približujemo meji zanesljivosti, pri kateri je »splošni« robotski prijemalnik lahko cenejša rešitev od težke, prilagojene avtomatizacije za določene procese.
Klasični industrijski roboti so odlični pri togih, vnaprej programiranih gibih: zvari tu, prestavi kos tja, ponavljaj deset let. Ko pa jim ponudite mehke predmete (perilo, kable, vrečke) ali nabor podobnih, a različnih izdelkov, stroški integracije in vzdrževanja eksplodirajo. Zato se toliko skladišč še vedno zanaša na človeške delavce in zakaj so roboti za zlaganje perila predvsem YouTube atrakcija.
GEN‑1 cilja prav ta problem. Če lahko en sam model uporabite na različnih robotskih rokah, ga v eni uri prilagodite in z njim zanesljivo obdelate celo družino opravil, se ekonomika avtomatizacije spremeni. Namesto da integratorji mesece gradijo enkratno rešitev za en tip embalaže, lahko uporabijo »temeljni model za roke« in ga zgolj specializirajo za posamezno stranko.
Kratkoročni zmagovalci so:
- logistični centri in e‑trgovina, kjer se nabor izdelkov stalno spreminja,
- pogodbeni proizvajalci (npr. v avtomobilski in elektronski industriji),
- sistemski integratorji, ki lahko svoje znanje zapakirajo v produkte.
Potencialni poraženci:
- nizko kvalificirani delavci v logistiki in lahki montaži,
- dobavitelji ozko specializiranih robotov, katerih prednost je bila prav preverjena zanesljivost.
Pomembna je tudi sprememba vlog: če se roboti znajo sami pobrati po napaki, se inženirsko delo premakne iz »programiranja vsakega giba« na definiranje ciljev, omejitev in varnostnih pravil. To je zelo podoben preskok, kot smo ga videli pri velikih jezikovnih modelih – in v praksi koristi akterjem, ki obvladujejo podatke in računsko moč, ne tistim, ki pišejo klasično krmilno kodo.
4. Širši kontekst
GEN‑1 je del širšega trenda: temeljni modeli prihajajo v fizični svet. V zadnjih letih smo videli več pristopov:
- Google Gemini Robotics združuje velike vizualno‑jezikovne modele z načrtovanjem gibanja, da roboti razumejo ukaze v naravnem jeziku.
- Startupi, kot je Physical Intelligence, vadijo robotske roke v simuliranih gospodinjstvih in nato znanje prenašajo v resnično okolje.
- Tesla Optimus stavi na humanoidno obliko, a po lastnih besedah podjetja še ne opravlja res uporabnega dela v tovarnah.
Generalist se zavestno osredotoča na bolj prizemljen problem: ne na hojo in akrobacije, temveč na zanesljive roke, ki lahko delajo v delovnih celicah, kjer nastaja dodana vrednost. To je po duhu bližje projektom, ki jih že nekaj let razvijajo podjetja v skladiščih in proizvodnji – z mešanim uspehom predvsem zaradi pomanjkanja kakovostnih podatkov.
Zgodovina avtomatizacije je ciklična: iz togih pravil prehaja v podatkovno vodene, verjetnostne pristope. V programski opremi je to pomenilo prehod iz ekspertnih sistemov na strojno učenje, nato na generativno AI. V robotiki smo imeli desetletja impresivnih demonstracij, a malo resnično robustnih sistemov. Če se trditve o GEN‑1 potrdijo v praksi, smo morda končno bližje meji, ko bo robot bolj dolgčas kot spektakel – in prav za takšne, »dolgočasno zanesljive« stroje so podjetja pripravljena plačati.
Primerjava z GPT‑3 ni le hype. GPT‑3 ni »rešil« jezika, je pa dosegel raven, na kateri lahko tisoče podjetij gradi aplikacije brez lastnih raziskovalnih laboratorijev. Podoben model za manipulacijo predmetov bi lahko odprl isto platformno dinamiko v fizični avtomatizaciji.
5. Evropski in slovenski vidik
Za Evropo in Slovenijo je takšen preboj posebej relevanten: industrija se sooča s pomanjkanjem delovne sile in demografskim staranjem, ob tem pa velja stroga regulativa na področju AI.
EU ima eno najvišjih gostot industrijskih robotov na svetu, zlasti v Nemčiji, Italiji in na Češkem. Tudi slovenska podjetja – od avtomobilskih dobaviteljev do elektronike in plastike – že intenzivno avtomatizirajo. Primeri so Yaskawina tovarna robotov v Kočevju, visok avtomatizacijski nivo v Kolektorju, Hidrii ali Domelu. Splošni model, kot je GEN‑1, ki bi ga lahko namestili na obstoječe roke velikih proizvajalcev, bi bil za takšna podjetja izjemno zanimiv.
Hkrati prihaja Uredba EU o umetni inteligenci (AI Act), ki bo sisteme, ki neposredno krmilijo stroje v delovnem okolju, zelo verjetno uvrstila med »visoko tvegane«. To prinaša zahteve po sledljivosti podatkov, razlagi odločitev in človeškem nadzoru. Dodajmo še GDPR: zbiranje pol milijona ur podatkov o človeških gibih v realnih tovarnah odpira vprašanja lastništva podatkov, anonimnosti delavcev in morebitnega nadzora nad njihovo učinkovitostjo.
Za slovenska in regionalna (CE in SEE) podjetja v vlogi sistemskih integratorjev pa se odpira nova niša: postati »evropski sloj« nad globalnimi modeli – z znanjem o zakonodaji, varnosti strojev in lokalnih procesih. Robot z GEN‑1 v slovenski lakirnici ali logističnem centru v Celju ne bo le tehnična, temveč tudi pravna in socialna zgodba.
6. Pogled naprej
V naslednjih 2–3 letih ne pričakujte čudežnega gospodinjskega robota, ki vam bo zlagal perilo v Ljubljani ali Mariboru. Pričakujte pa precej bolj »pametne« robotske celice v skladiščih in proizvodnji.
Najverjetnejši prvi piloti:
- slovenski in avstrijski logistični centri, ki že danes eksperimentirajo z avtomatskim pobiranjem artiklov,
- avtomobilski in elektronski dobavitelji, ki imajo mešanico serijske in kosovne proizvodnje,
- manjše polavtomatske linije, kjer je danes še veliko ročnega prelaganja in pakiranja.
Ključna vprašanja, na katera bo treba odgovoriti:
- Ali je 99 % dovolj? V mnogih procesih so stroški 1‑odstotnega izmeta visoki.
- Kako se GEN‑1 obnaša pri nalogah, ki so res popolnoma nove, ne le variacije naučenega?
- Kako pogosto bo treba modele posodabljati in ponovno certificirati v skladu z EU predpisi?
Gospodarsko gledano je tveganje jasno: prehitra avtomatizacija brez prilagojenih socialnih politik lahko poglobi pritisk na nižje kvalificirana delovna mesta. Po drugi strani pa bodo prav države z najhitrejšo uvedbo takšnih tehnologij ohranile konkurenčnost pri proizvodnji z višjo dodano vrednostjo.
Za bralce je zanimivo spremljati, ali se bodo evropski (tudi slovenski) igralci odločili za razvoj lastnih, bolj razložljivih in regulativno prilagojenih modelov za fizično AI, ali pa bomo skoraj v celoti odvisni od ameriških in kitajskih ponudnikov.
7. Bistvo
GEN‑1 verjetno ne bo prvi robot, ki vam bo zložil perilo doma, a bi lahko postal temelj za novo generacijo robotskih rok v skladiščih in tovarnah. Če se 99‑odstotna zanesljivost potrdi tudi zunaj laboratorija, bodo evropska – in slovenska – podjetja, ki že stavijo na avtomatizacijo, dobila močno novo orodje. Ključno vprašanje ni več, ali bo tovrstna fizična AI prišla, ampak kdo bo kontroliral platformo in pod kakšnimi socialnimi ter regulatornimi pogoji jo bomo sprejeli.
