ASUS stelt verpakkingsdoel op menselijk tempo vast voor humanoïde robot Gallop

ASUS gaf op 13 november 2026 nadere details over Gallop, zijn eerste humanoïde robot, die leert 15 accessoires voor moederborden in te pakken in een van de elektronicafabrieken van de groep, met als doel een slagingspercentage van 99,5% binnen 20 seconden per moederbord.

Veel onderdelen zitten in dunne, doorzichtige zakjes, waardoor dit werkstation een lastige klus is voor eenvoudige grijpers. ASUS koos deze taak om te testen of de robot het grootste deel van het werk aankan zonder dat er voortdurend iemand naast staat. Het bedrijf hanteert voor mensen dezelfde norm voor snelheid en succes; de cijfers voor Gallop zijn streefwaarden, geen resultaten die al zijn behaald.

De volledige cyclus van demonstratie, leren en testen aan de productielijn werkt nu: een persoon laat de taak zien, de robot leert die en ASUS test de robot aan de lijn. De robot wordt ontwikkeld door de divisie Humanoid Robotics binnen de Physical AI Solutions Business Group, in een programma dat begin 2026 van start ging.

ASUS onderbouwt de keuze voor een humanoïde vorm vooral met het argument dat armen en behendige handen gebruik kunnen maken van bestaande werkstations, gereedschappen en bakken die voor mensen zijn ontworpen. Zo hoeft de fabriek niet speciaal voor de robot te worden verbouwd. Tegelijkertijd erkent het bedrijf dat niet voor elke taak een humanoïde robot nodig is.

Training op basis van ervaren medewerkers

ASUS begint met open modellen voor AI in plaats van zelf een enorm model te bouwen. Ervaren medewerkers dragen met hun toestemming camera’s op hun hoofd, zodat hun demonstraties laten zien hoe het werk daadwerkelijk wordt uitgevoerd. Simulaties genereren variaties op die voorbeelden. Vervolgens begeleidt een operator met een VR-headset en handschoenen Gallop tijdens het oefenen met dezelfde onderdelen en camera’s als op het echte werkstation.

Opnamen die worden gemaakt zodra de robot is ingezet, worden weer gebruikt voor de training. ASUS noemt de juiste gegevens van echte werkstations en onderdelen, en de kwaliteitsregels als zijn voorsprong. De eigen fabrieken voor elektronicaproductiediensten bieden een testomgeving die de meeste robotica­bedrijven moeten huren.

Vier softwarelagen en intern ontwikkelde hardware

De software van Gallop is opgedeeld in vier lagen. Een planner interpreteert de situatie en verdeelt de taak in stappen; een tweede AI-toezichthouder controleert elke stap en maakt na een probleem een nieuw plan; een vaardigheidslaag verzorgt het reiken, grijpen en neerzetten; en een besturingslaag beweegt de armen en handen nauwkeurig en stopt ze als er iets mis is.

De vaste interfaces tussen de lagen moeten het ASUS mogelijk maken AI-modellen te vervangen zonder de robot opnieuw te hoeven bouwen. Het systeem draait op één NVIDIA Jetson AGX Thor-computer in Gallop en maakt gebruik van standaardroboticasoftware.

ASUS ontwerpt de behendige hand met tastzin en de romp zelf, terwijl motoren en andere standaardonderdelen afkomstig zijn van gevestigde partners. De huidige robot heeft een vaste basis en twee armen voor stationaire pick-and-place-taken; de intern ontwikkelde hand is nog niet geïntegreerd.

Plannen voor proefprojecten en commercialisering

ASUS is van plan die hand te integreren, wielen toe te voegen en Gallop tijdens Computex 2027 aan klanten te tonen. Ook proefprojecten met klanten staan voor dat jaar gepland. De beoogde marktintroductie is in de tweede helft van 2028.

Elektronicaproductie is de eerste beoogde markt. ASUS verwacht dat vaardigheden voor pick-and-place die de robot bij de ene taak leert, ook bij andere taken kunnen worden ingezet. Dat kan later mogelijk toepassingen opleveren in ziekenhuizen en op servicelocaties.

ASUS richt de robot op repetitieve, fysiek zware werkzaamheden die moeilijk te bemensen zijn, niet op het vervangen van werknemers. Medewerkers die de robot trainen, zouden zich gaan bezighouden met het instellen, begeleiden en verbeteren van robots.

De geplande proefprojecten moeten uitwijzen of de robot dankzij het leren van ervaren medewerkers en gegevens van specifieke werkstations tijdens het dagelijkse gebruik de kwaliteit en het tempo van de fabriek kan handhaven. ASUS beschouwt die consistentie als voorwaarde voor bredere inzet: Gallops werkende trainingscyclus is het uitgangspunt, en de proefprojecten moeten aantonen dat die onder alledaagse fabrieksomstandigheden herhaalbare resultaten kan opleveren.