ASUS setter mål for pakking i menneskelig tempo for humanoidroboten Gallop

ASUS utdypet 13. november 2026 detaljene om Gallop, sin første humanoide robot, som lærer å pakke 15 tilbehørsdeler til hovedkort ved en av konsernets elektronikkfabrikker, med et mål om 99,5 % suksess innen 20 sekunder per kort.

Mange av delene ligger i tynne, gjennomsiktige poser, noe som gjør arbeidsstasjonen til en krevende oppgave for enkle gripere. ASUS valgte den for å teste om roboten kan utføre det meste av en jobb uten at en person står ved siden av den hele tiden. Selskapet stiller de samme kravene til hastighet og suksess for mennesker; tallene for Gallop er mål, ikke rapporterte resultater.

Hele arbeidsflyten for demonstrasjon, læring og testing på produksjonslinjen fungerer nå: En person viser oppgaven, roboten lærer den, og ASUS tester den på linjen. Roboten utvikles av forretningsenheten Humanoid Robotics i forretningsgruppen Physical AI Solutions, i et program som startet tidlig i 2026.

ASUS’ bredere begrunnelse for humanoidformen er at armer og fingerferdige hender kan bruke eksisterende arbeidsstasjoner, verktøy og brett som er utformet for mennesker. Dermed unngår man å måtte bygge om en fabrikk rundt roboten, samtidig som selskapet erkjenner at ikke alle oppgaver krever en humanoidrobot.

Opplæring basert på erfarne arbeidere

ASUS tar utgangspunkt i åpne AI-modeller i stedet for å bygge en gigantisk modell internt. Erfarne arbeidere bruker, med sitt samtykke, kameraer montert på hodet, slik at demonstrasjonene deres viser hvordan jobben faktisk utføres. Simulering lager variasjoner av disse eksemplene, og deretter veileder en operatør med VR-briller og hansker Gallop gjennom øving med de samme delene og kameraene som brukes på den virkelige arbeidsstasjonen.

Opptak som gjøres etter at roboten er satt i drift, brukes videre i opplæringen. ASUS beskriver fortrinnet sitt som tilgang til de rette dataene fra virkelige arbeidsstasjoner, deler og kvalitetsregler. Selskapets egne fabrikker for elektronikkproduksjon gir et testmiljø som de fleste robotselskaper må leie.

Fire programvarelag og egenutviklet maskinvare

Programvaren i Gallop er delt inn i fire lag. En planlegger tolker scenen og deler jobben opp i trinn; en annen AI-basert overvåker kontrollerer hvert trinn og lager en ny plan hvis det oppstår et problem; et ferdighetslag håndterer å strekke seg etter, gripe og plassere gjenstander; og et kontrollag beveger armene og hendene presist og stanser dem hvis noe er galt.

Fastlagte grensesnitt mellom lagene skal gjøre det mulig for ASUS å bytte ut AI-modeller uten å bygge om roboten. Systemet kjører på én NVIDIA Jetson AGX Thor-datamaskin inne i Gallop og bruker standard robotikkprogramvare.

ASUS utvikler kroppen og en fingerferdig hånd med berøringssans internt, mens motorer og andre standardkomponenter kommer fra etablerte partnere. Den nåværende roboten har en fast base og to armer for stasjonære plukk-og-plasser-oppgaver; den egenutviklede hånden er ennå ikke integrert.

Planer for pilotprosjekter og kommersialisering

ASUS planlegger å integrere hånden, legge til hjul og vise Gallop til kunder på Computex 2027. Pilotprosjekter med kunder er også planlagt det året. Målet er at roboten skal bli tilgjengelig på markedet i andre halvdel av 2028.

Elektronikkproduksjon er det første tiltenkte markedet. ASUS forventer at plukk-og-plasser-ferdigheter som læres i én jobb, kan overføres til andre, noe som kan åpne for senere bruk på sykehus og tjenestesteder.

ASUS retter roboten mot repetitive og fysisk krevende arbeidsstasjoner som er vanskelige å bemanne, ikke mot å erstatte arbeidere. Ansatte som lærer opp roboten, skal i stedet gå over til å sette opp, overvåke og forbedre roboter.

De planlagte pilotprosjektene skal teste om læring fra erfarne arbeidere og data fra den enkelte arbeidsstasjonen kan opprettholde fabrikkens kvalitet og arbeidstempo gjennom den daglige driften. ASUS har satt slik stabilitet som terskel for bredere bruk: Gallops fungerende opplæringsløp er utgangspunktet, og pilotprosjektene må vise at det kan gi gjentakbare resultater under vanlige fabrikkforhold.