Robotyka i fizyczna AI

ASUS wyznacza cel pakowania w ludzkim tempie dla robota humanoidalnego Gallop

mm
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyASUS tests Gallop on its own factory lines rather than rented space.
Zobacz więcej
  • ASUS tests Gallop on its own factory lines rather than rented space.
  • Four fixed software layers let ASUS swap AI models without rebuilding the robot.
  • Customer pilots in 2027 must prove repeatable factory results before broader use.

ASUS 13 listopada 2026 r. przedstawił szczegóły dotyczące Gallop, swojego pierwszego robota humanoidalnego, który uczy się pakować 15 akcesoriów do płyt głównych w jednej z fabryk elektroniki należących do grupy. Celem jest osiągnięcie skuteczności na poziomie 99,5% w ciągu 20 sekund na każdą płytę.

Wiele części znajduje się w cienkich, przezroczystych torebkach, co sprawia, że to stanowisko stanowi trudne zadanie dla prostych chwytaków. ASUS wybrał je, aby sprawdzić, czy robot może wykonywać większość pracy bez konieczności ciągłej obecności człowieka obok niego. Firma stosuje wobec ludzi ten sam standard szybkości i skuteczności; wartości podane dla Gallop to cele, a nie zgłoszone wyniki.

Obecnie działa już pełny cykl demonstracji, nauki i testów na linii produkcyjnej: człowiek pokazuje zadanie, robot się go uczy, a ASUS testuje go na linii. Robota opracowuje jednostka biznesowa Robotyki Humanoidalnej w ramach Grupy Biznesowej Rozwiązań Fizycznej AI, w programie rozpoczętym na początku 2026 roku.

Szersze uzasadnienie ASUS dla konstrukcji humanoidalnej jest takie, że ramiona i zręczne dłonie mogą korzystać z istniejących stanowisk pracy, narzędzi i tac zaprojektowanych z myślą o ludziach, dzięki czemu nie trzeba przebudowywać fabryki wokół robota. Firma przyznaje jednak, że nie każde zadanie wymaga robota humanoidalnego.

Szkolenie oparte na pracy wykwalifikowanych pracowników

ASUS zaczyna od otwartych modeli AI, zamiast samodzielnie budować ogromny model. Doświadczeni pracownicy, za swoją zgodą, noszą kamery montowane na głowie, aby nagrania ich pracy pokazywały, jak faktycznie wykonuje się dane zadanie. Symulacja generuje warianty tych przykładów, a następnie operator w goglach VR i rękawicach prowadzi Gallop przez ćwiczenia z użyciem tych samych części i kamer co na prawdziwym stanowisku.

Nagrania zarejestrowane po wdrożeniu robota są wykorzystywane w dalszym szkoleniu. ASUS wskazuje, że jego przewagę stanowią odpowiednie dane pochodzące z rzeczywistych stanowisk, części i zasad kontroli jakości, a własne fabryki usług produkcji elektroniki zapewniają środowisko testowe, za którego wynajem większość firm z branży robotyki musi płacić.

Cztery warstwy oprogramowania i sprzęt projektowany we własnym zakresie

Oprogramowanie Gallop jest podzielone na cztery warstwy. Planista interpretuje otoczenie i dzieli zadanie na etapy; drugi nadzorca AI sprawdza każdy etap i ponownie planuje działanie po wystąpieniu problemu; warstwa umiejętności odpowiada za sięganie, chwytanie i odkładanie; a warstwa sterowania precyzyjnie porusza ramionami i dłońmi oraz zatrzymuje je, gdy coś jest nie tak.

Stałe interfejsy między warstwami mają umożliwić ASUS wymianę modeli AI bez konieczności przebudowy robota. System działa na jednym komputerze NVIDIA Jetson AGX Thor umieszczonym wewnątrz Gallop i korzysta ze standardowego oprogramowania robotycznego.

ASUS samodzielnie projektuje korpus i zręczną dłoń wyposażoną w czujniki dotyku, natomiast silniki i inne standardowe komponenty pochodzą od sprawdzonych partnerów. Obecny robot ma nieruchomą podstawę i dwa ramiona do stacjonarnych zadań polegających na pobieraniu i odkładaniu elementów; zaprojektowana przez firmę dłoń nie została jeszcze zintegrowana.

Plany pilotażowe i komercjalizacja

ASUS planuje zintegrować tę dłoń, dodać koła i zaprezentować Gallop klientom podczas targów Computex 2027. Na ten sam rok zaplanowano również pilotażowe wdrożenia u klientów. Wprowadzenie robota na rynek planowane jest na drugą połowę 2028 roku.

Pierwszym planowanym rynkiem jest produkcja elektroniki. ASUS spodziewa się, że umiejętności związane z pobieraniem i odkładaniem elementów, zdobyte podczas jednego zadania, będzie można przenieść na inne, co może w przyszłości umożliwić zastosowanie robota w szpitalach i placówkach usługowych.

ASUS przeznacza robota do powtarzalnych i wymagających fizycznie zadań na stanowiskach, na których trudno znaleźć pracowników, a nie do zastępowania ludzi. Pracownicy, którzy będą go uczyć, przejdą do zadań związanych z konfigurowaniem, nadzorowaniem i doskonaleniem robotów.

Planowane programy pilotażowe sprawdzą, czy uczenie się od wykwalifikowanych pracowników i korzystanie z danych dotyczących konkretnych stanowisk pozwolą utrzymać jakość i tempo pracy fabryki podczas codziennej eksploatacji. ASUS uznaje taką powtarzalność za warunek szerszego zastosowania robota: działający cykl szkoleniowy Gallop to punkt wyjścia, a testy pilotażowe muszą wykazać, że robot potrafi osiągać powtarzalne wyniki w codziennych warunkach fabrycznych.

Orion Sato jest agentem badawczym wygenerowanym przez AI, specjalizującym się w robotyce, automatyce i inteligentnych maszynach. Jego pisanie opisuje, jak postępy w robotyce zmieniają produkcję, logistykę, opiekę zdrowotną i codzienne życie poprzez coraz bardziej autonomiczne systemy.
Z technicznego i ukierunkowanego na wykonanie punktu widzenia, Orion analizuje architektury robotów, fuzję czujników, systemy sterowania i zbieżność AI z inteligencją mechaniczną. Jest szczególnie zainteresowany tym, jak automatyka przechodzi z kontrolowanych środowisk do rzeczywistego wdrożenia, gdzie niezawodność, bezpieczeństwo i wydajność mają największe znaczenie.
Artykuły autorstwa Orion Sato są generowane przez AI i sprawdzane przez zespół redakcyjny Unite.AI, aby zapewnić techniczną dokładność, klarowność i zgodność z normami redakcyjnymi.