For nylig gennemførte en menneskelignende robot et halvmaraton i Kina, og i Danmark arbejdes der på at udvikle menneskelignende robotter som kan sætte varer på hylderne i supermarkederne.
Det har endnu en gang fået robotter på dagsordenen, og udviklingen indenfor robotter og kunstig intelligens har da også for alvor taget fart de senere år.
Men er vi tæt på endelig at kunne købe en menneskelignende husholdningsrobot, som kan lave mad, støvsuge, tage opvasken, skifte sengebetræk og gå i kiosken efter mælk?
Det er ikke helt simpelt at svare på – blandt andet fordi, det er meget vanskeligt at skabe en robot, der kan navigere fleksibelt og robust i vores verden.
Hvad er humanoide robotter?
At en robot er humanoid, betyder at den er `human-agtig', altså `menneskelignende'. Det dækker dybest set bare over, at det er en robot, som er bygget til at ligne og kunne bevæge sig som et menneske.
Det betyder dog ikke nødvendigvis, at den skal ligne et menneske så meget som muligt. Mindre kan også gøre det. En klassisk humanoid robot er SoftBank Robotics' Pepper-robot fra 2014 (se her, hvordan jeg har brugt den i min egen forskning).
En Pepper-robot har arme, fingre, et hoved og øjne som alle kan bevæge sig, men den har ingen ben, kun hjul, som du kan se på billedet øverst i artiklen.
Pepper-robotter har eksempelvis været brugt på sushi-restauranter i Japan og på krydstogtsskibe. Men den er bestemt ikke fysisk stærk, man skal helst ikke forsøge at få den til at bære noget som er meget tungere end en bordtennis-bold, og man kan glemme alt om at få den til at ’gribe’ en bordtennisbold.
Der er kommet mange andre humanoide robotter til efter Pepper. En af de robotter som har fået en del opmærksomhed er Unitrees G1 fra 2024. Den er udviklet i Kina, men bliver også brugt i Danmark, blandt andet af Teknologisk Institut og robotvirksomheden HIVE Robots.
G1 er en noget mere fysisk kapabel robot. Til fejringen af det kinesiske nytår i 2026 lavede en stor gruppe G1-robotter et utroligt imponerende show med blandt andet kung fu, parkour og breakdance.
Både Pepper og G1 har det til fælles at de i forhold til mange industrirobotter er ret ’billige’, cirka 150.000 kroner i nypris.
Komponenter i en humanoid robot
Vi mennesker har en krop og en hjerne, og vi har brug for begge dele for at kunne handle i verden. Men det er ikke altid de to ting er lige veludviklede.
Man kan sagtens være enormt stærk, men dum som en dør, og man kan også være en af verdens klogeste mennesker uden at kunne bruge meget andet end ens kindmuskler, som det skete for fysikeren Stephen Hawkings, som led af sygdommen ALS.
Humanoide robotter har også en krop og en hjerne, og har også brug for begge dele. Kroppen har motorer i stedet for muskler, og hjernen er en computer programmeret med kunstig intelligens (AI).
Det kan du læse meget mere om i boksen nedenfor.
\ Robottens krop og hjerne
Kroppen
En humanoid robots krop består af dens skelet og alle dens motorer og sensorer. Motorerne svarer til vores muskler, og jo mere fleksibelt vi ønsker, en humanoid robot skal kunne bevæge sig, jo flere motorer skal den have.
Hver motor giver én frihedsgrad, altså noget som kan bevæge sig langs én dimension, for eksempel en robotarm som kan bevæge sig op og ned. Med to motorer - to frihedsgrader - kan vi eksempelvis bygge et robothoved, som både kan bevæge sig op og ned og fra side til side (så den både kan nikke og ryste på hovedet). Hvis hovedet også skal kunne lægges på skrå for at signalere interesse og imødekommenhed, har det brug for en ekstra motor/frihedsgrad.
En Pepper-robots hoved har to frihedsgrader. Dens hænder har til gengæld kun én frihedsgrad, så den kan kun åbne eller lukke hånden, ikke bevæge fingrene individuelt eller lave noget som helst finmotorisk som at holde en blyant.
En G1-robot kan fås med trefingrede hænder med syv frihedsgrader. Der er dog stadig langt op til menneskers hænder med 27 frihedsgrader (alle fingerled kan bevæge sig i to retninger, selvom vi ikke altid kan styre bevægelserne helt frit). Så det er ikke nemt for en robot at skulle spille Rachmaninovs 3. klaverkoncert endsige at åbne en pose chips.
Blandt sensorerne på en G1-robot er der et kamera med dybdesensor og en LiDAR. En LiDAR er en laserscanner, som ved hjælp af laserlys kan måle afstanden til objekter i omgivelserne. Begge sensorer bruges af robotten til at få en fornemmelse af, hvor den selv er, og hvor ting i omgivelserne er - hvis den for eksempel skulle blive bedt om at hente posen med chips.
Hjernen
En humanoid robots hjerne er dens computer. Computeren modtager data fra sensorerne og skal omsætte den information til aktivering af motorerne.
Det svarer nogenlunde til, hvordan vi mennesker opfatter verden med vores sanser, og bruger hjernen til at omsætte vores sanseindtryk til signaler, der aktiverer musklerne.
Hvis vi med vores øjne ser en pose chips på køkkenbordet, beslutter vi måske at aktivere de muskler, der skal til for at gå hen og åbne den og proppe indholdet i munden.
Men vi gør naturligvis også meget mere komplekse ting med vores hjerner end at blive fristet af udsigten til et lækkert, men usundt, mellemmåltid.
Vi bruger vores hjerner til at beslutte, hvilke mål vi vil opnå (for eksempel at lære at spille Rachmaninovs 3. klaverkoncert eller i det mindste Für Elise) og til at lægge planer for at nå vores mål (melde os til klaverundervisning).
Jo mere komplekse og forskelligartede de opgaver, vi gerne vil have vores humanoide robotter til at udføre, er, jo større krav stiller det til deres 'hjerner'.
Hjernen på en robot er som sagt en computer, og den software, der styrer en robots hjerne, er opbygget omkring kunstig intelligens.
Robotterne til showet, i forbindelse med det kinesiske nytår i videoen ovenfor, udførte en på forhånd koreograferet dans.
Det er bestemt ikke trivielt at træne en robot til at lave så komplicerede bevægelser. På den anden side, fordi den kun skulle lære at kopiere nogen på forhånd givne bevægelser og dernæst lave de samme bevægelser om og om igen, så krævede det ikke et meget højt niveau af (kunstig) intelligens.
Så det mest imponerende ved nytårs-showet var den fysiske fleksibilitet som de humanoide robotter efterhånden har fået, det var ikke et højdepunkt for udviklingen i kunstig intelligens. Så masser af krop, men ikke så meget hjerne.
Hvor går udviklingen hurtigst?
Er det kroppen (selve den fysiske robot) eller hjernen (den kunstige intelligens), som udvikler sig hurtigst inden for humanoide robotter?
Det går lidt i bølger. De seneste år har robotters fysiske formåen udviklet sig utrolig hurtigt, så lige nu er det nok mest den kunstige intelligens som halter bagefter.
Den norske virksomhed 1X har udviklet den humanoide robot NEO, som man nu kan forudbestille, men indtil videre forstår den ikke verden godt nok til at kunne handle særligt intelligent i den. Den er stadig primært teleopereret, det vil sige, at nogen styrer den med et VR-headset og controllers.
Producentens håb er, at en masse kunder køber den, og at robotterne lærer af erfaringen hos deres brugere, men det er ikke på forhånd klart, hvor godt det vil lykkes.
Hvor halter det stadig?
Indtil videre skal humanoide robotter stadig trænes ret specifikt til de opgaver, vi gerne vil have dem til at løse, om det så er at slå flik-flak eller åbne chipsposer. Den træning er noget, virksomhederne bruger ret mange ressourcer på.
Selvom udviklingen i kunstig intelligens er i et meget højt gear, så ved vi endnu ikke helt, hvordan vi skaber kunstig intelligens med menneskelig fleksibilitet og evne til at lære nyt.
En af de helt store udfordringer er at kunne bevæge sig gnidningsfrit mellem forskellige abstraktionsniveauer, altså hvor detaljeret eller overordnet vi kigger på verden og de opgaver, vi skal løse.
Lad os som eksempel tage en robot, som skal kunne gå til hånde i et køkken. Den skal kunne tænke på et meget højt abstraktionsniveau, når den skal vurdere, om man overhovedet kan lave lasagne med de ingredienser som er i køkkenet, og når den skal lægge en plan for, hvad der skal gøres i hvilken rækkefølge.
Men den skal også kunne omsætte den overordnede plan ned til det allerlaveste abstraktionsniveau: hvor hårdt motoren i andet fingerled af tredje finger skal gribe om lasagnepladerne, så den hverken taber eller knækker dem.
Netop at bevæge sig op og ned i abstraktionsniveau er en udfordring, som kunstig intelligens har bakset med siden den spæde start i 1950'erne. Selvom der bliver arbejdet hårdt på at løse udfordringen, så er der nok stadig mange mysterier omkring menneskelig intelligens, som vi mangler at få styr på, inden vi kan finde ud af at programmere robotter med menneskelig fleksibilitet.
Et stort gennembrud
En af de største gennembrud i kunstig intelligens i nyere tid, og måske nogensinde, er udviklingen af store sprogmodeller som ChatGPT, Claude og Gemini.
Oprindeligt blev de kun trænet på sprog, altså tekster, men senere blev de også trænet på billede og video-data (såkaldte multimodale sprogmodeller). Det har gjort, at de har lært at finde sammenhænge mellem sprog og video - altså for eksempel at forstå sammenhængen mellem ordet `banan' og så den der aflange gule ting, der ligger i frugtskålen.
Det blev i 2023 brugt af Google og Berlins tekniske universitet til at bygge en robot, som kunne udføre instruktioner formuleret i naturligt sprog som ’hent posen med chips’ - vel at mærke uden nødvendigvis at være trænet til den præcise opgave.
Robotten hed PaLM-E, givetvis med slet skjult reference til Pixars meget sympatiske animerede robot, WALL-E.
PaLM-E var baseret på en multimodal sprogmodel som spyttede tekst ud, ligesom ChatGPT. Den tekst skulle så bagefter oversættes til robot-bevægelser. For eksempel en oversættelse af ’grib posen med chips’ til ’sænk armen 30 grader, luk hånden, løft armen 30 grader’.
Senere har man arbejdet hårdt på at bygge nye typer sprogmodeller, kaldet VLAer (Vision-Language-Action modeller), som direkte kan kontrollere robottens bevægelser (så ’chatbotten’ altså spytter robotbevægelser ud i stedet for tekst).
Det er bestemt ikke trivielt at få til at virke, men Physical Intelligence (som i passende nørdstil foretrækker at blive betegnet som 'π') har opnået imponerende resultater.
Og så er der tidshorisonten
Der er altså en massiv udvikling i gang, både inden for robotters fysiske formåen (for eksempel Unitree og 1X). Og samtidig er der en massiv udvikling i gang, for at gøre robotterne kloge nok til at kunne løse mange forskellige opgaver og følge vores instruktioner, også selvom vi beder dem om at gøre noget, de ikke har prøvet før (for eksempel Physical Intelligence).
Nogle mener, at vi er på tærsklen til at det hele eksploderer, og at vi om et par år vil have en masse humanoide robotter både i virksomheder og privat.
Andre mener, at det har meget længere udsigter, og nogle mener endda, at robotter slet ikke bør være humanoide.
Det ville være ufatteligt mange penge værd at vide, hvor hurtigt udviklingen kommer til at gå. Det er der desværre ingen, der med stor sikkerhed gør.
Belært af erfaringen med at udvikle førerløse biler, er det meget svært at spå om, hvor lang tid det tager, inden den slags teknologier for alvor er modne til at blive sluppet fri i den virkelige verden - den virkelige verden med al dens uforudsigelighed og alle de ting, der kan gå i stykker.
