2026 wird der Beginn und das große Jahr der Roboternarrative sein. Die Roboterrennstrecke wird bald ihren eigenen GPT-Moment erleben. Die entsprechenden Roboterprojekte befinden sich noch in einem frühen Stadium und sind daher bemerkenswert. 3G brachte WeChat, 4G machte Douyin erfolgreich; das Erscheinen von Killer-Apps basiert oft auf der Evolution der zugrunde liegenden Infrastruktur, auch wenn diese oft nicht leicht von der Öffentlichkeit wahrgenommen wird. Die Evolution der Roboter hängt hauptsächlich von drei Bedingungen ab: Daten + Modelle + Hardware. —— Modelle (das Gehirn der Roboter). Das Erscheinen von VLA in Verbindung mit dem Roboter selbst hat dazu geführt, dass Roboter von der "Ausführung vordefinierter Programme" zu einem autonomen geschlossenen Kreislauf von "Wahrnehmung-Entscheidung-Handlung" übergegangen sind. Außerdem hat sich die Generalisierungsfähigkeit der Modelle erheblich verbessert; sie können nun komplexe Langzeitaufgaben wie das Falten von Kleidung bewältigen. Einige Open-Source-Embodiment-Intelligenzmodelle haben diese Technologie zunehmend demokratisiert. —— Hardware (der Körper der Roboter) Derzeit können Haushaltsroboter vom Prototypen bis zur Testphase fortschreiten. Die Komponenten eines Roboters bestehen ungefähr aus diesen Teilen: Steuersystem (Denken und Berechnen), Sensorsystem (Visionssensoren, Kraftsensoren usw.), Ausführungssystem (Drehmomentmotoren, Bremsen, Verzögerungen usw.), Energiesystem (Lithiumbatterien). Derzeit sind die Kosten für Hardware immer noch hoch, weshalb die meisten Anwendungsszenarien für Roboter industrielle Szenarien sind. Industrielle Szenarien werden auch der Ort sein, an dem Roboter zuerst in großem Maßstab kommerzialisiert werden. —— Daten (das Blut der Roboter) Derzeit gibt es mehrere gängige Methoden zur Datensammlung für Roboter: eine ist die Fernsteuerung echter Maschinen, die andere ist die Simulation. Hochwertige echte Maschinendaten sind entscheidend, aber die Erfassungskosten sind extrem hoch; man stelle sich vor, jeder kauft einen 30.000 Dollar teuren Franka, um zu Hause Daten zu trainieren – wie teuer das wäre. Daher versucht die Branche, durch Simulationstechnologie und Modelle Daten zu synthetisieren und vorherzusagen, um den Mangel an echten Maschinendaten auszugleichen. Man kann in diesen drei Bereichen nach guten Projektzielen suchen. In diesem Jahr könnten auch viele Roboter-Memes auftauchen, also sei vorsichtig mit deinen Investitionen.