हाल ही में, मानव रूपी रोबोट्स ने "लक्जरी" से "सस्ता" तक का ऐतिहासिक मोड़ लिया है।

लेखक, स्रोत: AI फ्रंटियर

हाल ही में, मानव रूपी रोबोट्स को "लग्जरी" से "सब्जी की कीमत" तक का ऐतिहासिक मोड़ मिला है। एक साल पहले जिन इंजीनियरिंग प्रोटोटाइप्स की कीमत लगभग एक लाख रुपये थी और उनकी बुकिंग के लिए लंबी कतारें लगती थीं, आज उन्हें दूसरे हाथ की वेबसाइटों और डिस्कंपोज़िशन मार्केट पर "50,000 रुपये प्रति कार" के हिसाब से पैकेज में साफ़ किया जा रहा है। प्रति इकाई कीमत पर, कुछ तो उच्च-अंत फ्लैगशिप मोबाइल्स से सस्ते हैं।

यूशु G1 की कीमत 85,000 रुपये से शुरू हो गई है, उपभोक्ता स्तर की प्रवेश स्तरीय R1 Air केवल 29,900 रुपये में उपलब्ध है, और सोंगयान पावर का Bumi 9,998 रुपये तक गिर गया है, जो एक उच्च-स्पेक iPhone से सस्ता है। इसी बीच, चीनी मानवरूपी रोबोट की आपूर्ति श्रृंखला की देशीकरण दर 90% से अधिक पार कर गई है। मॉर्गन स्टेनले द्वारा हाल ही में जारी रिपोर्ट के अनुसार, 2025 में विश्वभर में वितरित 13,000 से 16,000 मानवरूपी रोबोट में से लगभग 90% चीनी निर्माताओं से आएंगे।

अगर वर्तमान में AI डिजिटल दुनिया की उत्पादकता का कार्य करना शुरू कर चुका है, तो तेजी से विकसित रोबोट भौतिक दुनिया की उत्पादकता बनने की उम्मीद कर रहे हैं। उत्पादों की कीमतों के “दिनों में हजारों का बढ़ने” की भावना में, एक प्रश्न उभर रहा है: क्या भविष्य में केवल मानव रूपी रोबोट ही पर्याप्त होंगे?

गार्टनर के अनुसंधान डेटा एक शांत तथ्य प्रस्तुत करते हैं: मानव रूपी रोबोट का "वास्तविक अनुपात" केवल 1:60 है, जिसमें लगभग 98.36% अनुसूचित ग्राहक अभी भी अन्वेषण के चरण में हैं, जबकि वास्तविक रूप से लागू किए गए केवल 1.64% हैं। "व्यावहारिक या तर्कसंगत दृष्टिकोण से, हम मानते हैं कि भविष्य के रोबोट को आवश्यक रूप से मनुष्य के समान दिखना चाहिए," गार्टनर के अनुसंधान उपाध्यक्ष गाओ टिंग कहते हैं।

हाल ही में, हमने गाओ टिंग का साक्षात्कार किया। उन्होंने बातचीत में बताया कि जबकि मानव दुनिया मानव शरीर के आकार के अनुसार डिज़ाइन की गई है, लेकिन मानव शरीर की संरचना रोबोट के लिए सर्वोत्तम आकृति नहीं हो सकती। सफल रोबोट को मानव आकृति का सरल प्रतिकृति नहीं, बल्कि सुधारित संस्करण होना चाहिए। उदाहरण के लिए, अमेज़न द्वारा परीक्षण किए जा रहे Digit रोबोट के घुटने पीछे की ओर मुड़ते हैं, जिससे वे शेल्फ़ के सामने मनुष्यों की तुलना में अधिक कुशलता से बैठ सकते हैं; 1X का Eve रोबोट व्हील-आधारित, स्व-संतुलित चेसिस का उपयोग करता है, जिससे समतल आंतरिक परिवेश में गति की दक्षता में सुधार होता है। दक्ष रोबोट की आकृति कुत्ते के समान, पहिया-आधारित, या कार्य की आवश्यकताओं के अनुसार पूरी तरह से डिज़ाइन की गई नई आकृति हो सकती है, जो आमतौर पर मानव-रूपी संस्करणों की तुलना में अधिक स्थिर, कम लागत वाली और तेज़ होती है।

“‘人形’外貌不应成为限制，应优先寻找能够快速交付价值、产生收入的特定垂直应用场景。”除此之外，高挺还从技术、硬件、应用场景和现实挑战等多个维度，梳理了当今机器人产业的真实图景。

आज का रोबोट क्या कर सकता है?

छोटे समय के लिए, आपको यह नहीं देखना चाहिए कि "रोबोट इंसान जैसा दिखता है या नहीं", बल्कि यह देखना चाहिए कि "क्या रोबोट एक बहुत स्पष्ट परिदृश्य में स्थिर रूप से कार्य पूरा कर सकता है, लागत कम कर सकता है, मानव निर्भरता कम कर सकता है और संचालन की दक्षता बढ़ा सकता है।"

So, what can the bot do today?

अब तक के मामलों से देखा जा सकता है कि रोबोट का रूप कितना महत्वपूर्ण नहीं है। चाहे वह गोदाम में कार्यरत मैकेनिकल आर्म हो या कार कारखाने में सामान ढोने वाला रोबोट, वास्तविक रूप से लागू होने वाले स्थितियों की एक विशेषता है: परिवेश काफी स्थिर होता है। कंपनियां अंततः यही देखती हैं कि यह रोबोट काम को सही ढंग से कर पाएगा या नहीं, और क्या इसका लाभ-हानि का हिसाब सही है, न कि यह इंसान की तरह दिखता है या नहीं।

उच्च टिंग के सारांश के अनुसार, वर्तमान चरण में निवेश लाभ का आसानी से निर्माण करने वाले रोबोट स्थितियाँ आमतौर पर तीन विशेषताएँ रखती हैं: कार्य सीमा स्पष्ट होती है, प्रक्रिया दोहराई जा सकती है, और अपवाद स्थितियाँ सीमित होती हैं। उदाहरण के लिए, औद्योगिक लाइन-साइड लॉजिस्टिक्स, स्टोरेज और हस्तांतरण, और कुछ सेवा प्रक्रियाएँ, स्थानीय सुधार के माध्यम से रोबोट को संभालने की जटिलता को कम किया जा सकता है। घरेलू परिदृश्य अलग हैं: कार्य संयोजन अधिक विखंडित होते हैं, परिवेश परिवर्तन अधिक अक्सर होते हैं, और कोई भी त्रुटि सीधे व्यक्ति की सुरक्षा को प्रभावित कर सकती है। इसलिए, घरेलू रोबोट को न केवल मजबूत मॉडल क्षमता की आवश्यकता होती है, बल्कि अधिक परिपक्व इंजीनियरिंग विश्वसनीयता और सुरक्षा तंत्र की भी।

बड़े पैमाने पर उद्योगीकरण की अवसर अवधि, अवसर कहाँ हैं?

“रोबोट उद्योग अभी बड़े पैमाने पर उत्पादन की ओर बढ़ने के अवसर के दौर से गुजर रहा है।” इस रोबोट उद्योग के वर्तमान चरण के बारे में गाओ टिंग ने ऐसी परिभाषा दी है। “वर्तमान में, रोबोट पहले ही कुछ औद्योगिक और व्यावसायिक परिदृश्यों में सफलतापूर्वक लागू हो चुके हैं। विशेष रूप से कारखानों और गोदामों में, जहां दोहराव वाले कार्य होते हैं, रोबोट पहले ही कुछ मानव श्रम को प्रतिस्थापित कर चुके हैं। इसलिए, पूंजी इस क्षेत्र के प्रति बहुत अधिक ध्यान दे रही है, और कुछ शीर्ष कंपनियों का मूल्यांकन भी तेजी से बढ़ रहा है।”

लेकिन वास्तविक रूप से बड़े पैमाने पर उद्योग का लागू होना अभी तक नहीं हुआ है।

टेस्ला ने 2025 में लगभग 5,000 Optimus यूनिट उत्पादित करने का लक्ष्य रखा था। हालांकि, 2025 के चौथे तिमाही के अर्जित रिपोर्ट के समय, एलन मस्क ने स्वीकार किया कि Optimus केवल कुछ बुनियादी कार्य ही कर पा रहा है और अभी तक वास्तविक उत्पादकता नहीं बन पाया है। जानकारी के अनुसार, टेस्ला का तीसरा पीढ़ी का मानवरूपी रोबोट मध्यवर्ष में पेश किया जाएगा, और इसका आधिकारिक उत्पादन 2026 के जुलाई-अगस्त में शुरू होगा।

रोबोट, विशेष रूप से मानव रूपी रोबोट, का वास्तविक लागू होना और जनता की अपेक्षाओं में काफी अंतर है, यही वर्तमान स्थिति है।

गाओ तिंग के अनुसार, अगले 2-3 वर्षों में मानव रूपी रोबोट पूरी तरह से बड़े पैमाने पर व्यावसायिक रूप से लागू करना मुश्किल होगा। "इन मानव रूपी रोबोट्स को फैक्ट्रियों, भंडारण, ऑटोमोबाइल निर्माण जैसे अपेक्षाकृत स्थिर परिवेशों में दोहराव वाले, कम जटिल कार्य करने के लिए जारी रखा जा सकता है। लेकिन यह अधिकतर पायलट और सीमित स्थापना होगी, न कि श्रम का पूर्णतः प्रतिस्थापन। इसके विपरीत, औद्योगिक रोबोट, भंडारण रोबोट, सेवा रोबोट और कुछ विशिष्ट कार्यों के लिए बहुउद्देश्यीय रोबोट, इन उत्पादों का व्यावसायिक मार्ग अधिक स्पष्ट है। क्योंकि उनके कार्य सीमाएँ स्पष्ट हैं, निवेश-आय की गणना करना आसान है, और सुरक्षा और प्रक्रिया को नियंत्रित करना सहज है।"

ऐसे उद्यमों के लिए जो रोबोट खरीदना चाहते हैं, उनकी सलाह है: “पहला, शुरुआत ‘एक मानव रूपी रोबोट खरीदना’ नहीं, बल्कि उच्च मूल्य वाले और कम जटिल कार्यों की खोज से होनी चाहिए। दूसरा, रोबोट को केवल हार्डवेयर खरीद के रूप में नहीं, बल्कि एक संचालन सुधार परियोजना के रूप में देखें। केवल रोबोट का शरीर खरीदने से सीधे कार्यान्वयन संभव नहीं है; आपको स्थानीय प्रक्रियाओं, स्थान व्यवस्था, IT/OT एकीकरण, कर्मचारी सहयोग आदि को भी ध्यान में रखना होगा। तीसरा, पहले पायलट परियोजना करें, फिर विस्तार करें—एक या दो छोटे, सीमित परिदृश्यों से शुरुआत करें, और वास्तविक उत्पादकता परिणाम प्राप्त करने के बाद ही प्रतिलिपि बनाएं। चौथा, पहले परिपक्व प्रकारों पर ध्यान केंद्रित करें, जैसे AMR, मैकेनिकल हथियार, सहयोगी रोबोट, और दीर्घकालिक रूप से मानव रूपी रोबोट की परिपक्वता का पता लगाते रहें।”

हाइ टिंग ने समझाया, "उद्योग में अक्सर वर्तमान एम्बॉडिड इंटेलिजेंस के विकास के चरण की तुलना बड़े मॉडल के प्रारंभिक चरण से की जाती है: तकनीकी दिशा धीरे-धीरे स्पष्ट हो रही है, लेकिन स्केलिंग क्षमता अभी तक विकसित नहीं हुई है।" इस तुलना में कुछ सच्चाई है, लेकिन रोबोट्स का औद्योगिकीकरण अधिक कठिन है। "क्योंकि इसमें केवल डेटा और कैलकुलेशन की सीमाएँ ही नहीं, बल्कि सेंसर, ड्राइव सिस्टम, पावर मैनेजमेंट और सिस्टम विश्वसनीयता भी शामिल हैं।"

VLA अभी भी महत्वपूर्ण रूट है, और वर्ल्ड मॉडल्स रोबोटिक सिस्टम में तेजी से एकीकृत हो रहे हैं

रोबोट क्या कर सकता है और क्या नहीं कर सकता, यह मूल रूप से उसके "दिमाग" पर निर्भर करता है, जिसे रोबोट मॉडल कहा जाता है।

गाओ तिंग ने कहा: "VLA वर्तमान में सामान्य रोबोट मॉडल के लिए सबसे परिपक्व तकनीकी दिशा है।" VLA का अर्थ है विज़ुअल, भाषा और क्रिया। इसमें "भाषा" भाग, बड़े भाषा मॉडल से आता है। यह रोबोट को परिवेश की जानकारी और कार्य निर्देशों को मिलाकर संबंधित क्रियाएँ उत्पन्न करने में सक्षम बनाता है।

भाषा मॉडल का कार्य रोबोट को अर्थबोध, सामान्य ज्ञान और कार्य योजना बनाने की क्षमता प्रदान करना है। उदाहरण के लिए, जब उपयोगकर्ता कहता है 'कमरा बहुत अंधेरा है', तो रोबोट को इस वाक्य के पीछे के कार्य के लक्ष्य को समझना चाहिए और यह निर्णय लेना चाहिए कि क्या लाइट जलानी चाहिए।

पिछले पैटर्न से अलग, VLA मॉडल पहले सामान्यीकरण क्षमता प्राप्त करता है, फिर धीरे-धीरे प्रत्येक स्थिति में विश्वसनीयता में सुधार करता है। यह तर्क ठीक उल्टा है। "पहले विशिष्ट स्थितियों में उच्च विश्वसनीयता की समस्या को हल किया जाता था, और फिर सामान्यीकरण की कोशिश की जाती थी। उदाहरण के लिए, पहले एक रोबोट को किसी विशिष्ट कार्रवाई की विश्वसनीयता बहुत अधिक कर दी जाती थी, और फिर उसे अन्य कार्य सीखने का प्रयास किया जाता था। लेकिन आप पाएंगे कि इस तरीके से सच्चा सामान्यीकरण प्राप्त करना मुश्किल है; आपको केवल एक बहुत ही विशेषज्ञ रोबोट मिलता है, जो अन्य कार्य करने में असमर्थ होता है।"

इस तरह की नई तकनीकी दिशा, जैसे वर्ल्ड मॉडल, के लिए गाओ टिंग कहते हैं, "इससे एक अलग दृष्टिकोण प्राप्त होता है: प्रणाली को भौतिक दुनिया में स्थिति परिवर्तन और कारण-प्रभाव संबंध सीखने और कार्रवाई के संभावित परिणामों का अनुमान लगाने की अनुमति देना। इसकी आवश्यकता भाषा को मध्यस्थ के रूप में नहीं होती है, बल्कि भौतिक नियमों के मॉडलिंग पर अधिक जोर दिया जाता है। जैसे कि एक अनुभवी ड्राइवर गाड़ी चलाते समय आगे पानी का गड्ढा देखता है, तो उसे मन में 'यहाँ पानी है, सरक सकता है, मुझे धीमा करना होगा' को भाषा में अनुवाद करने की आवश्यकता नहीं होती, बल्कि दृश्य सीधे वाहन की पथ के भौतिक अनुमान को प्रेरित करता है, और स्वाभाविक रूप से ब्रेक दबा देता है। वर्ल्ड मॉडल का उद्देश्य, ऐसी क्षमता को हल करना है, जहाँ पहले भाषा में अनुवाद किए बिना सीधे निर्णय लिया जाता है।"

हालांकि, उनका मानना है कि "आज, जनरल रोबोटिक्स और ह्यूमनॉइड रोबोट्स के अग्रणी दृष्टिकोण अभी भी VLA पर केंद्रित हैं। वर्ल्ड मॉडल्स का विकास तेजी से हो रहा है, लेकिन वर्तमान में ये अधिकांशतः सिंथेटिक डेटा जनरेशन, सिमुलेशन, मूल्यांकन और सहायक योजना बनाने के लिए उपयोग किए जा रहे हैं, और वास्तविक रोबोट कंट्रोल के लिए सीधे उपयोग के मामले अभी भी प्रारंभिक स्तर पर हैं। अगले एक-दो वर्षों में, VLA अधिक संभावना है कि रोबोटिक एक्शन मॉडल्स का मुख्य हिस्सा बना रहेगा, लेकिन वर्ल्ड मॉडल्स VLA सिस्टम में क्रमिक रूप से एकीकृत होंगे, जिससे रोबोट को अधिक मजबूत भौतिक समझ, योजना बनाने और प्रीव्यू क्षमता प्राप्त होगी। दीर्घकालिक दृष्टिकोण से, VLA और वर्ल्ड मॉडल्स का समेकन ही अधिक संभावना है, न कि वर्ल्ड मॉडल्स का VLA को सरलतः प्रतिस्थापित करना।"

हाइ टिंग ने बताया कि वर्तमान में VLA एक अत्यधिक सामान्य रोबोटिक तकनीकी दृष्टिकोण है जो इंजीनियरिंग लागू करने के सबसे निकट है। यह इंसानों की तरह लचीले और सामान्य बुद्धिमत्ता तक पहुँचने के लिए अभी भी काफी दूर है, लेकिन भंडारण, निर्माण आदि सीमाएँ स्पष्ट होने वाले परिदृश्यों में, इसने पहले से ही अच्छी व्यावहारिक मूल्य प्रदर्शित किया है। आगे के समय के लिए, VLA संभवतः रोबोटिक्स के उद्योगीकरण का मुख्य मार्ग ही रहेगा।

Indispensable "dexterous hand": Multiple engineering trade-offs in robot mass production

यदि मॉडल रोबोट का "मस्तिष्क" है, तो फिर चतुर हाथ इसका सबसे महत्वपूर्ण "उपकरण" है। "वस्तुओं को संचालित करने वाले रोबोट के लिए, अंतिम निष्पादक अत्यंत महत्वपूर्ण है; सामान्य संचालन परिदृश्यों में, चतुर हाथ विशेष रूप से महत्वपूर्ण हैं।"

गाओ टिंग ने कहा कि कोई भी मैनिपुलेटर "चतुर हाथ" नहीं कहला सकता; इसमें पर्याप्त स्वतंत्रता होनी चाहिए, सूक्ष्म संचालन करने में सक्षम होना चाहिए और विभिन्न वस्तुओं को पकड़ने के लिए अनुकूलित होना चाहिए।

पिछले कुछ वर्षों में, चतुर हाथ में स्पष्ट प्रगति हुई है: स्वतंत्रता का स्तर बढ़ रहा है और कीमतें कम हो रही हैं। लेकिन गाओ टिप्पणी करते हैं, "चतुर हाथ की चुनौती केवल स्वतंत्रता बढ़ाने तक सीमित नहीं है। औद्योगिक अनुप्रयोगों के लिए, सीमित स्थान में पकड़ने की सटीकता, बल निकास, टिकाऊपन और रखरखाव लागत के बीच संतुलन बनाना अधिक महत्वपूर्ण है। सबसे अधिक स्वतंत्रता वाला उत्पाद आवश्यक रूप से बड़े पैमाने पर उत्पादन के लिए सबसे उपयुक्त नहीं होता है; विभिन्न कार्यों के लिए प्रदर्शन और विश्वसनीयता के बीच अलग-अलग समझौते की आवश्यकता होती है।"

उन्होंने उदाहरण देते हुए कहा: "कुछ विदेशी उच्च-अंत सूक्ष्म हस्त, हालांकि उच्च घनत्व वाले सेंसर स्टैकिंग और जटिल टेंडन ड्राइव के माध्यम से स्वतंत्रता और अनुकूलनयोग्य पकड़ने की क्षमता में मानव हाथ के करीब पहुंच सकते हैं, लेकिन उनकी कीमत आमतौर पर उच्च होती है, अक्सर कई लाख या दसियों लाख रुपये, जिससे बड़े पैमाने पर तैनाती कठिन हो जाती है। कुछ हजार रुपये के या ओपन-सोर्स प्रवेश स्तर के उत्पादों ने उपयोग की सीमा कम कर दी है, लेकिन अंतिम बल निकास, टिकाऊपन और संवेदनशीलता की सटीकता जैसे पहलुओं में अभी भी पुष्टि की आवश्यकता है, और वर्तमान में वे मानवशक्ति का सीधा प्रतिस्थापन करने में सक्षम नहीं हैं।"

Data gap: The divide between simulation and reality, and between machines and humans

आज, रोबोटिक्स उद्योग के सामने कई चुनौतियाँ हैं, और एक मुख्य बाधा उच्च गुणवत्ता वाले डेटा की कमी है। "डेटा अभी भी रोबोटिक्स को स्केल करने की पहली बाधा है।"

गाओ टिंग ने कहा कि बड़े भाषा मॉडल के प्रशिक्षण के लिए इंटरनेट डेटा का उपयोग किया जाता है, जो अपेक्षाकृत आसानी से उपलब्ध होता है। हालाँकि, रिमोट कंट्रोल डेटा जैसे रोबोट के वास्तविक संचालन के डेटा को प्रशिक्षित करने के लिए अपेक्षाकृत अधिक लागत आती है।

चूंकि वास्तविक डेटा प्राप्त करना कठिन है, क्या सिमुलेशन डेटा का उपयोग विकल्प के रूप में किया जा सकता है? यह दूसरी चुनौती को छूता है: सिमुलेशन और वास्तविकता के बीच का अंतर। हाओ टिंग ने बताया कि NVIDIA वर्चुअल वातावरण में रोबोट्स को प्रशिक्षित, परीक्षण और पुष्टि करके प्रशिक्षण डेटा के पैमाने को बढ़ाने और वास्तविक दुनिया में प्रयास-और-त्रुटि की लागत को कम करने के लिए सिमुलेशन और सिंथेटिक डेटा टूलचेन पर ध्यान केंद्रित कर रहा है। इसका लाभ कम लागत और आसान स्केलिंग है। हालाँकि, एक महत्वपूर्ण समस्या है: सिमुलेशन सीन और वास्तविक दुनिया में हमेशा अंतर होता है। "जितना भी अच्छा सिमुलेशन किया जाए, वास्तविक दुनिया से अलग ही रहता है। भले ही रोबोट वर्चुअल इंजन में कई बार परफेक्ट एक्शन मैपिंग पूरी कर ले, पर जब वह वास्तविकता में सूक्ष्म घर्षण, सामग्री या प्रकाश-छाया के परिवर्तन का सामना करे, तो वर्चुअल पर्यावरण में सीखी गई नियंत्रण रणनीति असफल हो सकती है। इसलिए, सिमुलेशन डेटा बहुत उपयोगी है, लेकिन अभी के लिए यह वास्तविक डेटा की पूर्णतः प्रतिस्थापन नहीं हो सकती।"

कुछ लोगों ने सुझाव दिया: क्या हम इंटरनेट पर उपलब्ध विशाल वीडियो डेटा का उपयोग करके रोबोट को प्रशिक्षित कर सकते हैं? इसकी लागत कम है और डेटा आसानी से उपलब्ध है, लेकिन इससे एक नयी चुनौती उत्पन्न होती है: Embodiment Gap (शरीरिक अंतर)। सरल शब्दों में, मनुष्य का शरीर और रोबोट का शरीर अलग-अलग होते हैं, जैसे "आँखें सीख लेती हैं, लेकिन हाथ सीखना अभी तक नहीं सीख पाते।" इसलिए, मानव व्यवहार के वीडियो या गति डेटा को सीधे रोबोट पर स्थानांतरित करने से कार्यक्षमता में काफी कमी आती है।

"भविष्य की अधिक वास्तविक राह 'केवल सिमुलेशन पर निर्भर करना' नहीं है," गाओ टिंग कहते हैं, "बल्कि मिश्रित डेटा रणनीति बनाना है: वास्तविक रोबोट इंटरैक्शन डेटा को केंद्र में रखकर, जिसमें रिमोट ऑपरेशन, मैनुअल टीचिंग और फील्ड ऑपरेशन फीडबैक शामिल हैं; इसके साथ-साथ एक्शन कैप्चर, पहले व्यक्ति के वीडियो जैसे मानव व्यवहार डेटा, और सिमुलेशन/सिंथेटिक डेटा को मिलाकर रोबोट मॉडल की सामान्यीकरण क्षमता और विश्वसनीयता में सुधार करना।"

डेटा के अलावा, लागत भी रोबोटिक्स उद्योग के सामने एक चुनौती है। "रोबोट को हर क्षेत्र में शामिल किया जाना है, इसलिए इसे काफी सस्ता होना चाहिए।" हालांकि, गाओ तिंग ने यह भी बताया कि चीन की सप्लाई चेन एक विशाल लाभ है। "युशु की सबसे सस्ती मानवरूपी रोबोट R1 Air की कीमत 30,000 युआन से कम हो चुकी है। हालांकि, यह अभी भी वास्तविक कारखाने में काम नहीं कर सकती, और मुख्य रूप से शोध उद्देश्यों के लिए उपयोग की जाती है, लेकिन चीन की रोबोटिक्स सप्लाई चेन का लाभ स्पष्ट है।"

कीमतें गिर रही हैं, आपूर्ति श्रृंखला परिपक्व हो रही है, VLA पैटर्न की व्यवहार्यता साबित हो चुकी है, और पूंजी प्रवाहित हो रही है। लेकिन डेटा अंतर, हार्डवेयर की सीमाएँ और लागत की समस्याएँ अभी भी समग्र अपनाये जाने के रास्ते में तीन ऊँची दीवारों की तरह खड़ी हैं।

इस उद्योग के लिए, सबसे तर्कसंगत दृष्टिकोण शायद “मानव रूप” के आकर्षण का पीछा करना नहीं, बल्कि एक सरल प्रश्न पर वापस आना है: यह मशीन वास्तविक रूप से मनुष्य की किन समस्याओं का समाधान कर सकती है? जैसा कि गाओ तिंग ने कहा: “इसका रूप मानव जैसा है या नहीं, इस पर ध्यान न दें।” इससे अधिक महत्वपूर्ण है “उपयोगिता”। और कीमत से अधिक महत्वपूर्ण है मूल्य। उत्पादकता पर आधारित, रूप पर नहीं, यह उद्योग की दौड़ अभी शुरू हुई है।