Τα ανθρωποειδή ρομπότ βρίσκονται ένα βήμα πιο κοντά στο να περάσουν από τις εντυπωσιακές επιδείξεις σε πραγματικές εφαρμογές, όμως το μεγάλο στοίχημα για την τεχνολογία δεν βρίσκεται πλέον μόνο στο hardware.
Το επόμενο κρίσιμο βήμα είναι να αποκτήσουν ένα «μυαλό» που μπορεί να θυμάται, να μαθαίνει από τα λάθη και να προσαρμόζεται.
Σε πρόσφατη ανάλυση του MarketWatch, ειδικοί επισημαίνουν ότι η μνήμη αποτελεί ένα από τα σημαντικότερα εμπόδια για την εξέλιξη των ανθρωποειδών ρομπότ. Ένα ρομπότ μπορεί να εκτελεί μια συγκεκριμένη εργασία, όμως για να γίνει πραγματικά χρήσιμο στον πραγματικό κόσμο θα πρέπει να μπορεί να αντιλαμβάνεται τι πήγε λάθος, να αξιοποιεί αυτή την εμπειρία και να αλλάζει την προσέγγισή του την επόμενη φορά.
Το επόμενο βήμα της τεχνητής νοημοσύνης
Η εξέλιξη αυτή συνδέεται με τον όρο Physical AI, δηλαδή την τεχνητή νοημοσύνη που δεν περιορίζεται στην παραγωγή κειμένου ή εικόνων, αλλά μπορεί να αντιλαμβάνεται και να δρα στον φυσικό κόσμο.
Στο επίκεντρο βρίσκεται η Physical Intelligence, startup που αναπτύσσει μοντέλα τεχνητής νοημοσύνης σχεδιασμένα να λειτουργούν ως ένα είδος «εγκεφάλου» για ρομπότ.
Τον Μάρτιο του 2026, η εταιρεία παρουσίασε το Multi-Scale Embodied Memory (MEM), ένα σύστημα που συνδυάζει βραχυπρόθεσμη και μακροπρόθεσμη μνήμη. Σύμφωνα με την εταιρεία, η συγκεκριμένη προσέγγιση επιτρέπει στα ρομπότ να διαχειρίζονται εργασίες μεγαλύτερης διάρκειας, να διατηρούν πληροφορίες από προηγούμενα στάδια και να διορθώνουν λάθη κατά τη διάρκεια της εκτέλεσης.
Ακόμη πιο ενδιαφέρον είναι το π0.7, ένα νέο μοντέλο που παρουσιάστηκε τον Απρίλιο. Η Physical Intelligence υποστηρίζει ότι μπορεί να συνδυάζει δεξιότητες που έχει ήδη μάθει ώστε να αντιμετωπίζει νέες εργασίες και περιβάλλοντα, ακόμη και όταν δεν έχει εκπαιδευτεί ειδικά για κάθε συγκεκριμένο σενάριο.
Από τα εργοστάσια στο σπίτι
Η τεχνολογία αυτή θα μπορούσε να αλλάξει σημαντικά τον τρόπο με τον οποίο χρησιμοποιούνται τα ανθρωποειδή ρομπότ. Από τις γραμμές παραγωγής και τις αποθήκες μέχρι την υγειονομική περίθαλψη και τις οικιακές εργασίες, ο στόχος είναι οι μηχανές να μπορούν να αντιμετωπίζουν απρόβλεπτες καταστάσεις χωρίς να χρειάζονται ξεχωριστό προγραμματισμό για κάθε νέα εργασία.
Ωστόσο, η πλήρης αυτονομία παραμένει δύσκολος στόχος. Η τεχνολογία βρίσκεται ακόμη σε στάδιο εξέλιξης και τα ρομπότ πρέπει να γίνουν πιο αξιόπιστα, ασφαλή και ικανά να λειτουργούν σε περιβάλλοντα όπου τίποτα δεν είναι απόλυτα προβλέψιμο.
Το ενδιαφέρον, πάντως, μετατοπίζεται πλέον από το «πόσο ανθρώπινο μπορεί να μοιάζει ένα ρομπότ» στο πολύ πιο ουσιαστικό ερώτημα: πόσο καλά μπορεί να σκέφτεται και να μαθαίνει;
