KAIST Humanoid v0.7: Koreański robot gra w piłkę i wykonuje "Moonwalk" dzięki Physical AI

Inżynierowie z południowokoreańskiego instytutu KAIST zaprezentowali najnowszą iterację swojego humanoida, model v0.7, który wykazuje niespotykaną dotąd płynność ruchów. Maszyna nie tylko skutecznie strzela gole na boisku, ale potrafi również naśladować taneczny krok Michaela Jacksona, co jest efektem połączenia autorskiego hardware'u z zaawansowanym uczeniem przez wzmacnianie. To demonstracja technologicznej niezależności Korei Południowej w wyścigu o dominację w sektorze robotyki usługowej i przemysłowej.

Najważniejsze w skrócie:

Autorska konstrukcja: Robot v0.7 waży 75 kg i mierzy 165 cm, a jego kluczowe podzespoły (silniki, przekładnie) zostały zaprojektowane od podstaw w laboratorium DRCD.
Technologia 3K CPG: Zastosowanie nowatorskiej, jednostopniowej przekładni planetarnej pozwoliło na uzyskanie wysokiego momentu obrotowego przy zachowaniu niskiej masy.
Hybrydowe sterowanie: System łączy klasyczne modele fizyczne z głębokim uczeniem przez wzmacnianie (DRL) opartym na danych z ludzkiego ruchu.
Wysoka wydajność: Maszyna osiąga prędkość biegu do 12 km/h i potrafi pokonywać przeszkody o wysokości 30 cm bez użycia sensorów wizyjnych.

Nowa era robotyki: KAIST stawia na niezależność technologiczną

W obliczu rosnącej konkurencji ze strony amerykańskich i chińskich gigantów, koreański instytut KAIST (Korea Advanced Institute of Science and Technology) obrał strategię pełnej wertykalnej integracji. Model v0.7, opracowany w Dynamic Robot Control & Design Laboratory (DRCD Lab) pod kierownictwem prof. Hae-Won Parka, jest dowodem na to, że kluczem do sukcesu w Physical AI nie jest wyłącznie oprogramowanie, ale ścisła synergia z unikalnym sprzętem.

Większość współczesnych humanoidów korzysta z gotowych komponentów przemysłowych, co często ogranicza ich dynamikę. Zespół z KAIST zdecydował się na produkcję własnych silników i sterowników. Dzięki temu udało się zoptymalizować gęstość momentu obrotowego, co jest krytyczne dla zachowania równowagi przy gwałtownych ruchach, takich jak zwroty na boisku piłkarskim czy dynamiczny taniec.

Mechatronika w służbie dynamiki: Przekładnia 3K i QDD

Sercem układu napędowego robota jest architektura Quasi-Direct Drive (QDD). W przeciwieństwie do tradycyjnych rozwiązań o wysokim przełożeniu, które są sztywne i podatne na uszkodzenia przy uderzeniach, QDD oferuje wysoką "podatność" i czułość proprioceptywną. Pozwala to robotowi „czuć” podłoże pod stopami bez polegania na kamerach.

Kluczowym elementem jest autorska przekładnia planetarna 3K compound planetary gearbox. Pozwala ona na uzyskanie dużego przełożenia w kompaktowej, jednostopniowej obudowie. Efekty są wymierne:

Aktuator kolana (D151): Dostarcza do 320 Nm momentu obrotowego, co pozwala na amortyzację skoków i szybki bieg.
Aktuator kostki (D110A): Zoptymalizowany pod kątem szybkości reakcji (176 Nm), co umożliwia wykonywanie płynnego "Moonwalka" i precyzyjne balansowanie ciałem.

Software: Jak wyeliminować "szarpane" ruchy AI?

Jednym z największych problemów robotów sterowanych wyłącznie przez sieci neuronowe jest ich nienaturalny, często chaotyczny sposób poruszania się. Naukowcy z KAIST rozwiązali to, stosując podejście znane jako Modular Residual Learning.

Zamiast uczyć robota wszystkiego od zera (tzw. from-scratch RL), system wykorzystuje dane z ludzkiego ruchu jako bazę (priors). Model bazowy dba o stabilność i podstawową lokomocję, podczas gdy moduły rezydualne, wyszkolone metodą Deep Reinforcement Learning (DRL), korygują ruchy w czasie rzeczywistym, reagując na nierówności terenu czy dynamikę lotu piłki.

Strategia sterowaniaMechanizmGłówna zaletaModel-Based (MPC)Optymalizacja oparta na fizycePrzewidywalność i bezpieczeństwoEnd-to-End DRLPolisa sieci neuronowejOdporność na trudny terenModular Residual LearningHybryda (MPC + DRL)Wysoka wydajność i płynnośćExport to Sheets

Dzięki temu v0.7 potrafi biegać z prędkością ok. 4,0 m/s (14,4 km/h w testach laboratoryjnych, 12 km/h w warunkach polowych) i nawigować w trudnym terenie przy użyciu samej propriocepcji, co jest kluczowe w miejscach o ograniczonej widoczności, np. zadymionych halach fabrycznych.

Kontekst rynkowy: Koreański "One-Team" przeciwko reszcie świata

Projekt KAIST wpisuje się w szerszą strategię narodową Korei Południowej, która dąży do masowej produkcji humanoidów do 2029 roku. W przeciwieństwie do USA, gdzie dominuje Figure czy Boston Dynamics (obecnie należący do Hyundai), Korea buduje ekosystem oparty na współpracy nauki z przemysłem. Powołany niedawno K-Humanoid Alliance łączy KAIST z takimi gigantami jak LG czy wspomniany Hyundai.

Warto zauważyć, że podczas gdy chiński Unitree ze swoim modelem Unitree G1 stawia na niską cenę i masowość, KAIST koncentruje się na ekstremalnej wydajności mechanicznej, która ma pozwolić robotom na pracę w ciężkim przemyśle, a nie tylko w logistyce.

Dlaczego to ważne?

Prezentacja KAIST v0.7 to sygnał, że bariera między "robotem laboratoryjnym" a "maszyną użytkową" ulega zatarciu. Kluczowym terminem jest tu wspomniana niezależność techniczna. W dobie napięć handlowych i rywalizacji o dostęp do zaawansowanych komponentów (jak wysokowydajne magnesy czy precyzyjne serwa), zdolność do samodzielnego zaprojektowania i wyprodukowania całego układu wykonawczego daje Korei ogromną przewagę strategiczną.

Z perspektywy technologicznej, sukces KAIST w eliminacji "szarpanych" ruchów (jerky motions) poprzez integrację ludzkich wzorców ruchu (human priors) z Sim2Real pokazuje kierunek rozwoju całej branży. Roboty nie mają już tylko wykonywać zadań – mają to robić w sposób bezpieczny i przewidywalny dla otaczających ich ludzi. To przejście od robotyki "zaprogramowanej" do "uczącej się", która jednak respektuje prawa fizyki i biomechaniki, co czyni v0.7 jednym z najbardziej zaawansowanych projektów typu Physical Intelligence na świecie.

Co dalej?

Integracja górnej części ciała: Zespół prof. Parka pracuje nad pełną wersją humanoida z chwytnymi dłońmi, który będzie mógł operować narzędziami w środowisku przemysłowym.
Projekt DynaFlow: Rozwijany jest nowy framework, który pozwoli robotom uczyć się złożonych zadań manualnych bezpośrednio z demonstracji ludzkich, co ma skrócić czas szkolenia maszyn do nowych ról.
Testy w realnych zakładach: W ramach współpracy z koreańskim przemysłem, prototypy v0.7 mają trafić na wybrane linie montażowe w celu weryfikacji ich przydatności w bezpośredniej współpracy z człowiekiem.