Dystans między japońską a chińską i amerykańską robotyką nie bierze się ze sprzętu na pokładzie robota. Kazumasa Hirano, szef działu robotyki w japońskim oddziale NVIDIA, wskazuje na trening modeli. Rozmowa poprzedza jego wykład na EdgeTech+ 2026.
Najważniejsze w skrócie
- NVIDIA Jetson AGX Thor korzysta z architektury Blackwell i obsługuje FP4
- Dwa moduły produkcyjne: Jetson T5000 i T4000, zestaw deweloperski emuluje ten drugi
- Klasyczny AMR da się prowadzić głównie na CPU, humanoid wymaga GPU
- Hirano wskazuje trening, nie edge, jako źródło przewagi firm z Chin i USA
- Wykład odbędzie się 20 listopada o 11:20 na EdgeTech+ 2026
Dlaczego robot nie może liczyć na chmurę
Powody są dwa. Pierwszy to opóźnienie — robot w świecie fizycznym coraz częściej musi zareagować na miejscu, bez czekania na odpowiedź sieci.
Drugi to bezpieczeństwo. W produkcji, logistyce i ochronie zdrowia dane z hali nie mają opuszczać zakładu.
AMR kontra humanoid: zmiana rzędu wielkości
Hirano prowadził wcześniej projekty robotów mobilnych w logistyce i jego porównanie jest jednoznaczne. Klasyczny AMR obsługiwał ograniczony strumień, a nawigacja opierała się na SLAM. Humanoid musi prowadzić równolegle lokomocję, manipulację i warstwę decyzyjną.
| Wymiar | Klasyczny AMR | Humanoid |
|---|---|---|
| Strumień wejściowy | kamera, LiDAR, sygnały z systemu nadrzędnego | wiele kamer i czujników, także dźwięk |
| Ruch | nawigacja oparta na SLAM | lokomocja + manipulacja |
| Warstwa decyzyjna | planer tras, reguły | VLA, world models, modele agentowe |
| Dominujące obliczenia | CPU | GPU |
Thor nie zastępuje Orina
Hirano wprost odradza traktowanie Thora jako domyślnego wyboru. Potrzebna moc zależy od wielkości modelu i liczby równoległych procesów. Można użyć kilku układów Jetson AGX Orin albo połączyć Orina z Thorem.
Spoiwem jest wspólna platforma programowa całej linii Jetson. Zmiana procesora nie wymusza przebudowy środowiska deweloperskiego.
Bezpieczeństwo rozkłada się na trzy komputery
Sama jednostka na pokładzie nie wystarczy, gdy robot ma reagować na nieprzewidziane sytuacje. Zachowanie trzeba najpierw ocenić w symulacji, potem wgrać na edge, a nietypowe dane z prawdziwej maszyny zawrócić do treningu.
Gdzie naprawdę leży różnica
Przytłaczająca różnica to trening. Nie edge, tylko trening.
Kazumasa Hirano, dyrektor działu robotyki, NVIDIA Japan
Chodzi o skalę inwestycji i dostęp do mocy obliczeniowej, ale też o umiejętność zawężenia zadania i dociągnięcia modelu fine-tuningiem do stanu użyteczności. Hirano przewiduje, że czynnikiem różnicującym przestanie być sam model, a stanie się jakość danych.
Dlaczego to ważne?
To tłumaczy przesunięcie rynku w stronę teleoperacji i symulacji. Obie produkują dane, a nie tylko ruch robota — i obie są tańsze niż zakup kolejnej generacji modułu obliczeniowego.
Co dalej?
- Wykład Hirano na EdgeTech+ 2026 zaplanowano na 20 listopada, godz. 11:20
- Zestaw deweloperski Jetson AGX Thor pozwala projektować pod moduł T4000 bez posiadania go
Źródła
- ロボスタ — NVIDIA 平野氏に聞く「フィジカルAI」で変わるエッジコンピューティング Jetson Thorが拓くロボティクスの未来【EdgeTech+ 2026】
- NVIDIA Developer — NVIDIA Jetson AGX Thor
