रोबोटों को अब केवल शारीरिक क्षमताओं, जैसे उच्च गति या छलांग लगाने का प्रदर्शन करने के बजाय, वास्तविक काम करने की क्षमता साबित करनी पड़ रही है। 2026 में विश्व रोबोटिक्स सम्मेलन में, यूनिट्री के संस्थापक वान शिनशिंग ने एक ऐसे रोबोट का प्रदर्शन किया जो एक मीटिंग रूम को व्यवस्थित कर रहा था, एक ही मॉडल का उपयोग करके सात या आठ कार्यों के बीच स्विच करते हुए और बाहरी प्रभावों से निपटते हुए। उनका मानना है कि इस तरह के परिदृश्य काफी व्यावहारिक हैं।
चेंग फेंग, चीनी मानव सदृश रोबोट सोसायटी के अध्यक्ष द्वारा प्रकाशित 'मानव सदृश रोबोट उद्योग विकास रिपोर्ट 2026' के अनुसार, 2026 की पहली छमाही में चीन में आपूर्ति की मात्रा 100,000 इकाइयों से अधिक हो गई, जिसमें वैश्विक हिस्सा 97% तक पहुंच गया। हालांकि, आपूर्ति में वृद्धि अपने आप में व्यावसायीकरण की गारंटी नहीं देती है।
यूनिट्री, स्टारशिप नेविगेटर और गैलेक्सी जनरल जैसी प्रमुख कंपनियां इस बात पर सहमत हैं कि मुख्य बाधा अज्ञात परिस्थितियों में काम करने, नए कार्यों को जल्दी से सीखने और मानव के करीब दक्षता के साथ कार्य करने की क्षमता है। हालांकि यूनिट्री ने 12.65 मीटर प्रति सेकंड की गति वाला रोबोट प्रस्तुत किया, ऐसी क्षमताएं अभी भी कारखाने की स्थितियों से बहुत दूर हैं; रोबोट 2024 से ऑटोमोबाइल कारखानों में काम कर रहा है, लेकिन अपर्याप्त दक्षता और सामान्यीकरण के कारण इसका विस्तार नहीं किया गया है।
स्टारशिप नेविगेटर के संस्थापक गाओ ज़ियान ने प्रगति को तीन मापदंडों के माध्यम से मापने का प्रस्ताव दिया: गति, सटीकता और सामान्यीकरण। कमीज को मोड़ने वाले रोबोट को लगभग दो मिनट लगे, और उसके कार्यों का निष्पादन मानव स्तर का लगभग 70-80% है, जिसके लिए मिलीमीटर सटीकता पर और काम करने की आवश्यकता है। सामान्यीकरण रोबोट कार्यकर्ता की प्रशिक्षण लागत से संबंधित है: एक नए कार्य के लिए लगभग 10 घंटे के अतिरिक्त प्रशिक्षण की आवश्यकता होती है, जिसका लक्ष्य अगले साल इसे एक घंटे तक कम करना है।
JD.com के साथ काम करने वाला स्टारशिप नेविगेटर का स्वचालित गोदाम पिकिंग, ग्रिपिंग, प्लेसमेंट और पैकेजिंग करता है, प्रतिदिन बिना किसी मानवीय हस्तक्षेप के 100 से अधिक ऑर्डर संसाधित करता है और वर्तमान में मॉडलों द्वारा संचालित हजारों उत्पादक ऑर्डर पूरा कर रहा है। ध्यान रोबोटों की बिक्री से हटकर उत्पादकता की बिक्री पर चला गया है, और मूल्य हार्डवेयर से बुद्धि में स्थानांतरित हो गया है।
'चैटजीपीटी क्षण' के प्रश्न का उत्तर देते हुए, वान शिनशिंग तैयारी को 80% स्तर पर आंकते हैं: यदि कोई रोबोट एक अपरिचित घर में आवाज निर्देश के आधार पर लगभग 80% कार्य कर सकता है, तो मूर्त बुद्धिमत्ता विस्फोट बिंदु पर पहुंच जाएगी; उनकी भविष्यवाणी तेज गति से दो-तीन साल और धीमी गति से पांच या दस साल है। गैलेक्सी जनरल के वान हे वर्तमान मॉडलों को लगभग GPT-2 स्तर पर आंकते हैं, जिसका लक्ष्य 2028 तक चैटजीपीटी के स्तर तक पहुंचना है।
जो रोबोट और चैटजीपीटी क्षण के बीच है, वह सामान्यीकरण है: कई मॉडल निश्चित वातावरणों में लगभग सौ प्रतिशत सफलता प्राप्त करते हैं, लेकिन परिवेश बदलने पर दक्षता में तेजी से गिरावट आती है, और अंतिम मिलीमीटर में एक त्रुटि हो सकती है जिसे रोबोट तुरंत ठीक नहीं कर सकता है। सबसे बड़ी बाधा AI और रोबोटों के इनपुट और आउटपुट के बीच अपर्याप्त सामंजस्य है। डेटा एक दुर्लभ उत्पादन कारक है, और एक स्केलेबल मस्तिष्क को दर्जनों मिलियन घंटों की आवश्यकता हो सकती है, जबकि उद्योग में केवल एक लाख हैं। पहली छमाही में बेची गई 40,000 से अधिक इकाइयां साबित करती हैं कि रोबोट प्रयोगशालाओं से बाहर निकल रहे हैं; हालांकि, क्या वे अज्ञात वातावरण में अधिकांश कार्यों को स्थिर रूप से कर सकते हैं, यह निर्धारित करेगा कि वे केवल बेचने योग्य मशीनें हैं या निरंतर मूल्य सृजन का स्रोत हैं।
