Du vet de flashy robotdemoene som går viralt på X? Slutt å falle for dem. Humanoide roboter i dag er dyre cosplayere for 20 000 dollar. For å komme til maskiner som faktisk betyr noe, må vi forlate teleoperasjonens æra og gå inn i epoken med selvforbedrende maskiner. Slik ser jeg for meg at ting skal utspille seg, i 3 faser: Fase 1: Den smale æra (2025-2027) Humanoider er sprø. Nåværende systemer er avhengige av presise modeller av omgivelsene sine. Hvis du flytter en kopp to tommer til venstre eller kaster en skygge over en sensor, feiler roboten. I løpet av de neste 12-24 månedene vil vi se utplasseringer, men de vil være svært begrensede. Å bære esker i strukturerte lagerbygninger. Bretter klesvask (fortsatt dårlig). Lager kaffe. Økonomien her er forferdelig. En Unitree G1 som løfter 2 kg er bare en nyhet. Et menneske er billigere, sterkere og smartere. Men tidlige brukere og forskere bryr seg ikke. De vil kjøpe dem for å pirke på grensene. Denne fasen vil handle om å etablere grunnlinjen. --- Fase 2: Datasvinghjulet (sent 2026-2028) Dette er den mest misforståtte fasen. De første 100 000 humanoidene trenger ikke å være flinke i jobben sin. De trenger bare å eksistere. Vi starter fra null data. For å løse generell etterretning trenger vi volum. Vi trenger roboter som støter borti møbler, mister tallerkener og ikke klarer å åpne dører. Hver feil er et merket datapunkt. Det er da løkken strammes: Deploy -> Fail -> Samle data -> Oppdater -> Deploy igjen RLHF og simulering til real-trening vil bli rutine. Svinghjulet begynner å spinne: flere virkelige kanttilfeller fører til bedre simuleringsdata, som igjen fører til færre feil, og dermed større utrullinger. -- Fase 3: Rask ekspansjon (fra 2028 og fremover) Dette er det «programvaredefinerte» øyeblikket. På dette tidspunktet er grunnmodellene robuste nok til at det å lære en ny oppgave er et komposisjonsproblem, ikke et treningsproblem. "Lag en sandwich" krever ikke 1 000 timer med spesifikk trening. Det vil kreve en tekstprompt og brede generaliseringsferdigheter (finn brød + bruk kniv + grip objekt). Dette er Zero-Shot Generalization: når en robot kan lære en oppgave på 5 minutter via demonstrasjon i stedet for uker med koding, endres økonomien. Det er da jeg kjøper en. Hvorfor dette skjer raskere enn selvkjørende biler: I autonom kjøring er en suksessrate på 99 % en fiasko fordi 1 % dreper noen. I robotmanipulasjon er en suksessrate på 99 % utmerket. Hvis en robot mister en skjorte, plukker den den opp. Kostnaden ved feil er lav, noe som betyr at iterasjonshastigheten vil være høy. Maskinvarekostnadene følger allerede Wrights lov, og har falt fra 400 000 dollar per arm i 2014 til ~3 000 dollar i dag. (og faller fortsatt raskt) Maskinvaren er nesten klar. Vi venter bare på at datasvinghjulet skal ta igjen.