Varje år är höjdpunkten på Nvidias utvecklarkonferens GTC en häftig robot som hänger med vd Jensen Huang under hans inledningsanförande.

Vid förra årets evenemang stapplade Blue, en tvåbent robot, omkring på scenen, lydde inte Huangs enkla kommandon och rörde sig i till synes slumpmässiga riktningar.

I år var roboten Olaf från den animerade filmen Frost. Olaf var mer livfull än Blue var 2025; han gick, svarade på frågor och uppförde sig ungefär som sin karaktär i filmen.

Olaf gav en verklig inblick i hur mycket humanoida robotar har förbättrats på bara ett år.

Det är inte förvånande att företag jagar idén om humanoida robotar som förkroppsligar mänskliga egenskaper och fungerar under verkliga förhållanden. 

– Vi har nått en vändpunkt där robotar lämnar laboratoriet och tar sig ut i den kaotiska fysiska världen, sa Amit Goel, chef för robotik och edge computing-ekosystem hos Nvidia, under en paneldiskussion på GTC.

Morgan Stanley har sagt att så många som 1 miljard robotar kan finnas på jorden år 2050. Men robotbyggare står fortfarande inför betydande hinder i sina ansträngningar att säkerställa att humanoida robotar är säkra för den verkliga världen.

I synnerhet har det varit mer utmanande än väntat att bygga robotens hjärna, enligt paneldeltagarna. Även om AI kan hjälpa robotar att resonera, fatta beslut och agera, finns det fortfarande en klyfta mellan det och de komplexa beräkningar som hjärnan ständigt gör.

Med detta i åtanke diskuterade paneldeltagarna olika tillvägagångssätt för att bygga en hjärna för humanoida robotar.

Datainsamling: Robotbyggare måste först träna och simulera robotar för verkliga miljöer. Det ledde till att vissa av paneldeltagarna samlade in internetvideor för att få en uppfattning om mänskligt beteende.

– Att lära sig genom att bara titta på andra människor från vilken typ av kamera eller internetvideodataset som helst och så vidare – det är mycket rika dataset, sa Ashok Elluswamy, vice vd för AI hos Tesla, som bygger den humanoida roboten Optimus.

Insamlingen av data i mänsklig skala, sa Elluswamy, bidrog till att bygga upp Teslas kapacitet för autonom körning. Bland de tekniker som användes fanns teleoperation, som samlar in data från en människa som styr en robots funktioner och använder den informationen för träning.

Hjärnarkitektur: Alla robotar är inte likadana. Vissa företag, såsom Skild.AI och Tesla, bygger universella robotar som kan göra allt. Andra, såsom Hexagon, bygger robotar för specialiserade uppgifter.

Teslas arkitektur liknar den mänskliga hjärnan, där varje bit av information i olika regioner delas mellan enheterna. Till exempel delas information som samlas in från kameror, sensorer eller andra datakällor över hela systemet, vilket hjälper till att träna roboten och bestämma dess nästa steg.

Hexagon fokuserar på rörelseförmåga och högprecisionsrobotar, och isolerar hjärnaktiviteten till specifika uppgifter. Företaget använder agentbaserad AI och stora språkmodeller (LLM) för att driva sin hjärnarkitektur.

– Om man har många olika modeller måste man samordna dem så att man alltid väljer den bästa modellen för rätt uppgift, givet rätt miljö, sa Arnaud Robert, vd för Hexagon.

Agility Robotics och Physical Intelligence använder en modulär hjärnarkitektur, som delar upp hjärnan i hierarkier för att utföra olika uppgifter. Agilitys robot Digit har till exempel ett ”uppgiftslager” som beskriver vad som behöver göras, ett ”färdighetslager” som täcker hur man gör det och ett ”kontrollager” som utför jobbet, inklusive förflyttning och slutförande av uppgiften.

– Vi har en kombination av AI-inlärda och även konstruerade färdigheter. Vi kan mixa och matcha dessa olika lager med varandra, vilket är riktigt användbart för praktisk användning”, sa Pras Velagapudi, cto på Agility Robotics.

Simulera den verkliga världen: Simulering hjälper till att utvärdera robotbeteenden och om robotar följer riktlinjer och uppfyller säkerhetskrav. 

– När riktlinjerna blir mer och mer allmänna måste man testa dem i fler och fler situationer. Att göra det i den verkliga världen kan bli allt dyrare och allt mer utmanande, sa Chelsea Finn, biträdande professor vid Stanford och medgrundare av Physical Intelligence.

Simulering ger validering i den verkliga världen och kan vara en viktig datakälla för att finjustera robotbeteendet. 

– Vi simulerar, vi går ut i verkligheten. Vi fångar upp vad det är, och sedan matar vi tillbaka det till simulatorn för att minska gapet mot noll, sa Robert.

Hexagon ville till exempel lära sin Aeon-robot att gå i trappor. Ingenjörerna föreslog att man skulle låsa hjulet som den använder för att förflytta sig, och bestämde sig sedan för den optimala benmotorrörelsen för att gå i trappor.

– Om man använder simulering och förstärkt inlärning är det bästa sättet för en hjulbaserad humanoid att gå i trappor faktiskt att ha låg hastighet och aldrig stanna helt, sa Robert.

Säkerhet: Robotsäkerhet kan inte simuleras – den måste utföras i den verkliga världen. 

– Att ha en robotflotta som övar på uppgifter i den verkliga världen och använda data för att säkerställa att simuleringen är förankrad i verkligheten är ganska hjälpsamt, sa Elluswamy.

Säkerhetstestning måste ske på varje nivå i robotstacken, enligt paneldeltagarna. 

– Många av säkerhetsåtgärderna finns på den lägsta nivån, eftersom det är där man verkligen kan garantera och säkerställa att den kommer att fungera på det sätt man förväntar sig, sa Finn.

Velagapudi från Agility Robotics sa att det kanske inte är uppenbart att en robot kan halka på ett dammigt lagergolv. Det innebär att man måste lägga till en styrenhet som kan upprätthålla robusthet på olika typer av ytor och texturer, samt motståndskraft mot att bli knuffad, dragen eller fastna i föremål.

Säkerhet är avgörande om roboten förväntas utföra uppgifter autonomt under mycket lång tid, sa Elluswamy.

– Robotikens sista sträcka är extremt svår, sa Skild.AI:s vd Deepak Pathak under paneldiskussionen.

Europeiska teknikbolag till ett samlat värde av omkring 1,2 biljoner euro har lämnat regionen under det senaste decenniet. Det visar en ny studie från svenska EQT i samarbete med McKinsey, rapporterar Bloomberg.

Mellan 2014 och 2025 uppgick värdet av uppköp från icke-europeiska köpare samt börsnoteringar utanför Europa till cirka 700 miljarder euro. Sedan dess har dessa bolag vuxit i värde till omkring 1,2 biljoner euro.

Enligt studien är en viktig förklaring att USA erbjuder djupare kapitalmarknader och bättre tillgång till investerare, något som lockar snabbväxande teknikbolag att söka sig dit.

För att bromsa utvecklingen planerar EU att lansera en ny fond, Scale Europe Fund, på 5 miljarder euro. Satsningen ska stärka finansieringen av bland annat AI, kvantdatorer och annan avancerad teknik. Enligt Bloomberg är EQT en av ett fåtal kapitalförvaltare som har shortlistats för att förvalta fonden.

Apple har nu presenterat Apple Business, en ny allt-i-ett-plattform för företag som samlar flera centrala tjänster i ett och samma system. Tjänsten kombinerar inbyggd enhetshantering med funktioner för e-post, kalender och företagskatalog, och ger företag möjlighet att använda egna domännamn.

Tanken är att förenkla både drift och administration, särskilt för mindre bolag utan egna it-resurser. Med hjälp av så kallade “blueprints” ska företag snabbt kunna konfigurera och rulla ut Apple-enheter med förinställda appar, säkerhetsinställningar och behörigheter.

Plattformen erbjuder även stöd för användargrupper, appdistribution via App Store samt integration med identitetstjänster som Google Workspace och Microsoft Entra ID.

Apple Business blir tillgängligt den 14 april i över 200 länder och regioner.