Robot z polskim rodowodem, który wkręca śruby szybciej od człowieka

22 marca 2026

Wprowadzenie

Kiedy mówimy o automatyzacji, większość ludzi myśli o chatbotach, generatorach obrazów i asystentach programowania. Tymczasem AI wkracza tam, gdzie do niedawna wydawała się niemożliwa, czyli do precyzyjnych prac fizycznych. Physical Intelligence (π), startup założony przez Polaka Karola Hausmana, właśnie pokazał, że roboty potrafią wkręcać śruby, wkładać kable ethernet i przewlekać opaski zaciskowe szybciej niż ludzie, i to nie w laboratoryjnych warunkach, a w zadaniach wymagających precyzji poniżej jednego milimetra.

Chłopak z małego polskiego miasta, który buduje mózg dla robotów

Karol Hausman dorastał w małym mieście w Polsce, a inspirację do zajmowania się robotyką znalazł tam, gdzie wielu z nas, czyli w Gwiezdnych Wojnach. Ta dziecięca fascynacja zaprowadziła go na Stanford i do Google DeepMind, a w końcu do założenia Physical Intelligence razem z Sergeyem Levine’em i Chelsea Finn, czołowymi badaczami robotyki ze Stanfordu. Firma chce zbudować uniwersalny „mózg AI dla świata fizycznego”, czyli model foundation, który potrafi sterować dowolnym robotem przy dowolnym zadaniu. Na realizację tej wizji zebrała ponad miliard dolarów od inwestorów takich jak Sequoia Capital, Khosla Ventures i Thrive Capital.

15 minut treningu, ponadludzka precyzja

Najnowsze osiągnięcie Physical Intelligence to metoda RLT (Reinforcement Learning Tokens), która pozwala robotom szybko doskonalić się w precyzyjnych zadaniach manipulacyjnych. Wyniki są konkretne:

  • Wkręcanie śrubokrętem poprawiło się z 1,7 do 14 udanych prób na 10 minut, co daje 8-krotny wzrost
  • Przewlekanie opasek zaciskowych wzrosło z 2,8 do 13 udanych prób na 10 minut
  • Wkładanie kabla ethernet przyspieszyło ze 147 do 400 udanych prób na 10 minut
  • Wkładanie kabla zasilającego skoczyło ze 136 do 600 udanych prób na 10 minut

Warto się zatrzymać przy jednej liczbie: robot potrzebuje zaledwie 15 minut danych z rzeczywistego świata, żeby zacząć się poprawiać, a pełny trening zajmuje około dwóch godzin. Przy wkładaniu kabla ethernet połowa prób robota była szybsza niż najlepsza próba wykonana przez człowieka sterującego robotem zdalnie. Mowa tu o zadaniach wymagających precyzji sub-milimetrowej, które jeszcze niedawno uważano za nieosiągalne dla maszyn.

Pranie, kartony, espresso i nieznane kuchnie

RLT to najnowszy krok, ale model π0, główny produkt Physical Intelligence, potrafi już sporo więcej:

  • Rozładowywać suszarkę do ubrań, przenosić pranie i składać je w stos
  • Sprzątać stoły, zbierać naczynia i sortować odpady do odpowiednich pojemników
  • Składać kartony z wieloetapowymi korektami
  • Delikatnie pakować jajka do pojemnika
  • Mielić kawę i szykować espresso

Najnowsza wersja, π0.5, idzie jeszcze dalej. Robot sterowany tym modelem potrafi posprzątać całkowicie nieznaną kuchnię lub sypialnię, wykonując polecenia wydawane zwykłym językiem. System nie jest zaprogramowany pod konkretne pomieszczenie, po prostu się adaptuje, co w praktyce oznacza, że ten sam robot może pracować w zupełnie różnych mieszkaniach bez dodatkowej konfiguracji. Model działa na ośmiu różnych platformach robotycznych, od pojedynczych ramion UR5e, przez systemy dwuramienne, po roboty mobilne. Przy składaniu koszulek osiąga 100% skuteczności tam, gdzie konkurencyjne modele (OpenVLA, Octo) mają wynik 0%. Sto do zera, dla jasności.

Physical Intelligence to nie jedyny gracz

Physical Intelligence nie działa w próżni, bo cały sektor fizycznej automatyzacji przyspiesza jednocześnie:

  • Tesla Optimus Gen 3 ma nowe ręce z 50 aktuatorami i 22 stopniami swobody na dłoń, a wdrożenie w fabrykach Tesli jest planowane na Q2–Q3 2026 z produkcją masową w 2027 roku.
  • Figure AI zaprezentowało pod koniec 2025 roku model Figure 03, zaprojektowany do produkcji wielkoseryjnej.
  • Według International Federation of Robotics rynek robotów przemysłowych osiągnął wartość 16,7 mld USD, a automatyzacja magazynów to już prawie 30 mld USD z prognozą podwojenia do 2030 roku.
  • Niektóre firmy logistyczne już prowadzą nocne zmiany w trybie „lights-out”, gdzie roboty obsługują wszystkie procesy bez obecności ludzi.

IFR wskazuje, że w 2026 roku robotyka koncentruje się wokół autonomii opartej na AI, robotów humanoidalnych wchodzących do realnych zastosowań i automatyzacji jako odpowiedzi na braki kadrowe.

Praca fizyczna nie jest już „bezpieczna" przed automatyzacją

Przez lata powtarzano, że AI zautomatyzuje pracę umysłową, ale praca fizyczna jest bezpieczna, bo wymaga drobnej motoryki, adaptacji do nieprzewidywalnych warunków i „zdrowego rozsądku”, którego maszyny nie posiadają. Te argumenty wyglądają coraz mniej przekonująco. Robot Physical Intelligence wkręca śrubę M3 z precyzją sub-milimetrową po 15 minutach nauki. Składa pranie, którego nigdy wcześniej nie widział. Sprząta kuchnię, w której nigdy nie był. Robi to na różnych platformach robotycznych, bo jego „inteligencja” nie jest przywiązana do konkretnego ciała mechanicznego, a żyje w modelu, który można zainstalować na dowolnym ramieniu. Nie budujemy już robotów do pojedynczych zadań na linii produkcyjnej. Budujemy coś w rodzaju uniwersalnej inteligencji fizycznej, a Polak z małego miasta jest jednym z ludzi, którzy nad tym pracują. I patrząc na tempo postępu, mam wrażenie, że za rok będziemy się dziwić, dlaczego kiedykolwiek wątpiliśmy, że maszyny mogą to robić.

Więcej o ATS i Element przeczytasz tutaj.

Najczęściej czytane:

  1. Darmowe ogłoszenia o pracę i największa lista źródeł kandydatów – największa w Polsce lista bezpłatnych i płatnych źródeł kandydatów
  2. Praca w HR – najnowsze oferty pracy i aktualne średnie wynagrodzenia w branży HR
  3. Akademia Rekrutacji – zbiór wiedzy na temat rekrutacji oraz raporty z rynku pracy.
  4. Gowork – jak reagować na negatywne opinie o pracodawcach – Kompleksowy poradnik dla pracodawców.
  5. Jak napisać CV i profil LinkedIn – kompleksowy poradnik tworzenia CV i profilów LinkedIn
  6. RODO w rekrutacji – sourcing, direct search, ogłoszenia. Wszystko co musisz wiedzieć – kompleksowy poradnik RODO w rekrutacji z naciskiem na działania typu direct search / sourcing.
  7. Wszystko o systemach ATS – poradnik wyboru systemu rekrutacyjnego
  8. Umowy przedwstępne i listy intencyjne w procesach rekrutacyjnych – wszystko, co musisz wiedzieć o prawnych zabezpieczeniach zobowiązania do zatrudnienia.
Picture of Maciej Michalewski

Maciej Michalewski

Founder & CEO @ Element

Element cennik baner

Nasze artykuły przeczytasz także na Medium, LinkedIn, Substack, Reddit

Ostatnie wpisy: