Roboten lär sig av våra rörelser – nu är den redo för fabriksgolvet

Från strutslabb till storskalig produktion

När Jonathan Hurst och hans team vid Oregon State University byggde sin första tvåbenta robot för drygt ett decennium sedan, var det ingen som planerade att den skulle likna en struts. Men naturen vet vad den gör – och det visade sig att strukturen faktiskt fungerade. Cassie, den strutslika prototypen som tog sina första steg 2016, satte 2022 världsrekord när den sprang 100 meter på under 25 sekunder utan att falla. En tvåbent robot. Utan att ramla. Det var en milstolpe få hade vågat förutspå.

Men det var bara början. Enligt The Robot Report har Agility Robotics på tio år vuxit från ett universitetsprojekt till ett bolag med över 400 anställda och en fabrikskapacitet på upp till 10 000 robotar per år. Med lanseringen av Digit 5 är det tydligt att bolaget inte längre bygger forskningsverktyg – man bygger arbetskraft.

Digit – från ytterdörrar till fabriksgolv

När Digit 3 lanserades 2019 var visionen att roboten skulle leverera paket till ytterdörrar. Det var en charmig tanke, men i efterhand nästan lite för försiktig. I dag riktar sig Digit mot industriella miljöer – logistikhallar, monteringslinjer, lagerlokaler – platser där behovet av flexibel och tillförlitlig automatisering är som störst.

Resan från Digit 1 till Digit 5 är egentligen berättelsen om hela den humanoida robotbranschen i miniatyr: från akademisk nyfikenhet till kommersiell verklighet, från fragil prototyp till driftsäker plattform. Varje generation har inneburit ett nytt steg bort från labbet och ett nytt steg mot golvet där arbetet faktiskt utförs.

Det som är slående är hur pragmatisk den resan har varit. Agility har inte jagat rubriker med saltomortaler eller dramatiska demonstrationer – de har fokuserat på att bygga något som faktiskt fungerar, dag efter dag, i verkliga miljöer. Det är den typen av disciplin som separerar bolag som överlever från bolag som imponerar på mässor.

Robotar som lär sig som vi

Parallellt med Agilitys hårdvaruresa pågår en lika viktig revolution på mjukvarusidan. The Robot Report lyfter fram en metod som kallas egocentrisk robotinlärning – där robotar tränas inte genom att programmeras i detalj, utan genom att studera videoinspelningar av mänskliga rörelser ur förstapersonsperspektiv.

Bilden är nästan självklar när man väl hört den: en robot som tittar på hur en människa monterar en komponent och sedan härmar rörelsen. Inte för att den följer en instruktion, utan för att den faktiskt lärt sig vad rörelsen innebär.

Ted Larson, medgrundare och vd för robotikbolaget OLogic, med över 25 års erfarenhet i branschen, ska tala om just detta på konferensen RoboBusiness i oktober 2026. Och han är långt ifrån ensam – stora aktörer som NVIDIA, Google DeepMind och Meta investerar tungt i liknande inlärningsmetoder. Rörelsen mot så kallade grundmodeller för robotik – alltså generella träningsmodeller som kan anpassas till olika uppgifter – påminner slående om hur stora språkmodeller förändrade hela AI-fältet.

Drivkrafterna är tydliga: arbetskraftsbrist, ökade krav på anpassningsbarhet och en allt mer komplex driftslogistik pressar industrier att hitta smartare lösningar än traditionell sekvensautomatisering.

Hårdvara möter inlärning – och det är just då det händer

Det verkligt spännande är när dessa två kurvor möts. Digit 5 representerar en hårdvaruplattform som börjar vara tillräckligt robust för verkliga driftsmiljöer. Egocentrisk inlärning representerar en mjukvarumetod som börjar vara tillräckligt kraftfull för att ge roboten verklig anpassningsförmåga.

När de möts – och de möts nu, inte om tio år – har vi inte längre robotar som utför en enda förprogrammerad uppgift. Vi har robotar som kan lära sig nya uppgifter, anpassa sig till nya miljöer och samarbeta med människor på ett sätt som är genuint dynamiskt.

Det är inte science fiction. Det är affärsutveckling med rörliga delar.