دو سال بود که داستان ربات انسان‌نما در تولید (Humanoid Robots in Manufacturing) بیشتر با ویدیوهای نمایشی روایت می‌شد. در مهر ۱۴۰۵ این داستان با برنامه‌های تولید، قراردادهای تجاری و تصمیم‌های مقررات‌گذار روایت شد. در کمتر از ده روز، تسلا اعلام کرد تولید Optimus روی خط پرحجمش در فریمونت آغاز شده، AGCO با Agility Robotics قرارداد پایلوت امضا کرد، Schaeffler کارخانه‌ای گشود که در آن ربات‌های انسان‌نما قطعات ربات‌های انسان‌نمای دیگر را مونتاژ می‌کنند، Audi اثبات مفهوم توالی‌چینی قطعات را با ربات‌های انسان‌نمای متحرک آغاز کرد و کره جنوبی مجوز داد ۲۰ ربات انسان‌نما در فضاهای مشترک با انسان کار کنند. اگر با دقت بخوانیم، این خبرها کمتر درباره جایگزینی کارگران در سال آینده‌اند و بیشتر نشان می‌دهند گلوگاه‌های واقعی اکنون کجاست: قابلیت اطمینان، یکپارچه‌سازی و گواهی ایمنی.
در مهر ۱۴۰۵ واقعاً چه اتفاقی افتاد
تسلا: تولید اولیه Optimus با شیب ملایم
تسلا در گزارش فصل سوم ۲۰۲۶ که ۲۹ مهر (۲۱ اکتبر) منتشر شد نوشت تولید Optimus روی خطوط پرحجم فریمونت آغاز شده و «ربات‌هایی که از این خط بیرون می‌آیند نخستین ربات‌های با کیفیت تولید هستند که ساخته‌ایم». این شرکت افزود که به اصلاح سخت‌افزار و فرایند ساخت ادامه می‌دهد.
ایلان ماسک در تماس گزارش مالی این مرحله را «تولید اولیه» نامید و انتظارها را با احتیاط تنظیم کرد. او گفت رشد تولید یک منحنی S است که بخش نخستش کم‌شیب و «تا حدی پرفرازونشیب» است، رسیدن به نرخ سالانه‌شده ۲۰ هزار دستگاه در هفته «دست‌کم یک سال، شاید کمی بیشتر» طول می‌کشد و بخش‌هایی از طراحی هنوز تغییر می‌کند، چون ربات باید ایمن، قابل‌اتکا و بادوام باشد. او انتظار دارد این مسائل حدود پایان ۲۰۲۷ حل شود و گفت همان زمان تسلا تحویل ربات Optimus تسلا به شرکت‌های بیرونی را آغاز می‌کند. TechCrunch یادآوری کرد سود خالص همین فصل نسبت به سال قبل ۴۳ درصد کاهش یافت که بخشی از آن به هزینه‌های هوش مصنوعی و Optimus برمی‌گردد.
Boston Dynamics و هیوندای: میدان آموزش پیش از خط تولید
Boston Dynamics در ۳۰ شهریور ۱۴۰۵ (۲۱ سپتامبر ۲۰۲۶) مرکز RMAC را در کارخانه Metaplant هیوندای در ایالت جورجیا افتتاح کرد. ربات‌های Atlas آنجا برای توالی‌چینی قطعات و جابه‌جایی مواد آموزش می‌بینند و داده‌های دنیای واقعی دوباره به مدل هوش مصنوعی بازخورانده می‌شود. به گفته گروه هیوندای، Atlas قرار است از ۲۰۲۸ کار توالی‌چینی قطعات را در این کارخانه آغاز کند و از ۲۰۳۰ به مونتاژ قطعات گسترش یابد. این گروه برای چند سال آینده ۲۵ هزار دستگاه Atlas در کارخانه‌های هیوندای و کیا و یک کارخانه آمریکایی با ظرفیت ساخت سالانه ۳۰ هزار ربات برنامه‌ریزی کرده است؛ خود RMAC هم در ۲۰۲۷ به ساختمانی حدود ده برابر بزرگ‌تر منتقل می‌شود.
روابط کار هم بخشی از این برنامه است. روزنامه Seoul Economic Daily در فروردین ۱۴۰۵ (آوریل ۲۰۲۶) گزارش داد هیوندای به یک نماینده مجلس گفته است Atlas را در کارخانه‌های داخلی کره به کار نمی‌گیرد؛ پس از آنکه اتحادیه کارگری اعلام کرده بود هیچ رباتی بدون توافق کارگر و کارفرما وارد خطوط تولید داخلی نمی‌شود.
AGCO و Agility Robotics: پایلوت تجاری برای ۲۰۲۷
در ۲۸ مهر (۲۰ اکتبر)، AGCO و Agility Robotics قراردادی تجاری برای یک پایلوت ربات انسان‌نما در کارخانه در آمریکا امضا کردند که انتظار می‌رود از ۲۰۲۷ در کارخانه AGCO در هستون کانزاس آغاز شود. Digit کار را با مرتب‌سازی و چیدن قطعات و قراردادن جعبه‌ها برای انبارش شروع می‌کند و از طریق Agility Arc، پلتفرم ابری Agility برای مدیریت ناوگان ربات‌ها، مدیریت می‌شود. توماس انگهوف، مدیر فناوری تولید AGCO، ربات‌ها را «هم‌تیمی» توصیف کرد و بر «حاکمیت ایمنی سخت‌گیرانه» تأکید کرد. Agility می‌گوید Digit بیش از ۶۵ هزار ساعت کار در دنیای واقعی دارد و Toyota، GXO و Schaeffler را در میان مشتریانش نام می‌برد.
Schaeffler: ربات انسان‌نما ربات انسان‌نما می‌سازد
در همان ۲۸ مهر، Schaeffler یک «کارخانه فانوس» حدود ۷۵۰۰ متر مربعی در تایسانگ چین افتتاح کرد. در قلب آن خط مونتاژ قطعات کلیدی ربات انسان‌نما، از جمله عملگرهای خطی و دورانی، قرار دارد که در آن شش ربات انسان‌نما در پنج ایستگاه قطعات را آماده، مرتب، متصل، بازرسی، برچسب‌گذاری و بسته‌بندی می‌کنند. یک دوقلوی دیجیتال خط را به‌صورت بلادرنگ بازتاب می‌دهد و یک مرکز آموزش و گردآوری داده، کارهایی مثل بازرسی بصری، بسته‌بندی، جابه‌جایی ظرف‌ها و تأمین مواد کنار خط را به ربات‌ها می‌آموزد؛ محیط‌هایی که از روی حدود ۱۰۰ کارخانه Schaeffler الگوبرداری شده‌اند. Schaeffler می‌گوید سفارش‌های دریافتی‌اش در حوزه رباتیک انسان‌نما به حدود ۴۰۰ میلیون یورو رسیده است.
Audi: سخت‌ترین مسئله برداشت قطعه در کارخانه
در ۲۹ مهر (۲۱ اکتبر)، در رویداد NVIDIA GTC برلین، Agile Robots، Audi، Dassault Systèmes و NVIDIA اثبات مفهومی برای توالی‌چینی قطعات در کارخانه Audi در اینگولشتات معرفی کردند. به گفته Audi، روزانه حدود یک میلیون برداشت قطعه انجام می‌شود تا قطعه درست به ترتیب درست به ایستگاه کاری درست برسد. در آزمایشگاه تولید Audi، ربات‌های انسان‌نمای متحرک Agile Robots، یعنی نیم‌تنه‌ای دوبازویی روی پایه متحرک، قطعات را از ظرف‌ها برمی‌دارند و به ترتیب می‌چینند. پیش از هر استقرار، شرکا یک دوقلوی مجازی از محیط لجستیک می‌سازند تا امکان‌پذیری، زمان‌بندی، ارگونومی و ایمنی را بیازمایند. گرد واکر، عضو هیئت‌مدیره Audi در حوزه تولید و لجستیک، گفت برداشت قطعه در فرایند توالی‌چینی دهه‌ها «یکی از سخت‌ترین چالش‌های اتوماسیون در لجستیک خودرو» بوده است.
کره جنوبی: برداشتن حصار، با شرط
در ۲۱ مهر (۱۳ اکتبر)، وزارت صنعت و تجارت کره جنوبی به شرکت رباتیک Robros معافیت «سندباکس مقرراتی» داد تا ۲۰ ربات انسان‌نمای دوپا را در شرکت‌های Nepes، Sungwoo Hitech، HD Hyundai Samho و Delivery Lab، در فضاهای مشترک یا مجاور کارگران، مستقر کند. تا پیش از این، قواعد کره ربات‌های صنعتی را تجهیزات ثابتی می‌دانست که به حصار ایمنی نیاز دارند. این معافیت مشروط به ارزیابی ریسک و تدابیر ایمنی است و داده‌های گردآوری‌شده برای تدوین استانداردهای ایمنی آینده به کار می‌رود. همین گزارش به استقرار ربات Figure 02 در کارخانه BMW در اسپارتانبرگ اشاره کرد که در حدود ده ماه بیش از ۹۰ هزار قطعه را جابه‌جا کرد، و نیز به هدف شانگهای برای استقرار ۸۰۰۰ ربات انسان‌نما در کارخانه‌ها تا ۲۰۲۸.
الگوی مشترک: اول لجستیک، بعد مونتاژ
اگر این خبرها را کنار هم بگذاریم، نخستین کارها شباهت چشمگیری دارند: مرتب‌سازی، چیدن، جعبه‌ها، کیتینگ و توالی‌چینی قطعات. هیوندای Atlas را در ۲۰۲۸ با توالی‌چینی شروع می‌کند و در ۲۰۳۰ به مونتاژ می‌رسد. AGCO کار Digit را با مرتب‌سازی و انبارش آغاز می‌کند. نخستین کاربرد Audi توالی‌چینی است. حتی ربات‌های Schaeffler روی خطی کار می‌کنند که برای خودشان طراحی شده است.
این با حرف خریداران هم می‌خواند. در نظرسنجی اوت ۲۰۲۶ شرکت Altman Solon از گروهی منتخب از مدیران ارشد تأسیسات و زنجیره تأمین، برداشت جعبه و کالا در صدر کارهایی بود که آن‌ها در دو سال آینده به یک ربات همه‌منظوره می‌سپارند و پالت‌چینی و جابه‌جایی داخلی مواد پس از آن قرار داشت. همین مدیران برآورد کردند کار دستی امروز حدود ۶۱ درصد ساعت‌های مولد کف کارخانه را پر می‌کند و انتظار دارند ظرف پنج سال به حدود ۳۵ درصد برسد. Altman Solon نتیجه گرفت شکل ظاهری ربات برای این خریداران «تقریباً اهمیتی ندارد»: توانایی و بازگشت سرمایه تصمیم را می‌سازد. آن‌ها پیش از هر پایلوت، اثبات زمان کارکرد، ایمنی و توان عملیاتی از یک بهره‌بردار واقعی مشابه، بازگشت سرمایه روشن، یکپارچه‌سازی آسان با چیدمان موجود و مدل‌های قیمت‌گذاری‌ای می‌خواهند که ریسک را میان فروشنده و خریدار تقسیم کند.
زمان‌بندی‌ها بقیه داستان را می‌گویند. بیشتر تاریخ‌های این خبرها ۲۰۲۷ (پایلوت AGCO، تحویل بیرونی تسلا، گسترش RMAC)، ۲۰۲۸ (توالی‌چینی Atlas، هدف شانگهای) یا ۲۰۳۰ (مونتاژ با Atlas) است. مهر ۱۴۰۵ آغاز اعتبارسنجی صنعتی است، نه پایان آن.
چرا گواهی ایمنی دروازه اصلی است
مهم‌ترین سند این فصل یک خبر مطبوعاتی نیست؛ یک پیش‌نویس کمیته است. ISO/CD 25785-1 الزامات ایمنی ربات‌های متحرک صنعتی با «پایداری کنترل‌شده فعال» را تعریف می‌کند؛ یعنی ربات‌هایی که برای متعادل ماندن به کنترل فعال نیاز دارند و بدون برق ممکن است ناپایدار شوند، از جمله ربات‌های دوپا و چهارپا. مهلت اظهارنظر درباره آن ۱۷ تیر ۱۴۰۵ (۸ ژوئیه ۲۰۲۶) بسته شد و هنوز در حال تدوین است؛ بخش دوم آن جداگانه به یکپارچه‌سازی کاربردها می‌پردازد. تا زمانی که یک استاندارد ایمنی ربات انسان‌نما منتشر نشده، یکپارچه‌سازان باید ایمنی را مورد به مورد اثبات کنند.
یک مقاله پژوهشی Siemens در arXiv (اوت ۲۰۲۶) توضیح می‌دهد چرا این کار دشوار است. ایمنی کلاسیک ماشین‌آلات فرض می‌کند قطع برق یعنی توقف ایمن. اما برای ربات انسان‌نمایی که راه می‌رود، قطع برق یعنی سقوط کنترل‌نشده؛ پس حالت ایمن، ایستادن متعادل است که به نرم‌افزار کنترل خود ربات وابسته است. نویسندگان این را «شکاف fail-passive» می‌نامند. آن‌ها یک زنجیره ایمنی بیرونی از قطعات گواهی‌شده (پرده نوری، توقف اضطراری، PLC ایمن و PROFIsafe بی‌سیم) را دور یک سلول برداشت‌وگذاشت با ربات Unitree G1 به ابعاد ۳ در ۱٫۵ متر ساختند. وقتی ارتباط را قطع کردند، ربات در همه آزمون‌ها ظرف ۰٫۵ تا ۱٫۳ ثانیه به ایستادن متعادل و پایدار رسید، اما نویسندگان صریحاً می‌گویند زنجیره واکنش سمت ربات هنوز قابل گواهی سرتاسری نیست.
سندباکس کره، دوقلوی مجازی Audi و «حاکمیت ایمنی سخت‌گیرانه» AGCO همه پاسخ به همین شکاف‌اند. ربات‌ها می‌توانند حرکت کنند؛ صنعت هنوز راه توافق‌شده‌ای ندارد تا ثابت کند آن‌ها همیشه ایمن متوقف می‌شوند.
دیدگاه من: ربات انسان‌نما را سامانه تولیدی تازه ببینید، نه ابزاری تازه
بخش زیادی از کار من انتقال سامانه‌های حیاتی از پایلوت به محیط عملیاتی بوده است و این خبرها را همان‌طور می‌خوانم که هر مهاجرت پلتفرمی را: چه چیزی تعهد شده، چه چیزی اندازه‌گیری می‌شود و ریسک با کیست. این راهنمایی است که برای پایلوت ربات انسان‌نما به کار می‌برم:
۱. از کار شروع کنید، نه از شکل ربات. یک کار توالی‌چینی، کیتینگ یا جابه‌جایی جعبه با حجم و قواعد کیفی روشن انتخاب کنید. اگر بازوی ثابت یا ربات متحرک خودران از پسش برمی‌آید، همان را بخرید.
۲. اول در دوقلوی دیجیتال، بعد در آزمایشگاه، بعد روی خط. دوقلوی مجازی Audi، مرکز RMAC هیوندای و مرکز آموزش Schaeffler همه همین ترتیب را دنبال می‌کنند. برای هر مرحله زمان کنار بگذارید.
۳. پیش از خودکارسازی اندازه بگیرید. زمان چرخه، نرخ خطا، آسیب‌های شغلی و نیروی انسانی کار هدف را ثبت کنید تا هر ادعای فروشنده معیاری برای مقایسه داشته باشد.
۴. عدد واقعی بخواهید. میانگین زمان بین خرابی‌ها، زمان کارکرد در هر شیفت، دخالت انسان در هر ساعت و نرخ توقف‌های حفاظتی را از سایت‌های واقعی مشابه بخواهید، نه کلیپ. این همان انضباطی است که برای ایجنت‌های نرم‌افزاری در بنچمارک ایجنت هوش مصنوعی در ۲۰۲۶ از آن دفاع کردم.
۵. پرونده ایمنی را زود بنویسید. بدانید با کدام استانداردها تطبیق می‌دهید، ربات هنگام قطع برق، شبکه یا خطای نرم‌افزار چطور متوقف می‌شود و فاصله‌های ایمنی چطور محاسبه می‌شوند. پیشرفت ISO 25785-1 را دنبال کنید.
۶. لایه ناوگان و داده را برنامه‌ریزی کنید. نرم‌افزار مدیریت ناوگان مثل Agility Arc، سامانه‌های کارخانه و چرخه داده‌ای که ربات را دوباره آموزش می‌دهد، جایی است که ریسک یکپارچه‌سازی در آن است. روشن کنید مالکیت داده‌های عملیاتی با کیست و کجا پردازش می‌شوند.
۷. نیروی کار را از روز اول همراه کنید. تصمیم هیوندای درباره کارخانه‌های داخلی کره نشان می‌دهد توافق‌های کارگری می‌تواند تعیین کند ربات‌ها کجا بروند. پایلوت را حول ارگونومی و کارهای سخت‌تأمین تعریف کنید و نتایج را شفاف به اشتراک بگذارید.
۸. قراردادهایی را ترجیح دهید که ریسک را تقسیم می‌کنند. قیمت‌گذاری مبتنی بر نتیجه یا خدمت، شرایط خروج روشن و آستانه‌های عملکرد توافق‌شده تا وقتی فناوری بالغ می‌شود از شما محافظت می‌کند.
لایه‌های زیرین هم مهم‌اند. در کنترل تمام‌بدن ربات انسان‌نما در ۲۰۲۶ پژوهش‌هایی را مرور کردم که این ربات‌ها را هنگام حمل بار و واکنش متعادل نگه می‌دارند، و در هوش مصنوعی فیزیکی در ۲۰۲۶ مدل‌های بینایی-زبان-عمل را که هوش انجام کار را به آن‌ها می‌دهند. پایلوت‌های کارخانه‌ای جایی است که هر دو لایه سرانجام در برابر برنامه یک شیفت کاری واقعی آزموده می‌شوند.
سخن پایانی
مهر ۱۴۰۵ ثابت نکرد ربات‌های انسان‌نما آماده اداره کارخانه‌اند. ثابت کرد تولیدکنندگان جدی اکنون حاضرند آن‌ها را در شرایط واقعی تولید، با تاریخ، قرارداد و نظارت مقررات‌گذار، بیازمایند. برندگان سه سال آینده شرکت‌هایی با چشمگیرترین ویدیو نخواهند بود؛ شرکت‌هایی خواهند بود که با عدد نشان دهند یک ربات یک شیفت کامل کار می‌کند، با خطوط موجود یکپارچه می‌شود و هر بار ایمن متوقف می‌شود.
منابع
- Q3 2026 Update، تسلا، ۲۱ اکتبر ۲۰۲۶
- Tesla (TSLA) Q3 2026 Earnings Call Transcript، The Motley Fool، ۲۲ اکتبر ۲۰۲۶
- Tesla starts Optimus robot production in California as profit falls 43%، Kirsten Korosec و Sean O'Kane، TechCrunch، ۲۱ اکتبر ۲۰۲۶
- Boston Dynamics Opens Robotics Metaplant Application Center to Train Humanoid Robots for Manufacturing Tasks، Boston Dynamics، ۲۱ سپتامبر ۲۰۲۶
- Inside the Robotics Race: Atlas Learns the Real World، گروه خودروسازی هیوندای
- Hyundai Motor to Break Ground on Ulsan Plant Rebuild Next Year, Rules Out Atlas Deployment، Kim Woo-bo، Seoul Economic Daily، ۵ آوریل ۲۰۲۶
- AGCO and Agility Robotics Advance Smart Manufacturing with Humanoid Robot Pilot in Hesston, Kansas, Facility، AGCO، ۲۰ اکتبر ۲۰۲۶
- Humanoids making humanoids: Schaeffler opens lighthouse factory in Taicang، Schaeffler، ۲۰ اکتبر ۲۰۲۶
- Agile Robots and Audi to transform automotive logistics with mobile humanoids, supported by Dassault Systèmes and NVIDIA، Audi، ۲۱ اکتبر ۲۰۲۶
- Korea Clears Safety Rules to Put 20 Humanoid Robots on Factory Floors، Lee Jung-hoon، Seoul Economic Daily، ۱۴ اکتبر ۲۰۲۶
- Humanoid Robots on the Factory Floor: Convinced, but Waiting for Proof، Altman Solon، اوت ۲۰۲۶
- ISO/CD 25785-1: Robotics — Safety requirements for dynamically stable industrial mobile robots — Part 1: Robots، ISO/TC 299
- Toward Certified Functional Safety for Industrial Humanoid Robots: The Fail-Passive Gap and a Feasibility Study، Caiwu Ding، Tao Cui، Lingyun Wang و Chengtao Wen، Siemens، arXiv، اوت ۲۰۲۶