CES 2026: Robo-Hand شارپا و عصر جدید ماشینهای مفید
در جمعبندی “هیجانانگیزترین روندهای فناوری مصرفی از CES ۲۰۲۶”، به موضوعات بزرگ پرداختیم: هوش مصنوعی در سختافزار، رباتهای خانگی که وعدۀ انجام کارهای واقعی میدهند، قالبهای جدید نمایشگر، خودروهای هوشمندتر و پوشیدنیهای سلامت. این مطلب روی یک جزئیات تمرکز میکند که بیسروصدا توضیح میدهد چرا رباتیک سرانجام عملیاتی میشود: دستها. در CES ۲۰۲۶، دست رباتیک SharpaWave از Sharpa نشان داد که آیندهِ “ماشینهای مفید” کمتر به اینکه رباتها چقدر خوب راه میروند و بیشتر به اینکه چقدر خوب میتوانند بگیرند، احساس کنند و جهان را دستکاری کنند، وابسته است.
در غرفۀ CES شرکت Sharpa، شلوغترین “کارمند” نه یک نمایندۀ برند بود و نه یک بنیانگذار. یک نیمتنۀ انساننما بود که بلکجک بازی میکرد.
رباتهای زیادی میتوانند یک ترفند صحنهای انجام دهند: یک توپ پینگپنگ را پرت کنند، یک بلوک را از نقطۀ A به B جابهجا کنند، یا برای جمعیت دست تکان دهند. نمایش Sharpa متفاوت احساس میشد. نیمتنۀ انساننمای آنها در یک بازی پینگپنگ رالی میکرد، کارت پخش میکرد، عکس میگرفت و سپس یک دنبالهٔ کاردستی آسیاببادی کاغذی با بیش از ۳۰ مرحله را اجرا کرد. بخش سرگرمکننده نمایش بود. بخش جدی پیام بود: این همان چیزی است که رباتیک وقتی به کار واقعی هدف میگیرد، شبیه آن میشود.
چرخش CES ۲۰۲۶: از “وای” تا “چه کار میتواند بکند؟”
CES همیشه شیفتهٔ تماشاگرپسندی بوده است. اما ۲۰۲۶ شبیه یک نقطهٔ عطف احساس میشد. رباتیک همهجا بود و بسیاری از شرکتها دیگر یک “مفهوم آینده” مبهم نمیفروختند؛ آنها قابلیتها، جدولهای زمانی و برنامههای استقرار اولیه را میفروختند.
حتی با تمام حرفهای مربوط به هوش مصنوعی، انرژیِ سالن پیرامون محصولات فیزیکی بود که کاری واقعی انجام میدهند. در رباتیک، این یعنی کمتر رقصیدن و بیشتر صحبت دربارهٔ قابلیت اتکا، آموزش، و کار کردن خارج از شرایط کامل آزمایشگاهی.
سازماندهندگان CES همچنین بر ایدۀ “هوش مصنوعی فیزیکی” تکیه کردند: هوش مصنوعیای که از صفحهها فراتر میرود و به ماشینهای سازگار در دنیای واقعی بدل میشود. بخش بزرگی از این داستان آموزش است. بهجای برنامهنویسی مرحلهبهمرحلهٔ هر کنش، رباتها میتوانند پیش از لمس اشیای واقعی، از راه شبیهسازی و تمرین مهارت بیاموزند.
بااینحال، یک حقیقت در سراسر نمایشگاه بارها تکرار شد: راهرفتن شگفتانگیز است، اما کار به دستکاری وابسته است. اگر ربات نتواند بگیرد، بچرخاند، فشار دهد، بپیچاند و وقتی چیزی لیز میخورد بازیابی کند، عملاً یک دوربین متحرکِ گرانقیمت است.
چرا دستها در رباتیک اینقدر سختاند
بیشتر مردم دستها را دستکم میگیرند چون ما از کودکی بیآنکه به آن فکر کنیم دستهای خود را آموزش دادهایم. رباتیک باید آن توانایی را با موتورها، حسگرها، نرمافزار و سامانههای کنترلی از نو بسازد.
یک مرجع پژوهشی رایج میگوید دست انسان ۲۷ درجۀ آزادی دارد. نیاز نیست این عدد را حفظ کنید؛ نکته ساده است: یک دست حرکات کوچکِ بسیاری دارد که باید همزمان با هم هماهنگ شوند.
سختترین بخش تماس است. دنیای واقعی نامرتب است. اشیا لیز میخورند. سطوح خم میشوند. اصطکاک تغییر میکند. یک گرفتن که درست به نظر میرسد میتواند فقط با جابهجایی چند میلیمتریِ شیء شکست بخورد. بینایی کمک میکند، اما بینایی بهتنهایی کافی نیست. لمس اهمیت دارد چون به ربات میگوید هنگام گرفتن چه رخ میدهد، نه بعد از اینکه شیء را انداخت.
به همین دلیل، حسگریِ لمسی به تمرکزِ اصلی در رباتیک مدرن بدل شده است. حسگرهای لمسِ مبتنی بر بینایی، همراه با لمسِ با وضوحبالا، بیشازپیش با دستکاریِ بهبودیافته و پایدارتر پیوند خوردهاند. CES ۲۰۲۶ این ایده را ابداع نکرد، اما آن را کنار تلویزیونها، خودروها و هوش مصنوعی مصرفی وارد گفتوگوی جریان اصلی کرد.
با SharpaWave آشنا شوید: یک دست رباتیکی برای کارهای واقعی
SharpaWave در CES ۲۰۲۶ مورد تقدیر قرار گرفت (از جمله بهعنوان منتخب جوایز نوآوری) و موضعگیری خودِ Sharpa هدف را روشن میکند: این محصول برای شرکتهای رباتیک، آزمایشگاههای تحقیقاتی و سازندگان است.
دستی مانند این میتواند بسیاری از سکوهای رباتی مختلف را بدون بازطراحی محیط پیرامونشان سودمندتر کند.
ادعاها و مشخصات محوری Sharpa همگی به یک هدف نشانه رفتهاند: دستکاری شبیه انسان با بازخورد و کنترل نیرومند. مهمترین نکات اینها هستند:
- ۲۲ درجۀ آزادیِ فعال در مقیاس انسانیِ ۱:۱، تا دست بتواند حرکات شبیهتر به انسان انجام دهد
- سامانۀ لمسیای که Sharpa آن را Dynamic Tactile Array (DTA) مینامد و سرانگشتان بینایی-لمسی. Sharpa میگوید هر سرانگشت یک دوربین ریز را با بیش از ۱٬۰۰۰ پیکسلِ لمسی، بهعلاوه حسگر نیروی ۶بعدی و کنترل نیروی بسیار ظریف (تا ۰٫۰۰۵ N) ترکیب میکند
- دوام و تمرکز بر توسعهدهنده، شامل ادعاهایی مانند ۱ میلیون چرخهٔ گرفتنِ بیوقفه، مفاصل قابل رانشِ معکوس (backdrivable)، و یک پشتهٔ نرمافزاری ساختهشده برای یکپارچهسازی و جریانهای کاریِ آموزش.
سالها رباتها در جابهجاشدن بهتر شدند. تنگنا، آخرین فاصله میان ربات و شیء بود: نقطۀ تماس نهایی. یک دستِ قدرتمند و غنی از لمس همان چیزی است که به رباتها اجازه میدهد در فضاهای انسانی با ابزارهای انسانی کار کنند، بیآنکه جهان را مجبور کنیم “رباتپسند” شود.
دموی Sharpa یک آزمونِ استرس بود
دموهای رباتیک در CES اغلب به یک شکل شکست میخورند: یکبار، زیر صحنهچینیِ کامل کار میکنند و با هر تغییری میشکنند. نور تغییر میکند. شیء کمی میچرخد. اصطکاک عوض میشود. ربات گرفتنش را از دست میدهد و کل دمو فرو میریزد.
Sharpa تلاش کرد از این فراتر برود و بر مدت، تنوع و بازیابی تأکید کرد. نکات برجستۀ دموی آنها شامل پینگپنگ با زمان واکنش ۰٫۰۲ ثانیه، عکاسی با حدود ۲ میلیمتر دقت، پخش کارت با ورودیهای زنده، و دنبالهٔ کاردستیِ بیش از ۳۰ مرحلهای بود.
دنبالههای طولانی مهماند، چون بیش از یک گرفتنِ تمیز را میآزمایند. آنها میسنجند آیا سامانه میتواند بارها از خطاهای کوچک جان سالم به در ببرد یا نه. یک “ماشین مفید” باید لغزشهای ریز، جایگیریهای نامناسب و تماسِ در حال تغییر را تاب بیاورد، بیآنکه هر مشکل جزئی را به شکست کامل تبدیل کند.
ماشینهای مفید همیشه انساننما نیستند
CES ۲۰۲۶ همچنین تنشی در رباتیک را نشان داد: مردم انساننماها را دوست دارند، اما سریعترین ارزش اغلب از ماشینهای تخصصی میآید.
رباتهای خانگی هنوز با سرعت و قابلیت اتکا دستوپنجه نرم میکنند. بسیاری از دموها کند، محتاط و شکننده به نظر میرسند. این یک پرسش بنیادی را پیش میکشد: اگر لباسها را کندتر از انسان تا میکند و همچنان به نظارت نیاز دارد، امروز کدام مشکل را حل میکند؟
CES ۲۰۲۶ نمونههایی از این رویکردِ “اول مفید بودن” داشت، از جمله تحرک و فناوریهای کمکی که مشکلات روزمرۀ مشخصی را هدف میگیرند. این ماشینها شاید به اندازۀ یک انساننما نمایشی نباشند، اما مسیر روشنتری به سوی پذیرش واقعی دارند.
نیمۀ دیگر داستان: یادگیریِ سریعترِ رباتها
رباتیک به سوی جریانهای کاری مبتنی بر شبیهسازی و آموزش حرکت میکند. بهجای سختکدنویسیِ هر گام، توسعهدهندگان میتوانند از طریق دادههای تمرین، تلهعملیاتی (teleoperation) و محیطهای کنترلشده به ربات آموزش دهند و سپس آن مهارتها را به دنیای واقعی منتقل کنند.
Sharpa به این جهتگیری تکیه کرد و ابزارهایی را برجسته کرد که هدفشان آموزش و یکپارچهسازی است و ادعاهای سازگاری با سکوهای شبیهسازیِ پرکاربردی مانند Isaac Gym/Isaac Lab، PyBullet و MuJoCo مطرح نمود.
در سراسر صنعت، همچنین علاقهٔ فزایندهای به مدلهایی وجود دارد که میتوانند بهصورت محلی اجرا شوند و با نمایشها سازگار شوند؛ چیزی که برای تأخیر، حریم خصوصی و قابلیت اتکا در محیطهای واقعی اهمیت دارد. نکتۀ کلی روشن است: “مغزهای رباتی” بهتر کمک میکنند، اما هنوز به سختافزاری نیاز دارند که بتواند آن سیاستها را هنگام تماس اجرا کند. و این ماجرا را دوباره به دستها برمیگرداند.
CES ۲۰۲۶ واقعاً چه چیزی را ثابت کرد
CES ۲۰۲۶ ثابت نکرد که یک انساننما سال آینده لباسهای شما را میشوید. اگر چیزی باشد، دموهای خانگی نشان دادند چقدر کار باقی مانده است.
آنچه CES ۲۰۲۶ نشان داد، چرخش به سوی واقعیتِ محصول بود. استاندارد جدید این نیست که “آیا میتواند یکبار روی صحنه انجامش دهد؟” استاندارد، تکرارپذیری، ایمنی و بروندادهای عملی است.
سه معیار زیر در سراسر سالن رباتیک بیش از همه اهمیت داشت:
- چابکی بهجای نمایشگری: تحرک چشمگیر است، اما دستکاری است که ارزش میآفریند
- لمس بهعنوان حسگرِ محوری: بینایی کمک میکند، اما حسگریِ لمسی در حال تبدیلشدن به مرکزِ گرفتنِ پایدار است
- خودمختاریِ بلندافق: آزمون واقعی موفقیتِ تکرارشونده بهعلاوهٔ بازیابی وقتی چیزهای کوچک خطا میکنند
SharpaWave نماد روشنی از این چرخش است. نه چون تنها دست رباتیک پیشرفته است، بلکه چون در تلاقیِ آنچه رباتیک اکنون در اولویت میگذارد مینشیند: لمسِ با وضوحبالا، دستکاری در مقیاس انسانی، دوام، و نرمافزارِ آمادهٔ آموزش.
دوران جدید ماشینهای مفید با این تعریف خواهد شد که آیا رباتها میتوانند با ابزارها، اشیا و بینظمیهای ما، در همان جهانی که ساختهایم کنار بیایند یا نه؛ و این از یک کار فریبنده ساده آغاز میشود: چیزی را برداشتن و نینداختن.
