Szwajcarski startup Flexion Robotics zaprezentował system Reflect v1.0, który podniósł skuteczność robota humanoidalnego w wieloetapowej misji z 38 do 90 procent. Kluczem okazało się uczenie ze wzmocnieniem zastosowane na każdym poziomie systemu, od rozpoznawania obrazu po sterowanie ciałem.
Kluczowe fakty:
- Szwajcarski startup Flexion Robotics z Zurychu zaprezentował system Reflect v1.0, który umożliwia robotowi humanoidalnemu autonomiczne wykonanie wieloetapowej misji – od odebrania paczki, przez poruszanie się między piętrami budynku, po rozpakowanie pudełka i umieszczenie zawartości w szufladzie.
- Zastosowanie uczenia ze wzmocnieniem (RL) na wielu warstwach systemu podniosło skuteczność robota w 16-etapowej misji testowej z 38 procent (model SFT) do 90 procent.
- Sercem systemu Reflect jest autorski model wizyjno-językowy pełniący funkcję kontrolera misji, który analizuje obraz z kamery robota, ocenia postęp zadania i podejmuje decyzje o kolejnych krokach bez udziału człowieka.
Materiał wideo z demonstracji dostępny jest tutaj:
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Robot, który sam odbiera przesyłkę
Firma z Zurychu pokazała scenariusz, który brzmi banalnie, dopóki nie sprawdzi się, ile rzeczy może w nim pójść nie tak. Robot humanoidalny dostaje jedno polecenie w naturalnym języku: odebrać paczkę z przekąskami dostarczoną dla Flexion, wjechać po schodach, skorzystać z windy, rozpakować pudełko i umieścić zawartość w konkretnej szufladzie na regale. Od tego momentu nikt już nie steruje robotem. Maszyna sama lokalizuje karton, porusza się między piętrami budynku, otwiera drzwi, obsługuje windę, sięga po narzędzie do otwarcia pudełka i reaguje, gdy coś odbiega od planu.
Sprawdziłem materiał źródłowy Flexion i szczerze mówiąc spodziewałem się kolejnego efektownego, ale wyreżyserowanego klipu demonstracyjnego. To co odróżnia ten przypadek od wielu innych pokazów robotyki humanoidalnej, to opublikowane liczby stojące za sukcesem.
Skąd wzięło się 90 procent
Flexion nazwał swój system Reflect. To platforma łącząca kontrolę misji, planowanie ruchu, sterowanie całym ciałem oraz warstwę uruchomieniową w jeden spójny stos oprogramowania. Rdzeniem jest autorski model wizyjno-językowy pełniący funkcję kontrolera misji: obserwuje obraz z kamery umieszczonej na robocie, ocenia postęp zadania i decyduje o kolejnym kroku.
Firma opublikowała wynik wewnętrznej ewaluacji na 16-etapowej misji testowej. Model dostrojony metodą uczenia nadzorowanego (SFT) kończył misję z powodzeniem w 38 procentach przypadków. Po zastosowaniu uczenia ze wzmocnieniem (RL) na wielu warstwach systemu, od sterowania niskiego poziomu po decyzje wysokiego poziomu, wskaźnik ukończenia wzrósł do 90 procent.
Ten skok ma prostą przyczynę. Flexion przyznaje, że gotowe modele wizyjno-językowe, nawet dobrze dostrojone, mają tendencję do zbytniego pośpiechu. Zamiast wizualnie zweryfikować, czy poprzedni krok naprawdę się zakończył i czy scena spełnia warunki do kolejnej akcji, generują następne polecenie zbyt szybko. Uczenie nadzorowane daje punkt wyjścia, ale nie radzi sobie, gdy robot musi podejmować decyzje w warunkach niepewności, wracać po nieudanej próbie i kontynuować misję mimo odchylenia od planu.
- Kontroler misji (Reflect-VLM) obserwuje otoczenie i planuje kolejne kroki
- Warstwa ruchu łączy modele wizyjno-językowo-akcyjne (VLA) trenowane na danych rzeczywistych z umiejętnościami wyuczonymi metodą RL
- Kontroler całego ciała (Reflex) utrzymuje równowagę i precyzję ruchu w czasie rzeczywistym
- Warstwa uruchomieniowa (FlexComm) zarządza komunikacją między dziesiątkami urządzeń pokładowych z opóźnieniem rzędu mikrosekund
Komentarz redakcyjny
Piszę o robotach humanoidalnych od dłuższego czasu i większość demonstracji tego typu ogląda się z przymrużeniem oka. Filmik z jednym udanym przebiegiem misji niewiele mówi o rzeczywistej niezawodności systemu. Tym razem Flexion zrobił coś rzadkiego jak na branżę spektaklu: pokazał liczby z 16-etapowej ewaluacji, w tym wynik bazowy sprzed zastosowania uczenia ze wzmocnieniem. Skok z 38 do 90 procent jest przekonujący właśnie dlatego, że firma nie ukryła słabszego punktu wyjścia.
Zarazem trzeba zachować dystans. Flexion sam przyznaje, że Reflect v1.0 działa w ramach zdefiniowanej dystrybucji zadań i nie oferuje uniwersalnej autonomii. To nie jest robot, który poradzi sobie z dowolnym poleceniem w dowolnym budynku. To wynik osiągnięty w kontrolowanym środowisku testowym firmy, z jedną konkretną misją i jednym typem przeszkód. Pytanie, które mnie interesuje najbardziej, brzmi: jak bardzo ten wynik się rozmyje, gdy Reflect trafi do dziesiątek różnych fabryk, magazynów i budynków biurowych, każdy z inną geometrią, innym oświetleniem i innymi ludźmi krążącymi wokół robota. Odpowiedzi na razie nie mamy.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Manipulacja, schody i powrót po błędzie
Poza samą architekturą oprogramowania Flexion pokazał też konkretne parametry działania robota w warstwie fizycznej. Maszyna obsługuje paczki o wadze od 100 gramów do 3,5 kilograma, potrafi przełożyć karton pod jedno ramię, by zwolnić drugie, wciska przyciski windy z precyzją rzędu centymetrów i pokonuje schody wielokrotnie pod rząd bez upadku. W materiale źródłowym firma podaje, że kontroler całego ciała pozwolił na ponad sto kolejnych przejść po schodach bez utraty równowagi.
Interesujący jest mechanizm radzenia sobie z błędem. Gdy chwyt się nie powiedzie albo przedmiot zostanie przesunięty, robot najpierw próbuje poprawić akcję lokalnie, korzystając z zachowań naprawczych wyuczonych podczas treningu RL. Dopiero gdy to nie wystarcza, kontroler misji wykrywa sytuację odbiegającą od planu na podstawie obrazu z kamery i przeplanowuje całe zadanie od nowa.
Flexion Robotics powstał w grudniu 2024 roku, założony przez byłych badaczy Nvidii, Nikitę Rudina i Davida Hoellera, wraz z Julianem Nubertem i Fabianem Tischhauserem. W listopadzie 2025 roku spółka zamknęła rundę Serii A o wartości 50 milionów dolarów przy udziale DST Global Partners, funduszu NVentures należącego do Nvidii, redalpine, Prosus Ventures i Moonfire. Wcześniej firma pozyskała 7,35 miliona dolarów finansowania seed. Zamiast budować własny sprzęt, Flexion sprzedaje oprogramowanie w modelu licencji rocznej na robota, co ma pozwolić na współpracę z wieloma producentami hardware’u jednocześnie.
Kontekst rynkowy: wielki kapitał, mały realny wolumen
Warto spojrzeć na ten wynik na tle całej branży. Globalna produkcja robotów humanoidalnych przekroczyła w 2025 roku 20 tysięcy jednostek, co oznacza dziesięciokrotny wzrost względem niecałych 2 tysięcy sztuk rok wcześniej. Zdecydowana większość trafiła jednak do badań, zbierania danych i celów wystawienniczych. Analitycy szacują, że realnie w praktycznych zastosowaniach pracuje zaledwie około 10 procent wyprodukowanych egzemplarzy. Analitycy Barclays wyceniają obecny rynek na 2 do 3 miliardów dolarów, z prognozą wzrostu do około 200 miliardów dolarów do 2035 roku.
To sprzeczność, która definiuje cały sektor. Kapitał płynie strumieniem, wyceny rosną, a realne wdrożenia poza Chinami wciąż liczy się w setkach, nie tysiącach. Właśnie w tej luce między demonstracją a produkcyjną niezawodnością mieści się propozycja Flexion.
Co to oznacza dla polskich firm?
Polski przemysł, przede wszystkim motoryzacyjny i logistyczny, śledzi ten trend uważnie, choć na razie z bezpiecznego dystansu. Zakłady takie jak Martur Fompak International testują już współpracę robotów humanoidalnych z systemami klasy SAP przy zadaniach intralogistycznych, korzystając z rozwiązań brytyjskiej firmy Humanoid. To pojedynczy, pilotażowy przypadek, ale pokazuje kierunek, w którym patrzą również polscy integratorzy automatyki.
Dla firm produkcyjnych w Polsce liczy się dziś przede wszystkim jedno: czy oprogramowanie sterujące robotem osiąga wystarczającą powtarzalność, żeby uzasadnić koszt wdrożenia. Wynik Flexion, 90 procent skuteczności w kontrolowanym teście, to sygnał, że software zaczyna nadganiać za mechaniką, która od lat rozwija się szybciej niż warstwa decyzyjna. Nie oznacza to, że polskie fabryki zaczną zamawiać humanoidy w najbliższych miesiącach. Ceny sprzętu wciąż liczone są w dziesiątkach tysięcy dolarów za sztukę, a analizy IDTechEx wskazują, że średnia cena sprzedaży spadnie z około 114,7 tysiąca dolarów w 2024 roku do około 37 tysięcy dolarów dopiero w 2030 roku. Dla polskiego rynku, gdzie decyzje inwestycyjne w automatykę zapadają na podstawie twardego rachunku zwrotu z kapitału, to horyzont kilkuletni, nie kwartalny.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Granice systemu
Sam Flexion nie ukrywa ograniczeń. Reflect v1.0 działa skutecznie w ramach zdefiniowanej dystrybucji zadań i nie zapewnia uniwersalnej autonomii. Niektóre obiekty wciąż są trudne do uchwycenia, kontroler misji potrafi błędnie zinterpretować obraz, a mechanizmy odzyskiwania sprawności po błędzie działają nie dla wszystkich typów awarii. Firma zapowiada dalszy rozwój w kierunku szerszej różnorodności umiejętności, lepszego wykrywania i naprawy błędów oraz mocniejszego treningu symulacyjnego opartego na weryfikowalnych nagrodach.
To uczciwe postawienie sprawy jak na komunikat prasowy startupu w trakcie rundy finansowania. Rzadko która firma robotyczna przyznaje wprost, gdzie jej system zawodzi.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału badawczego Flexion Robotics opublikowanego 29 czerwca 2026 roku, uzupełnionego o relację Interesting Engineering z 30 czerwca 2026 roku. Dane rynkowe i informacje o finansowaniu Flexion pochodzą dodatkowo z Crunchbase News, The Robot Report i portalprzemyslowy.pl. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o wdrożeniach systemu Reflect poza środowiskiem testowym Flexion.
