Unitree laat AI zelf de software van zijn robots verbeteren
Robotmaker Unitree werkt aan Rehearsal: AI leest zelf onderzoek, schrijft robotcode, test die in een nagebootste wereld en zet hem daarna op echte robots. Oprichter Wang Xingxing verwacht nu dat robots in 2027 of 2028 de meeste taken op commando aankunnen.
De Chinese robotmaker Unitree wil zijn mensachtige robots zichzelf laten verbeteren. Oprichter Wang Xingxing stelde op donderdag 22 oktober in Hangzhou het systeem Rehearsal voor (Engels voor "repetitie"), op een congres over AI in robots dat Unitree zelf organiseerde. Volgens de Hongkongse krant South China Morning Post noemde hij het het belangrijkste project van het bedrijf dit jaar.
Waarom robots dit nodig hebben
Een robot iets nieuws leren, kost nu veel mensenwerk. Ingenieurs schrijven de besturing en testen die eerst in een simulatie: een nagebootste wereld op de computer, waarin een robot duizenden keren kan oefenen zonder iets kapot te maken. Daarna volgt de test op een echte robot. Daar gaat het vaak mis, want wat in de simulatie werkt, lukt in een echte keuken of woonkamer lang niet altijd.
Hoe moeilijk het huishouden voor robots is, laat een bekende test met 1.000 alledaagse huistaken zien, BEHAVIOR-1K. Robots maakten daar volgens de AI Index 2026 van Stanford University 12,4 procent van de taken helemaal af.
Hoe Rehearsal werkt
Rehearsal moet een groot deel van dat werk overnemen, in een lus van vier stappen:
- De AI zoekt in wetenschappelijke artikelen naar technieken die passen bij wat de robot moet leren.
- Daarmee schrijft de AI zelf nieuwe besturingscode.
- Die code wordt getest in een simulatie.
- Haalt de code daar een vooraf gestelde score, dan gaat de update naar echte robots.
Wat de echte robots daarna meemaken, gaat terug de lus in als lesstof voor de volgende ronde. Ingenieurs kunnen meekijken en bijsturen. Op de lange termijn wil Wang dat dat toezicht steeds minder nodig is. Volgens persbureau Bloomberg werkt Unitree al deels zo: het bedrijf gebruikt de resultaten van echte tests om zijn AI-modellen bij te stellen.
Sneller dan gedacht
Wang is in korte tijd een stuk optimistischer geworden. In augustus zei hij op de World Robot Conference in Peking nog dat het op grote schaal gebruiken van robots in fabrieken en huizen twee tot tien jaar kon duren. Nu verwacht hij dat mensachtige robots in 2027 of 2028 ongeveer 80 procent van de taken die je ze hardop opdraagt kunnen uitvoeren, ook in een huis dat ze niet kennen en zonder speciale training voor dat huis.
Volgens Wang hebben nieuwe AI-modellen, zoals GPT-6 van OpenAI, hem van gedachten doen veranderen. Unitree-robots met GPT-6 kunnen nu bijvoorbeeld schilderen, inclusief van kleur wisselen en het palet afspoelen.
Taken waarbij een robot voorzichtig met zachte of onregelmatige voorwerpen moet omgaan, zoals was opvouwen, zijn nog lastig. Onafhankelijke metingen van robots die met Rehearsal zijn getraind, zijn er nog niet. Die moeten laten zien hoe snel de lus robots echt beter maakt.
Een slimmer brein voor een sterk lichaam
Aan het lichaam van zijn robots werkt Unitree al lang. Vorige week liet het bedrijf nog de H2-X zien, een mensachtige robot die springt, vecht en een auto optilt om iemand te redden. Dat filmpje toonde vooral wat het lichaam aankan; hoeveel de robot daarin zelf besliste, bleef open. Rehearsal gaat juist over dat brein: robots die zelf leren en zich steeds beter aanpassen aan de echte wereld.
Veiligheid en gegevens
Een robot die zichzelf bijwerkt, verzamelt veel gegevens: ingelezen onderzoek, zelfgeschreven code, testresultaten en wat de robot in de echte wereld meemaakt. Technologiesite TechTimes wijst erop dat Chinese organisaties volgens de Chinese inlichtingenwet verplicht zijn mee te werken met de inlichtingendiensten van hun land, en dat dat ook voor deze gegevens kan gelden.
Daarnaast vonden beveiligingsonderzoekers in 2025 twee lekken in eerdere Unitree-robots. In de robothond Go1 zat een verborgen toegang op afstand; Unitree zei dat die onbedoeld was en inmiddels is verholpen. Een tweede lek, via Bluetooth, trof onder meer de Go2 en de G1. Of dat lek is gedicht, heeft Unitree niet bevestigd. Wie zo'n robot gebruikt, doet er goed aan de software bij te werken zodra er een update is.
Wat betekent dit voor de weg naar de singulariteit?
Tot nu toe leren robots vooral wat mensen ze voorprogrammeren of in simulaties aanleren. Rehearsal draait dat om: de AI zoekt zelf kennis op, schrijft zelf code en leert van wat er in de echte wereld gebeurt. Werkt die lus goed, dan kan elke ronde de volgende sneller maken, en leren robots nieuwe taken veel sneller dan nu. Dat is een belangrijke stap richting machines die zelfstandig nuttig werk doen in huizen en fabrieken. De volgende stap is dat onafhankelijke onderzoekers meten hoe goed robots met Rehearsal worden in gewone, alledaagse taken.
