Simulátor místo zničených plastů: Jak funguje trénink dvounohého kačera
Když se učil chodit člověk nebo jakýkoliv živý tvor, stálo to nespočet pádů a odřených kolen. Pokud ale učíte chodit dvounohého robota přímo v reálném světě, každá chyba znamená zničené plastové převody, spálená serva a neustálé servisní zásahy. Francouzský tým Pollen Robotics, který působí pod hlavičkou Hugging Face, se proto rozhodl otočit tradiční vývojový postup.
Nový dvounohý robot Microduck staví na principu plného přenosu chování ze simulace do reality (tzv. sim-to-real transfer). Veškeré pohybové vzorce — od obyčejné chůze přes zvedání ze země po pádu až po jízdu na kolečkových bruslích — nejsou zapsány jako pevné sekvence úhlů. Jsou to neuronové sítě vytrénované metodou posilovaného učení (Reinforcement Learning) v prostředí MuJoCo Warp skrze tréninkový framework mjlab a algoritmus PPO (Proximal Policy Optimization).
Praktický dopad pro vývojáře je zásadní. Dnes už nepotřebujete robotické obslužné pracoviště za miliony korun. Tréninkové prostředí microduck_rl dokáže na běžné počítačové grafice s architekturou CUDA při 4 096 paralelně běžících simulovaných prostředích vycvičit použitelnou chůzi za 1 až 2 hodiny. Pokud místní grafický výkon nemáte, stačí k příkazu přidat parametr --hf-jobs a tréninkový proces proběhne v cloudu Hugging Face. Výsledný model se exportuje do formátu ONNX a nahrává přímo do robota.
Kompaktní hardware, který se vejde na vývojářský stůl
Z hlediska fyzických parametrů je Microduck velmi úsporně navržené zařízení. S výškou 25 cm, šířkou 14 cm a hmotností pod 800 gramů jde o robota, kterého bez problému sbalíte do batohu. Na těle se nachází celkem 15 servomotorů, které ovládají nohy, krk, hlavu a artikulovaný zobák schopný sbírat drobné předměty ze země.
Výpočetní srdce tvoří systém na čipu Rockchip RK3566 integrovaný s NPU akcelerátorem pro běh AI modelů, doplněný o 1 GB RAM a 32 GB eMMC úložiště. Výbava senzorů je na danou cenovou kategorii překvapivě kompletní:
- Přední kamera doplněná o viditelný LED indikátor aktivního snímání pro ochranu soukromí.
- Laserový senzor vzdálenosti typu ToF (Time-of-Flight) v matici 8×8 bodů.
- Dvě inerciální měřicí jednotky (IMU) — jedna v těle robota a druhá v hlavě pro přesný odhad polohy.
- Mikrofony, reproduktor, dvě NFC antény, Wi-Fi a Bluetooth konektivita.
- Vyměnitelná Li-ion baterie standardu NP-F550 s kapacitou 2 600 mAh, která zajistí přibližně 1 hodinu provozu.
Zajímavým detailem je hlasový výstup. Microduck nedisponuje lidskou řečí, ale při prvním spuštění si samovolně vygeneruje vlastní unikátní syntetickou zvukovou identitu, která mu zůstává natrvalo. Předchozí desktopový projekt tohoto týmu, stacionární robot Reachy Mini, zaznamenal přes 10 000 prodaných kusů. Microduck však mění filozofii: opouští pracovní stůl a je zkonstruován k tomu, aby aktivně chodil, padal a samostatně vstával.
Sim-to-real v praxi: Proč simulace v realitě neselhává
Největším úskalím fyzické AI bývá přechod z virtuálního prostředí do reálného fyzického světa. V simulaci vše funguje dokonale, ale v reálu robot selže kvůli vůlím v převodech, poklesu napětí v baterii nebo změně tření povrchu. Vývojáři v Pollen Robotics tento problém vyřešili pokročilým modelováním pohonných jednotek.
Namísto ideálního matematického řízení využívá tréninkový simulátor aktuátorový model BAM M6 (odpovídající servům Dynamixel XL330). Ten započítává elektromotorické napětí (back-EMF), Coulombovo i Stribeckovo tření a ztráty závislé na zatížení. V průběhu simulace probíhá náhodné variování parametrů — mění se vnitřní odpor baterie, zpoždění příkazů i mechanická vůle v převodech (randomizace započítává vůli až ±1° na každý ze 14 kloubních servomotorů).
Řídicí smyčka běží na samotném robotovi pod operačním prostředím vytvořeným v jazyce Rust na frekvenci 50 Hz. Všechny natrénované pohybové sítě (v databázi je jich připraveno 13, například tracking rychlosti, vstávání z břicha, bruslení nebo kop do míče) sdílejí jednotný 61-rozměrný vektor pozorování. Díky tomuto unifikovanému rozhraní lze jednotlivé modely chování přepínat za chodu bez nutnosti restartu robota.
Cena, dostupnost v ČR a limity otevřenosti
Předobjednávky byly oficiálně zahájeny 27. srpna 2026 s tím, že prvním zákazníkům budou roboti doručováni před koncem roku 2026. Základní zaváděcí cena je stanovena na 399 USD (v přepočtu přibližně 8 800 Kč bez DPH a dopravy), přičemž doplňkový balíček příslušenství vychází na 39 USD. Podle informací zástupců Hugging Face dosahovalo tempo předobjednávek bezprostředně po odhalení hodnoty přibližně jednoho robota každé 4 sekundy.
Pro vývojáře v České republice a v rámci Evropské unie má projekt výhodu v původu hardwaru. Vývojový tým Pollen Robotics sídlí ve francouzském Bordeaux, tudíž distribuce v rámci EU nepodléhá složitému celnímu řízení z Asie nebo USA, byť je nutné počítat s připočtením lokální sazby DPH a standardního evropského poštovného. Všechny softwarové nástroje, SDK i simulační prostředí jsou okamžitě dostupné na GitHubu pod svobodnou licencí Apache 2.0.
Je však nutné upozornit na limity otevřenosti. Zatímco softwarová část je plně open-source, mechanické CAD výkresy a schémata plošných spojů (PCB) zůstávají uzavřené. Microduck tedy není navržen pro kompletní domácí 3D tisk a vlastní stavbu na koleně, ale jako hotová cenově dostupná platforma pro ladění kódu a neuronových sítí.
Verdikt: Fyzická AI vystupuje z drahých laboratoří
Donedávna byl výzkum pokročilého posilovaného učení pro dvounohé roboty vyhrazen akademickým pracovištím a technologickým obrům, kteří si mohli dovolit pořizovat hardware v hodnotách desítek tisíc dolarů. Microduck ukazuje, že kombinace efektivního simulačního prostředí (MuJoCo) a nízkonákladového hardwaru umožňuje přenést vývoj fyzické AI na stoly nezávislých vývojářů a studentů. S odesláním prvních kusů do konce roku se ukáže, nakolik tento přístup urychlí nasazení autonomních agentů v reálném prostorovém prostředí.
Jsou konstrukční CAD výkresy a schémata elektroniky robota Microduck volně ke stažení?
Ne. Veškeré zdrojové kódy, tréninková prostředí v MuJoCo, natrénované modely i obslužný runtime v jazyce Rust jsou uvolněny pod otevřenou licencí Apache 2.0. Mechanická konstrukce, CAD soubory a elektronická schémata však zůstávají vlastnickým know-how společností Pollen Robotics a Hugging Face.
Lze s robotem Microduck pracovat bez předchozích znalostí programování v Pythonu nebo Rustu?
Zčásti ano. Robot se dodává se sedmi předtrénovanými pohybovými režimy (chůze, zvednutí se ze země, jízda na bruslích, úchop zobákem), které lze po vybalení ovládat běžným bezdrátovým gamepadem. Pro trénování vlastních pohybů nebo úpravu odměňovacích funkcí se však neobejdete bez znalosti prostředí Python a tréninkového frameworku.
Jaké jsou nároky na počítačový hardware při trénování vlastních pohybových modelů?
Díky využití prostředí MuJoCo Warp a paralelizaci 4 096 prostředí stačí běžná grafická karta NVIDIA s podporou CUDA. Získání funkčního modelu chůze trvá přibližně 1 až 2 hodiny tréninku. Pokud lokální GPU nemáte, je možné využit integrovaný cloudový příkaz pro spuštění tréninku v prostředí Hugging Face Jobs.
