Sensory robotów humanoidalnych — LiDAR, kamery głębi, IMU

Z czego składa się stack percepcji robota humanoidalnego

Na pytanie „jak robot humanoidalny widzi" odpowiada dziś dość powtarzalny zestaw sprzętu: LiDAR 3D na głowie, kamera głębi (RGB-D) z przodu, IMU w korpusie i enkodery w każdym stawie. Najlepiej udokumentowany przykład z polskiego rynku to Unitree G1 (od 94 050 zł): łączy LiDAR Livox Mid-360 z kamerą głębi Intel RealSense D435i, a do tego dokłada 4 mikrofony z redukcją szumów. Ten sam duet sensorów pracuje w wariantach G1 EDU.

Livox Mid-360 to hybrydowy LiDAR półprzewodnikowy projektowany — jak deklaruje producent — pod robotykę niskich prędkości. Kluczowe liczby z karty katalogowej: pole widzenia 360° w poziomie i 59° w pionie (od -7° do 52°), zasięg 40 m przy 10% odbiciu (70 m przy 80%), martwa strefa zaledwie 0,1 m, 200 000 punktów na sekundę przy 10 Hz, masa 265 g i szczelność IP67. Moduł ma też własne IMU (ICM40609).

Kamera RealSense D435i uzupełnia LiDAR z bliska: stereoskopowa głębia do 1280 × 720 pikseli przy maks. 90 kl./s, pole widzenia 87° × 58°, zakres roboczy 0,3–3 m i deklarowany błąd głębi poniżej 2% na dystansie 2 m. Ma wbudowane IMU 6-osiowe i migawkę globalną, co pomaga przy szybkim ruchu. Podział ról jest prosty: LiDAR daje rzadszą, ale dalekozasięgową geometrię do nawigacji, kamera głębi — gęstą mapę bliskiego pola do manipulacji.

Resztę stacku stanowi propriocepcja i dotyk: IMU mierzy orientację i przyspieszenia korpusu (Booster K1 i T1 mają jednostki 9-osiowe), enkodery w stawach podają dokładną pozycję każdej osi, a część konstrukcji dodaje czujniki nacisku — Fourier GR-3 ma ich 31 na głowie i torsie, NAO6 używa czujników FSR w stopach.

Co robi SLAM — i gdzie się kończy jego rola

SLAM (simultaneous localization and mapping) to warstwa oprogramowania, która łączy chmurę punktów z LiDAR-u, dane IMU i odometrię ze stawów w spójną odpowiedź na dwa pytania: gdzie jestem i jak wygląda otoczenie. Livox pozycjonuje Mid-360 dokładnie pod ten scenariusz — mapowanie, lokalizacja i omijanie przeszkód w robotach mobilnych. Ta część działa i jest dziś względnie dojrzałą technologią, również w humanoidach.

Granica przebiega dalej: SLAM nie rozpoznaje obiektów, nie planuje chwytu i nie kontroluje siły docisku. Robot z dobrze działającym SLAM-em ominie krzesło, ale nie wie, że to krzesło, ani co miałby z nim zrobić. Te zadania należą do osobnych warstw — modeli wizyjno-językowo-akcyjnych opisanych w przewodniku o embodied AI — i to one, nie sensory, są dziś wąskim gardłem.

Percepcja to nie autonomia — co pokazują testy z 2026 roku

Śledztwo Reuters z sierpnia 2026 r. opisuje stan wdrożeń w chińskich fabrykach wprost: humanoidy są zbyt wolne i zbyt zawodne do większości prac przemysłowych, a proste zadania wykonują — jak szacuje cytowany w śledztwie pracownik centrum treningowego w Liuzhou — z wydajnością rzędu 20% tempa człowieka. To roboty wyposażone w pełne stacki sensoryczne — problem nie polega na tym, że maszyna nie widzi, tylko na tym, że nie potrafi zamienić obrazu na niezawodne działanie.

Ten sam wniosek płynie z World Humanoid Robot Games w Pekinie (sierpień 2026): obok konkurencji sportowych organizatorzy testowali wpinanie kabla, pracę magazynową i obsługę restauracji, a według Huawei ponad 40% z 51 konkurencji wymagało pełnej autonomii — w pozostałych dopuszczano udział operatora. Wpinanie kabla to test percepcji, pozycjonowania i kontroli siły jednocześnie; właśnie na takich drobiazgach dzisiejsze humanoidy się wykładają.

Praktyczny wniosek dla kupującego: LiDAR i kamera głębi wystarczą, żeby robot chodził za operatorem, omijał przeszkody i wracał do stacji ładowania. Nie wystarczą, żeby samodzielnie rozpakował dostawę. Kto obiecuje inaczej, sprzedaje demo, nie produkt — więcej w analizie czy robot humanoidalny się opłaca.

Sensory w robotach z naszej bazy — kto ma co

LiDAR w standardzie mają tylko 3 z 13 profili w naszej bazie (Unitree G1, G1 EDU i H1). W dwóch kolejnych to opcja — EngineAI T800 dostaje LiDAR w wariantach Open Source/Pro/Max, a do LimX TRON1 można dokupić Sensor Kit. Pozostałe osiem konstrukcji polega wyłącznie na kamerach i IMU — NAO6 dokłada do dwóch kamer RGB jeszcze sonary i czujniki FSR w stopach.

Pełne specyfikacje ze źródłami znajdziesz na profilach robotów oraz w porównywarce.

Ile kosztują sensory i co realnie podnosi cenę robota

Sam LiDAR nie jest już drogi: Livox wycenił próbki Mid-360 na 749 USD za sztukę przy premierze w styczniu 2023 r., a przy większych partiach ceny są negocjowane. W robocie za 94 050 zł to kilka procent wartości. Więcej kosztuje komputer, który dane z sensorów przetwarza — jednostki obliczeniowe w wariantach Booster K1: od Qualcomm QCS8550 (48 TOPS) po NVIDIA Jetson Orin NX (117 TOPS) i AGX Orin (200 TOPS) — oraz praca integracyjna.

Porównanie cen z naszej bazy pokazuje, że sensory nie są głównym motorem ceny: Booster K1 bez LiDAR-u kosztuje od 29 900 zł netto, Unitree R1 bez LiDAR-u — 45 000 zł, a G1 z pełnym stackiem percepcji — od 94 050 zł. Różnicę robią przede wszystkim aktuatory, liczba stopni swobody i rozmiar, nie lista czujników. Uwaga na pułapkę: bazowy G1 ma identyczne sensory jak wersje EDU, ale bez SDK nie ma jak wykorzystać ich danych we własnym kodzie — o tym w przewodniku o ROS i SDK.