Teslas humanoide robot Optimus har nået en afgørende milepæl i udviklingen og demonstrerer nu en imponerende række evner takket være en banebrydende læringsmetode.
I en videodemonstration offentliggjort den 21. maj 2025 blev Optimus-robotten vist udføre forskellige opgaver, herunder huslige pligter som støvsugning, omrøring af mad, lukning af gardiner samt industrielle opgaver såsom håndtering af Tesla-bilkomponenter. Det særlige ved denne præstation er, at alle opgaver blev udført via ét samlet neuralt netværk, hvor robotten lærte direkte fra førstepersonsvideoer af mennesker, der udførte lignende handlinger.
Milan Kovac, Teslas vicepræsident for Optimus, beskrev fremskridtet som et "betydeligt gennembrud" i robotudviklingen. "Vi har for nylig opnået et stort gennembrud og kan nu overføre en stor del af læringen direkte fra menneskevideoer til robotterne," forklarede Kovac. Denne metode accelererer robotternes evne til at lære nye opgaver markant sammenlignet med den tidligere teleoperationsmetode, som krævede mere intensiv menneskelig involvering.
Det nuværende system fokuserer på videoer fra førstepersonsperspektiv, men Teslas team sigter mod at udvide denne evne til også at omfatte tredjepersonsoptagelser fra tilfældige kilder på internettet. Dette vil potentielt gøre det muligt for Optimus at lære fra det enorme bibliotek af instruktionsvideoer online og dermed øge indlæringshastigheden eksponentielt.
Produktionsplanerne for Optimus er allerede i gang, og Tesla sigter mod begrænset produktion i 2025 til internt brug på virksomhedens fabrikker. Ifølge de seneste udmeldinger planlægger Tesla at producere cirka 5.000 Optimus-robotter i år og at opskalere til omkring 50.000 enheder i 2026, hvor robotterne bliver tilgængelige for andre virksomheder. Elon Musk har antydet en forbrugerpris på cirka 200.000 kroner, når robotten på sigt rammer det brede marked.
Selvom nogle roboteksperter fortsat er skeptiske over for tidshorisonten for en ægte alsidig humanoid robot, repræsenterer Teslas seneste demonstration et væsentligt fremskridt inden for robotlæringssystemer, som kan accelerere udviklingen i hele branchen.