Autor: Erik Jusufi, Abysalto, AI backend developer, AI Squad
25. ožujka 2026., Državna vatrogasna škola u Zagrebu. Prostor je ispunjen gustim dimom, vidljivost je gotovo nula. U zgradu prvi ulazi robot. Iza njega, na sigurnoj udaljenosti, vatrogasci na prijenosnom dashboardu prate što sustav vidi: 3D mapu prostora koja se gradi u realnom vremenu, termalnu sliku, lokaciju unesrećene osobe. Tek kad je ruta sigurna, navalna grupa kreće prema točno označenom mjestu.
To je bio prvi javni Proof of Concept u kojem smo, u suradnji s Vatrogasnom zajednicom Zagreba i DVD-om Trnje, pokazali kako kvadruped robot Unitree Go2, uz softverski sloj koji razvijamo u Abysaltu, može pomoći vatrogascima u prvim minutama intervencije. Ujedno je to bila i ilustracija nečeg šireg: trenutka u kojem AI prestaje biti samo softver na ekranu i postaje agent u stvarnom prostoru.
Tri pomaka u tome što AI radi
Da bismo razumjeli zašto je ovo važno, vrijedi pogledati kako se AI pomicao u poslovnoj primjeni zadnjih pet godina.
Prvo smo dobili AI koji odgovara. Generativne modele poput ChatGPT-a i Claudea, copilote u kodu, conversational sustave koji pomažu korisnicima u discoveryju i supportu. Korisnik pita, AI odgovara. Tu fazu smo svi prošli.
Zatim AI koji izvršava: agentski sustavi koji ne samo da generiraju tekst, nego donose i izvršavaju odluke unutar drugih softverskih sustava. Pricing optimizacija, personalizacija, staffing planiranje, operativna orkestracija među servisima. AI postaje sloj koji djeluje, ali djeluje u softveru.
Treći pomak je Physical AI. AI koji djeluje u fizičkom svijetu, kroz robote, senzore i motore. Najteža kategorija od te tri, jer se sustav mora nositi sa stvarnim svijetom: nesigurnostima senzorike, fizičkim ograničenjima hardvera, real-time zahtjevima, i činjenicom da pogrešna odluka u fizičkom prostoru ima posljedice koje se ne mogu undoati klikom.
Industrija u pripremi
Komercijalna primjena Physical AI-ja u širem smislu još nije počela. Ali smjer u kojem se kreću kapital, talent i strateška pažnja velikih igrača jasno pokazuje da se nešto sustavno priprema.
Tesla gasi proizvodnju Model S i X i prenamjenjuje tvornice u Fremontu za Optimus humanoide. Prva linija je projektirana za kapacitet milijun jedinica godišnje, iako će stvarna proizvodnja u 2026. biti znatno skromnija (Musk sam priznaje da je prerano predviđati konkretne brojke). Krajem 2025. započeta je gradnja nove Optimus tvornice u Texasu s ambicijom desetak milijuna jedinica long-term.
OpenAI je u travnju 2026. ugasio Sora program i, kako su sami formulirali, preusmjerio resurse prema “rješavanju stvarnih, fizičkih problema”. OpenAI Startup Fund je investiran u 1X Technologies i Physical Intelligence, startupe koji grade fizičke foundation modele za robote.
NVIDIA gradi GR00T platformu kao general-purpose foundation model za humanoidne robote, paralelno investirajući u Figure AI.
Sam Figure AI vrijedi 39 milijardi dolara nakon Series C runde u rujnu 2025. Njegov najkonkretniji proof point je 11-mjesečni deployment u BMW-ovoj tvornici u Spartanburgu, tijekom kojeg je robot pomogao u proizvodnji 30.000 BMW X3 vozila i premjestio preko 90.000 dijelova. To više nije demo, to je redovan industrijski rad.
Brojke konzultantskih kuća prate isti smjer. Goldman Sachs predviđa tržište humanoidnih robota od 38 milijardi dolara do 2035. uz 1,4 milijuna isporučenih jedinica. McKinsey procjenjuje ukupno tržište Physical AI-ja na 370 milijardi dolara do 2040., s polovinom vrijednosti iz Kine. Morgan Stanley prognozira 5 bilijuna dolara do 2050. i milijardu robota globalno u upotrebi. Deloitte je konkretniji: već u 2026. očekuje 15.000 industrijskih humanoidnih jedinica isporučenih, naspram 5-7 tisuća u 2025.
Možda najjači signal nije apsolutna brojka, nego akceleracija. U 2025. su humanoidne robotske kompanije globalno privukle 3,2 milijarde dolara investicija. Više nego prethodnih šest godina zajedno.
Te brojke nisu signal da je tržište već ovdje. One su signal da se temelji sustavno grade. Val koji se još nije podigao, ali se može osjetiti kako se priprema.
Vatrogasni PoC: što je tu zapravo Physical AI
Vratimo se na zadimljenu zgradu. Što je u onoj demonstraciji bio robot, a što AI?
Robot je platforma. Unitree Go2, kvadruped težine 15 kilograma s 360-stupanjskim LiDAR-om, kamerama, IMU-om i mogućnošću kretanja po zahtjevnom terenu do 18 km/h. Robot može hodati, vidjeti, snimati. To je hardver.
Ono što gradimo u Abysaltu nije robot. Mi gradimo softverski sloj koji od te platforme radi koristan operativni sustav. Spajanje senzorike (LiDAR, RGB, termalna kamera, plinski senzori ovisno o konfiguraciji), razumijevanje scene u realnom vremenu, mapiranje prostora u uvjetima zero-visibility kroz LiDAR SLAM, te transformacija svega toga u nešto što zapovjednik na terenu može iskoristiti: sažetke, upozorenja, sigurnije rute. Cilj nije samo da robot vidi. Cilj je da sustav razumije što vidi.
“Ono što smo pokazali tek je početak primjene AI-ja u operativnom vatrogastvu,” kazao je Nenad Mandić, voditelj AI odjela u Abysaltu. “Napredna robotika u kombinaciji s našim AI sustavom može u sekundama analizirati okolinu i smanjiti izlaganje ljudi opasnim uvjetima.”
Vrijedi razlikovati što je realno danas, a što je smjer razvoja u sljedećoj fazi pilot-primjena.
Trenutačno demonstriramo: ulazak robota u rizičan prostor prije navalne grupe, izviđanje prostorija s prijenosom slike i podataka operateru, lociranje unesrećene osobe i navođenje vatrogasaca prema njoj, 3D mapiranje u zero-visibility uvjetima, te naknadni obilazak požarišta radi provjere toplinskih žarišta i rizika ponovnog razbuktavanja.
Smjer razvoja u idućoj fazi: naprednija detekcija toplinskih žarišta i segmentacija požara, mapiranje koncentracije plinova i procjena rizika eksplozije, risk-aware planiranje putanje koje izbjegava zone visokih temperatura ili plinova, audio AI za prepoznavanje poziva upomoć, dvosmjerna komunikacija s unesrećenom osobom preko zvučnika na robotu, te AI sažeci u stvarnom vremenu za zapovjedni centar.
Robot u demu radi kroz kombinaciju autonomnih funkcija i nadzora operatora, što je realnost svih trenutačnih sustava ovog tipa.
Zašto i kvadruped i humanoid
U Abysaltu radimo s dvije platforme: Unitree Go2 i Unitree G1 humanoid. Pitanje koje često dobivamo: zašto oboje?
Zato što nisu za iste situacije.
Kvadruped je terenski izviđač. Niska silueta i četiri točke kontakta s tlom čine ga stabilnim na neravnom terenu, stepenicama, šljunčanim površinama, mokrim podovima. Brz je (do 18 km/h kod Go2), ima tihu mehaniku, traje 2-4 sata na bateriji ovisno o opterećenju, i fizički je dovoljno mali da prođe kroz industrijska vrata, ispod konstrukcija, kroz uske hodnike. Tamo gdje fiksna automatizacija nije praktična zbog rasporeda prostora ili rizika, kvadruped pokriva razliku. Vatrogasne intervencije, inspekcije industrijskih pogona, obilasci nestabilnog terena, perimetarski nadzor. Tu su mu prirodna staništa.
Humanoid je strateški zanimljiv zbog dvije stvari koje se povezuju. Prva je infrastrukturna: svijet je dizajniran za ljude (vrata, stepenice, alati, kolica, prekidači), pa humanoid izbjegava potrebu za skupom prilagodbom prostora. Druga, koja se često zaboravlja, je interpretabilnost. Humanoidi imaju jezik tijela koji ljudi razumiju intuitivno: smjer pogleda, gestikulaciju, pauzu prije akcije. To znači da humanoid može komunicirati svoju namjeru bez riječi i raditi u zajedničkim prostorima poput hospitalityja, retaila ili zdravstvene njege, gdje je sigurna integracija s ljudima ključna.
Različiti alati za različite klase problema. Isti softverski temelji.
Drugačija kategorija problema
Razvoj Physical AI-ja se bitno razlikuje od softverskog razvoja koji već poznajemo. Tri stvari konkretno.
Sensor fusion u realnom vremenu. Robot ne treba samo “vidjeti” prostor. Treba iz različitih senzorskih tokova (LiDAR, RGB, termalna, IMU, plinski senzori) graditi koherentno razumijevanje scene, milisekundnom latencijom, kad podaci dolaze nesigurni i nekompletni, i kad neki senzor zakaže.
Sim-to-real. Modeli koji rade u simulaciji ne moraju raditi i na terenu. Zatvaranje tog jaza traži dosadne iteracije: testirati uživo, mjeriti gdje sustav otkazuje, vraćati se u simulator s novim scenarijima. Ono što razlikuje sustave nije izbor alata, nego disciplina iteracijskog ciklusa i kvaliteta podataka.
Sigurnost bez potpune autonomije. Sustav mora biti dovoljno fleksibilan za neviđene scenarije, a istovremeno garantirati da neće napraviti nešto nesigurno. To znači jasne fallback procedure, ograničenja rada u rubnim slučajevima, i operator-in-the-loop arhitekturu gdje god treba.
To su problemi koje dijelimo s globalnom robotskom zajednicom. Naš pristup je otvoren razvoj, korištenje open-source alata gdje god ima smisla, i učenje iz svakog stvarnog incidenta, uključujući one u kojima sustav zakaže.
Šire primjene
Vatrogasni PoC je sidreni primjer, ali Physical AI nije uska niša jednog use casea.
U energetici i utility sektoru mobilni roboti se testiraju za inspekcije trafostanica, kotlovnica, solarnih i vjetroelektrana, mjesta gdje su redoviti obilasci skupi i ponekad opasni. Naftna i kemijska industrija ima istu logiku još snažnije: zone curenja i potencijalno štetnih plinova mjesta su gdje izlaganje ljudi treba minimizirati.
U proizvodnji humanoidi i kvadrupedi otvaraju klasu zadataka koji su do sada bili teško automatizabilni jer su iziskivali ljudski oblik: machine tending, kitting, prijenos dijelova između stanica, vizualni quality check. Figure AI-jev BMW deployment je javni dokaz da ti zadaci više nisu samo teorijska mogućnost.
U građevini i rudarstvu otvara se ista vrsta problema kao u vatrogastvu: nestabilan teren, smanjena vidljivost, podzemni hodnici i tuneli u koje slanje ljudi nosi rizik koji se može minimizirati.
U logistici i skladištenju eksperimentira se s autonomnim rukovanjem teretom u mješovitim okruženjima koja kombiniraju ljude i strojeve.
U sigurnosti i nadzoru autonomne perimetarske patrole, dokumentiranje stanja prostora tijekom smjene, provjera alarma prije slanja zaštitara.
U hospitalityju concierge funkcije, pratnja gostiju, dostava u sobu, noćni nadzor objekata, inspekcije evakuacijskih putova i protupožarnih sustava.
U zdravstvenoj njezi rutinski obilasci pacijenata u nekliničkim aktivnostima, dostava sitnih potrepština, telepresence link prema osoblju ili obitelji.
Nijedna od ovih primjena trenutačno nije gotov proizvod koji se može kupiti. Sve su u istraživačkoj ili pilot fazi. Ali zajedničko im je da otvaraju isti tehnološki put: kako AI sustav s tijelom učiniti operativno korisnim u stvarnom industrijskom kontekstu, uz prihvatljiv profil rizika i jasne operativne procedure.
Što je sljedeće
Posljednjih desetak godina AI je živio uglavnom u softveru, u modelima koji obrađuju tekst, sliku ili kod i komuniciraju s nama preko ekrana. Sljedećih desetak godina bit će o tome kako taj AI počne djelovati u fizičkom svijetu, kroz tijela koja imaju senzore, motore i fizičke posljedice.
To je proces koji se mjeri godinama, ne mjesecima. Trebat će kombinacija hardverske zrelosti, softverskih napredaka, regulatornog okvira, i, što često zaboravljamo, pažljivog rada s krajnjim korisnicima da bismo uopće znali što je stvarno korisno, a što samo impresivno.
U Abysaltu smo svjesno odabrali biti dio te transformacije. AI odjel pokrenut je u srpnju 2025. i trenutačno broji oko dvadesetak inženjera, data scientista i ML stručnjaka. Robotske platforme su nam aktivna istraživačka infrastruktura, prvi javni Proof of Concept u suradnji s vatrogascima iza nas je, a pilot projekti u nekoliko industrija ispred nas u 2026.
Ono što razdvaja Physical AI od dosadašnjih faza AI-ja jest jednostavna stvar: rješenja se ne deployaju klikom. Grade se iterativno, u dijalogu s ljudima koji razumiju i tehnologiju i specifičan kontekst u kojem će se koristiti.
Sljedećih desetak godina AI neće biti samo softver na ekranu. Bit će sustav koji djeluje u prostorima u kojima živimo i radimo. Taj prijelaz se već događa: u BMW-ovoj tvornici u Spartanburgu, u zadimljenom hodniku jedne zagrebačke vatrogasne škole, u prvim hotelskim koridorima gdje roboti pomažu osoblju. Treba nam vremena, suradnje i strpljenja da to napravimo dobro.
