Acht maanden geleden schreven we over het "make or break" moment van 1X. Het bedrijf had de volledige productiecapaciteit voor 2026 in vijf dagen volgeboekt: 10.000 Neo's, allemaal voorbesteld voordat er ook maar één exemplaar in een huiskamer stond. Wij bestelden er zelf ook een, voor bij Nordgard. Tijd voor een update, want 1X heeft niet stilgezeten.
De fabriek staat er
1X stuurde recent een mail met een korte maar veelzeggende mededeling: de NEO Factory in Hayward, Californië draait nu op volle productie. Het bedrijf noemt het zelf de eerste volledig verticaal geïntegreerde, grootschalige fabriek voor humanoid robots in Amerika. Dat is een belangrijk detail. Veel concurrenten in de humanoid-robotmarkt besteden onderdelen uit en assembleren die vervolgens. 1X claimt het hele proces zelf in handen te hebben, van onderdeel tot eindproduct.
Dat is meer dan een PR-zinnetje. Een fabriek bouwen is precies het soort werk waarbij beloftes uit een productlancering om kunnen slaan in vertraging. Tesla en andere autofabrikanten weten dat als geen ander: productie opschalen duurt structureel langer dan beloofd. Dat 1X meldt dat de fabriek nu draait, is dus een signaal dat ze de eerste horde, van prototype naar productielijn, voorbij zijn. Of de 10.000 bestelde Neo's er ook echt op tijd uitrollen, blijft een vraag die we pas kunnen beantwoorden als de eerste leveringen daadwerkelijk plaatsvinden.
Het robotbrein: van trucjes naar wereldmodel
Naast de hardware heeft 1X de afgelopen maanden flink gepubliceerd over de software kant, en dat is wat ons betreft het interessantere verhaal. Het bedrijf werkt aan iets dat ze het 1X World Model noemen (1XWM): een AI-systeem dat niet alleen leert welke actie bij welke opdracht hoort, maar dat ook vooraf kan "voorspellen" wat er gebeurt als Neo iets doet.
Concreet: geef het model een startbeeld en een actie, zoals "pak de mok" of "veeg het aanrecht af", en het genereert een video van hoe die actie er waarschijnlijk uitziet, inclusief de gevolgen. Dat klinkt als een trucje, maar het lost een praktisch probleem op. Elke nieuwe robotvaardigheid in de echte wereld testen kost tijd en geld. Door dat eerst te simuleren in het wereldmodel, kan 1X duizenden varianten van een taak digitaal doorrekenen voordat er een echte Neo een kop koffie omstoot.
Volgens 1X correleert de voorspelling van het model goed met de daadwerkelijke slagingspercentages in de praktijk: als het model met 70 procent nauwkeurigheid het verschil tussen twee versies van de robot-software kan voorspellen, kunnen ze met 90 procent zekerheid zeggen welke versie beter presteert. Dat is precies het soort feedbackloop dat een bedrijf nodig heeft om snel te itereren zonder elke testronde fysiek te moeten uitvoeren.
Leren van video in plaats van van duizenden roboturen
Het tweede stuk nieuws bouwt hierop voort en is misschien nog relevanter voor de vraag of Neo daadwerkelijk gaat doen wat er beloofd is. De meeste robotmodellen worden getraind op enorme hoeveelheden robotdata: duizenden uren waarin een robot een taak voordoet, vaak handmatig bestuurd. Dat is duur en traag.
1X kiest een andere route. Hun wereldmodel is eerst getraind op gewone, menselijke video opnames (ruim 900 uur), niet op robotdata, en daarna pas verder afgestemd met zo'n 70 uur Neo-specifieke beelden. Het idee: omdat Neo's lichaamsbouw en bewegingen sterk op die van een mens lijken, kan het model veel van wat het uit menselijke video's leert, direct vertalen naar robotacties. Een aparte "inverse dynamics"-module zet de gegenereerde videobeelden om naar daadwerkelijke motoraansturing.
In de praktijk betekent dit dat Neo dingen kan proberen waarvoor het nooit specifiek getraind is.
1X laat voorbeelden zien van de robot die voorwerpen oppakt die niet in de trainingsdata zaten, en taken met twee handen uitvoert die niet expliciet zijn aangeleerd. Niet alles werkt trouwens goed: bij taken als inschenken of een gezichtje tekenen blijft het slagingspercentage een stuk lager dan bij oppakken en neerzetten. 1X is daar opvallend open over, inclusief een paar voorbeelden waarin het model zichzelf voor de gek houdt, zoals een video waarin de robot een tissuedoos optilt in plaats van er een tissue uit te trekken.
Wat ons betreft is dat eerlijkheid die het verhaal geloofwaardiger maakt dan een gladde marketingvideo. Tegelijk is het ook precies waarom "make or break" nog steeds van toepassing is: een wereldmodel dat goed voorspelt is mooi, maar de robot moet het thuis, in een rommelige keuken met objecten die het nooit eerder zag, ook daadwerkelijk goed doen.
Waarom dit ons als kantoor raakt
We bestelden Neo vooral om twee redenen: een kantooromgeving is een mooie, gevarieerde testomgeving voor dit soort robots, en we wilden bijdragen aan de praktijktrainingsdata. Dat laatste krijgt nu concreter vorm. Als Neo inderdaad voor een belangrijk deel leert van het generaliseren over nieuwe situaties in plaats van duizend keer exact dezelfde taak voor te doen, dan is precies een omgeving als de onze, met wisselende mensen, rommelige bureaus en onvoorspelbare dagindeling, waardevol om aan bij te dragen.
De fabriek in Hayward zorgt ervoor dat er straks daadwerkelijk een Neo bij ons binnenkomt. Het wereldmodel bepaalt mede hoe snel die Neo zich aanpast aan onze specifieke werkplek in plaats van alleen de taken te kunnen die 1X zelf heeft voorgedaan. Beide stukken nieuws zijn dus niet los van elkaar te zien: zonder productiecapaciteit blijft het bij beloftes, zonder een werkend leermechanisme blijft het bij een dure stofzuiger met armen.
We houden het scherp in de gaten en delen het natuurlijk zodra Neo daadwerkelijk onze deur binnenwandelt.