Нероботы

Робот, подумай о последствиях

Сказать роботу «возьми чашку» легко. Добиться, чтобы он понимал, что неловкое движение может превратить её в груду осколков, — уже сложнее. Поэтому Сбер представил фигвам GreenWAM: модель одновременно учится управлять роботом и предсказывать, что произойдёт вокруг после его действий.

Такой прогноз она может развернуть в видео длиной до минуты. По данным Сбера, в тесте WorldArena 1.0 GreenWAM заняла второе место среди 128 моделей по сходству предсказания с реальной записью. Перед этим модель обучили на данных 20 семейств роботов, от манипуляторов до человекоподобных машин с кистями.

Эксперименты показали: если при обучении управлению сохранять способность предсказывать изменения мира, робот чаще справляется с заданиями в незнакомых условиях. Большинство ошибок там связано как раз с тем, что модель неверно представляет изменившуюся сцену.

На роботе Грине модель успешно выполнила 95,6% заданий в знакомых условиях против 88,9% у NVIDIA Cosmos 3 Edge, обученной на тех же данных. В новых условиях результат скромнее: 84% против 80%. Для работы в реальном времени сделали ускоренную версию: она работает в 12,3 раза быстрее исходной, теряя в эффективности всего 4%. Быстрее ветра, медленней эффекта.

@anti_robots

Роботы на ниточках

MIT Technology Review сегодня выпустил большой разбор о том, насколько человекоподобные роботы близки к обещанному. Если коротко: далеки.

Илон Маск называет робота Optimus крупнейшим продуктом в истории, оценивает его в $20 тысяч и ждёт продаж к концу 2027 года. Дженсен Хуанг сулил роботам человеческий уровень уже в этом году. Банк Morgan Stanley насчитал, что к 2050 году будет почти 1 млрд гуманоидных роботов и рынок больше $5 трлн.

Инженеры считают иначе. Ян Лекун, один из «крёстных отцов» ИИ, сказал в Давосе, что ни одна из компаний, строящих гуманоидных роботов, не знает, как сделать их достаточно умными. Джонатан Хёрст из Agility Robotics добавил: сделать машину похожей на человека легко, заставить её двигаться как человек — совсем другая задача.

Откуда же тогда ролики, где роботы танцуют и разносят напитки? Часто за кадром сидит человек с пультом. Робота, который в марте 2025 года послушно ходил по сцене за Дженсеном, вёл, по признанию создателей, «кукловод за кулисами». Домашний 1X Neo за $20 тысяч уже можно предзаказать, но почти всё он делает руками удалённого оператора. Который, да, смотрит на вашу гостиную через камеры робота.

По сети ходят видео с Optimus'ом, делающим движения, как бы «снимающие» с «головы» VR-шлем.

Ниточки нужны, впрочем, не только для шоу. На них роботов и учат: оператор ведёт манипулятор через задачу, модель запоминает. У языковых моделей был весь интернет, у роботов есть только то, что успели надёргать кукловоды. За пределами выученного машина теряется.

Лучший результат года выглядит так. Стартап Physical Intelligence в апреле показал модель π0.7, и та почти положила батат в аэрогриль, хотя её этому не учили. Потом, впрочем, в данных нашли два примера, где оператор задвигал корзину аэрогриля. Этого хватило на «почти».

«Почти» в этой отрасли звучит как диагноз. Основатель Boston DynamicsМарк Райберт напоминает: все радуются росту успешности с 50% до 70%, но 70% означает «не работает». У Google DeepMind робот не смог собрать в корзину продукты для ризотто. Илон обещал тысячи Optimus на заводах Tesla к концу 2025 года, а в январе признал, что простые задачи выполняет лишь часть из них. Хёрст даёт домашним роботам 10 лет.

Деньги тем временем идут в «модели мира», то есть в ИИ, который учится физике по видео и сенсорам. AMD в конце сентября купила World Labs за $8,2 млрд, хотя её основательница Фэй-Фэй Ли сама называет направление зарождающимся.

А пока Запад спорит, Китай отгружает. Почти 90% из 15 тысяч гуманоидных роботов, проданных в 2025 году — китайские, а модель Unitree стоит меньше $6 тысяч. Покупают их, правда, в основном лаборатории и госкомпании.

В 1495 году Леонардо да Винчи нарисовал механического рыцаря, которым управляли тросы и блоки. За 531 год ниточки стали беспроводными. Тоже прогресс...

@anti_robots

Железный рост

В 2025 году парк промышленных роботов в России достиг 21,9 тысячи единиц (+11%), а к 2030 г. их число может вырасти более чем в четыре раза – до 104 тысяч (оптимисты). Первая полностью автоматизированная «темная фабрика», то есть предприятие без участия человека может появиться в стране ориентировочно в 2032-2035 годах. Такими данными делится в своем исследовании рынка консалтинговая компания Strategy Partners. А вот их инфографика ⤴

Собрали и другие интересные цифры:
▪ за год установили около 1,8 тысячи промышленных роботов, из них 400-700 – российского производства
▪ еще 1,04 тысячи – это складские роботы
▪ парк складских роботов к 2030 году может достичь 12-29 тысяч единиц (+15-36%)
▪ плотность промышленной роботизации в России за 2020-2024 годы выросла в 4,8 раза, тогда как в среднем по миру – только в 1,4 раза.

При этом Россия все еще заметно отстает от мировых лидеров по плотности роботизации. Чтобы войти в топ-25 стран к 2030 году, показатель должен вырасти до 134-185 роботов на 10 тысяч работников. Сейчас рынок подталкивают дефицит кадров, импортозамещение и господдержка, считают аналитики Strategy Partners. Но тормоза тоже серьезные: высокая ставка, нехватка интеграторов и пока неготовая инфраструктура для массового внедрения. Минусов не видим: восстание машин откладывается!

@anti_robots

Руки дошли до дела

Исследователи из ETH Zurich научили роботизированную кисть WUJI ходить на собственных пальцах. Пятерня умеет ползать, поворачиваться, вставать после падения, играть в Танки нажимать клавиши и толкать предметы – без ног, голов и других обвесов.

У кисти 20 приводных суставов – по четыре на каждый палец. Чтобы она могла передвигаться самостоятельно, инженеры установили специальный небольшой датчик, который определяет движение и положение кисти в пространстве. Вся рука весит 818 г.

Ходьбу и повороты WUJI освоила с помощью обучения с подкреплением в симуляторе NVIDIA Isaac Lab. Для этого исследователи настроили виртуальную модель – учли трение, жесткость и возможные задержки. После переноса на реальную систему кисть смогла передвигаться по 14 типам поверхностей, включая дерево, резину и гравий.

На случай, если рука запутается в своих пальцах, для нее обучили отдельную модель восстановления. В физических тестах WUJI смогла самостоятельно подняться после падения в 84% случаев. Кажется, все мы видели подобную сцену в фильмах ужаса.

Возвращаясь к нашим танкам: кисть вполне успешно посадили нажимать кнопки на клавиатуре. Поддерживая себя на пальцах, она без камеры нажимала стрелки и правильно выполнила 29 из 32 последовательных команд. На реакцию в среднем уходило 0,25 секунды. Кисть также смогла пройти небольшие головоломки Sokoban на 9 и 12 ходов. Правда, во всех трех ошибках рука вместо стрелки вверх случайно нажимала правый Shift. Ну, а кто из нас так не делал.

@anti_robots

Маршрут наговорен

Mistral AI представила Robostral Navigate — модель для навигации, которая помогает роботу находить путь по команде на естественном языке. Ей достаточно одной RGB-камеры: робот получает инструкцию вроде «доедь до двери и поверни направо», смотрит на окружающее пространство и решает, куда двигаться дальше. Лидары и камеры глубины для этого не нужны.

Robostral анализирует "инструкцию" и историю кадров и примерно раз в две секунды выбирает следующую точку движения. Если цель видна, то система указывает ее на изображении, а если нет — задает направление поворота или смещения. При этом Robostral не управляет моторами напрямую. Ее маршрутную точку получает отдельная диффузионная модель.

Систему обучали полностью в симуляции — примерно на 2,4 млн маршрутов в 350 тыс. сценах. Чтобы модель меньше зависела от конкретного робота, разработчики меняли размеры платформы, положение и наклон камеры. После Robostral дообучили с подкреплением на сложных сценариях, где исходная версия чаще ошибалась. Модель успешно стала выполнять 77,4% задач.

Систему проверили на гуманоиде Galaxea R1 и колесном JetAuto. При этом менять пришлось только контроллер, который непосредственно управляет движением каждого из роботов. Роботы прошлись по заполненному офису с препятствиями на пути. Хотя, к сожалению, о проценте успешных случаев умалчивают. Ну, нет конца учению!

@anti_robots

Китай начинает охлаждать рынок гуманоидных роботов

Китайский регулятор ужесточает подход к IPO стартапов, выпускающих гуманоидных роботов. Комиссия по ценным бумагам дала инвестиционным банкам неформальные рекомендации: для выхода на биржу робототехническим компаниям теперь важно показать реальную выручку, перспективу сокращения убытков или технологическую уникальность.

Вероятно, это следствие IPO Unitree Robotics, одного из главных символов бума. После дебюта на Шанхайской бирже цена их акций взлетела на 460%, но затем потеряла около 40% от цены закрытия первого дня. К слову, акции другой компании, Mech-Mind Robotics, после выхода в Гонконге сейчас торгуются примерно на 20% ниже цены IPO.

Отрасль перегрета, в нее сейчас вливается огромный поток венчурных денег. Только в первой половине года китайские стартапы в сфере гуманоидной робототехники привлекли около $5,4 млрд — более чем вдвое больше, чем за весь 2025 год. Эти деньги порождают десятки похожих компаний, которые пока выдают недостаточно убедительные результаты. А между тем, многие из них уже собрались на IPO. Его планируют такие компании, как GalBot, AgiBot, LimX Dynamics и Galaxea AI.

Однако масштабирование сегодня происходит быстрее, чем появляются реальные технологии и бизнес-модели. В Китае уже сотни робототехнических стартапов, а демонстрации на выставках становятся всё эффектнее: роботы готовят еду, складывают одежду, выполняют физическую работу. Но в реальных условиях многие из этих сценариев пока требуют постоянного вмешательства человека.

В этих условиях, китайские регуляторы, видимо, решили попробовать отсечь наиболее слабые проекты перед массовым выходом на биржу, чтобы инвесторы начали оценивать проекты не по числу прототипов и размеру раундов, а по выручке, себестоимости, устойчивости бизнеса и действительно работающим технологиям.

Сомневаемся, впрочем, что это поможет. Кривую хайпа не обманешь — сначала период завышенных ожиданий, потом долина разочарований, и только затем — внедрения в реальные кейсы.

Читайте «Нероботы» в Telegram и Максе!

Ушёл с завода по собственному желанию

Не знаем, как вы, а роботы уже настолько устали, что начали сами уходить с работы. Как минимум, с конвейера.

XPeng запустила в Гуанчжоу новую автоматизированную линию для гуманоидов IRON. Первый собранный на ней робот завершил финальную сборку, встал на ноги и самостоятельно вышел из цеха. Вся трудовая биография уместилась в десятисекундную прогулку перед камерами.

Линию XPeng проектировала одновременно с самим роботом и перенесла на неё автомобильные методы контроля качества. Компания утверждает, что автоматизировано более 80% ключевых операций. В июле здесь уже шла мелкосерийная пробная сборка, теперь оборудование официально ввели в работу.

Внутри IRON — 76 степеней свободы, по 21 в каждой кисти и три собственных чипа Turing общей производительностью до 2250 TOPS. ИИ-модель работает прямо на роботе, поэтому управлять им удалённо, по версии XPeng, не требуется.

К концу года компания рассчитывает выпускать до тысячи IRON в месяц. В 2027-м их отправят работать консультантами в магазины XPeng и сотрудниками корпоративных кампусов.

Эффектная демонстрация — только начало. За две недели до её открытия робототехническое подразделение XPeng привлекло $900 млн при оценке свыше $6,3 млрд. Из этой суммы $600 млн дали IDG Capital, Tencent, Alibaba и Gaorong Ventures, ещё $300 млн вложили сама XPeng и структуры её руководителей.

Инвесторы поставили роботам дедлайн: если подразделение не выйдет на биржу в течение семи лет, они смогут потребовать деньги обратно с процентами. Поэтому ходить IRON придётся ещё очень и очень много.

@anti_robots

Учи ученого

Hugging Face совместно со стартапом Pollen Robotics, приобретенным в 2025 году, открыла предзаказы на Microduck — небольшого робота-утку, которого можно самостоятельно учить новым движениям. Начинаем откладывать с зарплаты: стоит такая утка $399. За первые несколько дней разработчики получили более 10 тысяч предзаказов примерно на $4 млн.

Microduck вышел ростом около 25 см и весом чуть меньше 800 г. Робот оснащен 15 электромоторами, камерой, микрофоном, динамиком, небольшим лидаром, Bluetooth, Wi-Fi и двумя датчиками движения. Вместо обычного клюва у него захват, которым он может подбирать небольшие предметы. На одном заряде утка может протянуть примерно час.

Из коробки Microduck умеет ходить, садиться, пинать мяч, петь, кататься на роликах и самостоятельно вставать после падения. Дообучить робота можно самостоятельно в симуляторе MuJoCo. Модель многократно выполняет задачу, а алгоритм поощряет удачные попытки и постепенно находит подходящий способ движения. Новое поведение можно перенести на робота. SDK, симулятор и полный стек обучения с подкреплением уже лежат на GitHub.

@anti_robots

Один мозг на всех

Одна и та же команда для разных роботов всегда «выглядит» по-разному: у каждого свои конструкция, число суставов и способ управления движением. Чтобы устранить этот пробел и упростить обучение, команда Xiaomi Embodied Intelligence Team и Университета Макао разработала систему UCAG-P, которая позволяет одной VLA-модели учиться на данных от совершенно разных «тел», будь то робот-манипулятор или робот-гуманоид.

Система описывает движение через две опорные точки, которые можно определить у роботов: конец манипулятора и центр захвата. Их траектория задается в трехмерном пространстве относительно камеры. Для человеческих демонстраций аналогами этих точек становятся запястье и середина между большим и указательным пальцами.

Затем отдельный модуль преобразует такую универсальную траекторию в команды под конкретного робота. Для этого он учитывает его текущее состояние, кинематику и калибровку камеры. В обучении помогали 11 наборов данных — в сумме около 6370 часов демонстраций на 9 типах роботов. При этом на одну треть часов пришлись видео с человеческими руками.

В симуляции одну и ту же обученную модель без дополнительной настройки проверили сразу на нескольких бенчмарках. В LIBERO она успешно выполнила 98,3% заданий, в RoboTwin для двуруких роботов — около 89%, а в усложненном LIBERO-Plus — 82%. Отдельно модель проверили на гуманоиде GR-1 с 29-ю степенями свободы — там результат составил 62%.

Но полностью игнорировать душевную организацию конкретного робота пока не получается. Когда модель, обученную на двуруком ALOHA, без дополнительной настройки перенесли на робота ARX другой конструкции, успех выполнения задач упал до 35%.

Отдельно UCAG-P проверили на манипуляторах Piper (они, кстати, на видео). Здесь уже использовали по 100 демонстраций для адаптации каждой задачи. Система помогла роботу успешно схватить круассан в 60% случаев против 20% у π0.5, открыть ящик — в 90% против 85%, а также разложить тарелки — в 75% против 65%.

Хотя не все мы идеальны. UCAG-P пока не с первого раза справляется с определением положения кисти или калибровкой камеры. Вызывают сложности и открывание-закрывание дверей и ящиков. К слову, в скором времени ждем исходный код на GitHub.

@anti_robots

Не верь чувствам своим

Роботу можно внушить фантомное прикосновение, не взламывая ни контроллер, ни управляющую модель. Исследователи из Чжэцзянского университета и HKUST разработали GhostTac — бесконтактную атаку, которая подменяет показания тактильных сенсоров электромагнитным сигналом.

Атака направлена в аналоговый тракт датчика. Наведённая помеха проходит через нелинейные компоненты усилителя и превращается из высокочастотного сигнала в постоянное смещение. Обычные фильтры отсекают исходную частоту, но пропускают результат: для программы он выглядит как настоящее давление на палец или ладонь робота. Синхронизировав сигнал с последовательным опросом ячеек сенсора, можно управлять не только силой, но и местом, площадью и движением поддельного «касания».

GhostTac проверили на 15 датчиках восьми производителей, включая десять отдельных модулей и две роботизированные кисти. Показания удалось подменить у всех устройств, а 13 из 15 сенсоров получилось полностью вывести из строя.

В демонстрациях атака заставляла кисть слишком сильно сжимать бумажный стакан и силиконовую руку либо, наоборот, ронять стеклянную бутылку и медицинское устройство. Роботу также подделывали проскальзывание предмета и заставляли классификатор путать четыре материала. Эти сценарии стабильно воспроизводились в десяти испытаниях.

С направленной антенной исследователи смогли заставить робота сжимать бутылку с расстояния до трёх метров. Сигнал сработал также через окно, деревянную дверь и стену. То есть бесконтактная атака здесь вполне буквально проходит сквозь стены.

Пока для неё нужны заранее подобранные параметры и заметное радиооборудование. Но сама уязвимость системная: робот доверяет цифровому показанию, не подозревая, что «прикосновение» возникло внутри его собственной электроники. Работа принята на конференцию ACM CCS 2026.

@anti_robots