Революция или долгая эволюция: когда ждать рывок в робогуманоидах

• [00:06] Российские ИT-гиганты все активнее развивают направления гуманоидных роботов. Яндекс и Сбер демонстрируют прототипы, Илон Маск планирует массовое производство.

• [00:42] Сегодняшние внедрения ограничены: роботы используются в ритейле, логистике и уходе за пожилыми, но их действия строго специализированы. Примеры Яндекса и Figure AI — скорее пилотные демонстрации, чем массовые решения.

• [01:43] Главные задачи — интеграция робота в человеческую инфраструктуру (лестницы, турникеты, взаимодействие с людьми), а также обучение и финтюнинг нейросетей для выполнения конкретных сценариев.

• [03:22] Большинство производственных задач до сих пор эффективнее решают обычные промышленные роботы. Антропоморфные машины дороже, сложнее и пока не дают значимого экономического эффекта.

• [04:24] Ключевая преграда — обучение моделей. VLA-модели (Vision-Language-Action) требуют гораздо больше реальных данных, чем текстовые LLM. Нехватка обучающих видеороликов, пригодных для взаимодействия с реальным миром, тормозит прогресс.

• [06:49] Среди инженерных ограничений — короткое время автономной работы, дороговизна комплектующих, небезопасность тяжелых конструкций. Цена новых моделей снижается: от миллионов долларов до 25 тыс. (Optimus) и даже 6 тыс. (Unitree R1), но полноценной замены человеку в ближайшие 10 лет не ожидается.

Российские технологические компании все активнее занимаются человекоподобными роботами. На днях Яндекс показал свои разработки в этой сфере. Сбер уже несколько лет развивает целое направление и вот-вот представит свои новинки. А Илон Маск и вовсе заявляет, что хочет построить целую армию роботов «Оптимус». Но пока многофункциональные андроиды так и не заменили роботов, выполняющих узкие задачи.

Где уже используют человекоподобных роботов

Успешные кейсы есть в ритейле — машины укладывают товар в торговом зале или на складе. В здравоохранении — там появляются первые роботы, адаптированные для ухода за больными и пожилыми людьми. Есть прогресс и в сфере уборки: роботы постепенно учатся пылесосить, мыть полы, убирать посуду.

В логистике гуманоиды доставляют посылки — в США они приносят заказы от фургонов до крыльца домов. В России первый подобный кейс, пусть пока демонстрационный, показал Яндекс.

Робот-сборщик на воображаемом складе собирает посылку, передает ее роботу-доставщику. Тот везет заказ к роботу-курьеру, который берет пакет из кузова и несет его прямо человеку. Такой сценарий компания продемонстрировала на презентации автономного транспорта. Цель — не просто впечатлить, а проверить, сможет ли робот справляться с человеческой инфраструктурой. Руководитель проекта роботов-гуманоидов Яндекса Алексей Лещанкин поясняет:

«Таким образом мы, с одной стороны, расширяем нашу экосистему рободоставки, а с другой — решаем две важные технологические задачи. Первое — преодолеваем проблемы, связанные с инфраструктурой, созданной человеком: турникеты, лестницы, взаимодействие с людьми. Второе — выстраиваем процессы дообучения и финтюнинга наших моделей, чтобы любой вертикально интегрированный сценарий имел готовый, обученный нейрон».

За кулисами обучения роботов

Красивые презентации — одно, а реальная среда обучения — другое. Когда попадаешь за кулисы, понимаешь — до идеального результата еще далеко.

Например, движение по QR-коду удается не с первого раза: робот то принимает за препятствие собственные руки, то отклоняется в сторону. Чтобы научить его правильно прикладывать пропуск к турникету, нужен специальный сотрудник в гарнитуре, который видит глазами робота (через камеру) и управляет движением рук. Даже простая задача — взять коробку с полки — пока не всегда выполнима.

Вдохновляет другое: команда Яндекса работает как стартап — людей немного, но все горят идеей научить «железного коллегу» всему, чему только можно.

Производственные роботы против гуманоидов

Недавно фурор произвел робот американской компании Figure AI: он был поставлен на реальную линию сборки BMW. Гуманоид действительно переносил тяжелые детали и устанавливал их в кузов, но проект так и остался пилотом.Основатель и генеральный директор компании TECHNORED Артем Лукин отмечает:

«Ни я, ни сами производители не верим, что такие роботы нужны на производстве. Там важно работать максимально эффективно. Антропоморфный робот — это всегда более сложная и дорогая машина. Сегодня классической роботизацией, с нашими четырех-, пяти-, шестиосевыми системами, можно решить 90% задач. Это надежные, простые и эффективные решения с окупаемостью до года».

Почему роботов трудно обучать

Компания Figure AI уже показала третье поколение своих гуманоидов: они легче, дольше работают без подзарядки, лучше видят и управляются с бытовыми задачами — от мытья посуды до уборки. Но даже эти модели все еще выглядят механически.

Почему обучение идет так медленно? Проблема в том, что для роботов нужны не просто языковые модели, а VLA-модели — Vision-Language-Action, объединяющие зрение, речь и действие. Робот должен не только понять команду «поставь чашку в раковину», но и распознать чашку, спланировать движение и выполнить действие. Директор Центра робототехники Сбербанка Алексей Гоначенко отмечает:

«Главное — выстроить пайплайн обучения робота под разные задачи. Мы создаем конвейер проверки гипотез и систему аналитики, чтобы понимать, насколько искусственный интеллект справляется с тем или иным сценарием, и снижать стоимость экспериментов. Конечная цель — не узкий специалист, а робот, который может выполнять множество разных ролей. Именно на это делают ставку Figure AI и Tesla».

По словам Гоначенко, прорыв возможен благодаря языковым моделям вроде ChatGPT, но данных для обучения роботов все еще не хватает: «Фундаментальный bottleneck — отсутствие достаточного количества данных о взаимодействии с физическим миром. Для LLM данных было море — тексты, облака, все готово. А для роботов видеоданные из YouTube бесполезны, они не дают нужной физики. Симуляционные данные, которые можно было бы быстро масштабировать, пока тоже ограничены. Например, модель NVIDIA, обученная на таких данных, работает хуже, чем P-Zero, обученная на реальных примерах».

Инженерные барьеры и цена прогресса

К трудностям обучения добавляются инженерные ограничения. Современные роботы без подзарядки работают всего пару часов. Можно заставить их менять батарею самостоятельно, но это не решает проблему.

Еще одна сложность — безопасность. В тестах падение робота весом 70 килограммов выглядит безобидно, но на улице это уже риск. К тому же продвинутые модели требуют мощных чипов, а значит, больше энергии и более высоких затрат.

Даже универсальный «захват» руки человека воссоздать непросто, а интегрировать все системы вместе — отдельный вызов. Тем не менее цена на роботов снижается стремительно. В начале 2000-х первые образцы стоили около 2,5 миллиона долларов. В середине 2010-х роботы Atlas от Boston Dynamics оценивались примерно в 2 миллиона. Позже Digit от Agility Robotics стоил около 250 тысяч. В прошлом году Илон Маск пообещал продавать Optimus за 25 тысяч долларов. А в этом году китайская компания Unitree выпустила робота R1 по цене всего 6 тысяч долларов — около 500 тысяч рублей.

R1 пока не полностью автономен — это скорее обучаемая платформа для университетов и исследователей. Именно такую модель Яндекс использовал в своих экспериментах. Бюджетная цена позволяет надеяться, что технологии станут массовыми, а возможности — шире. Китайские инженеры вовремя сделали ставку на доступный рынок и смогли радикально удешевить производство.

Что дальше

Эксперты сходятся во мнении через пару лет появятся роботы, способные выполнять простые задачи. Еще через два-три года — помощники по дому. А вот робот, который сможет полноценно заменить человека рабочей профессии, по нынешним прогнозам, появится не раньше чем через 10 лет, а то и позже.