Современные роботы научились выполнять множество сложных задач: от приготовления коктейлей и участия в марафонах до аккуратного складывания белья. Однако между демонстрационными успехами и реальной способностью выполнять повседневные дела по команде всё ещё лежит огромная пропасть. Это противоречие стало очевидным на майском мероприятии Robotics Summit в Бостоне, где реальные возможности техники оказались значительно скромнее рекламных заявлений, сообщает Tech Xplore.
Илон Маск (Elon Musk) активно продвигает прогресс прототипа Tesla Optimus, который недавно освоил бег короткими шагами. Разработчики Figure 03 демонстрируют, как их робот наводит порядок в гостиной, а компании AgiBot и Matrix Robotics показывают машины, способные приветствовать гостей, подавать напитки и сопровождать посетителей на экскурсиях. Тем не менее, по словам Криса Матьё (Chris Matthieu) из стартапа RealSense, большая часть этих «человекоподобных» машин либо управляется дистанционно людьми, либо жестко ограничена заранее заданными сценариями и маршрутами.
Ярким примером служит робот 1X Neo, представленный в октябре прошлого года как первое потребительское решение для домашнего использования. На практике же его работа во время демонстраций требовала участия оператора. Тем не менее отрасль движется вперед благодаря достижениям в области искусственного интеллекта. Как отмечает Уильям Оказаки (William Okazaki) из Renesas, ИИ стал главным катализатором роста. Инженерам удалось значительно продвинуться в решении проблемы «рук»: современные роботы научились с высокой точностью захватывать объекты, а продвинутые сенсоры даже позволяют им распознавать прикосновения к человеческой коже.
Важнейшим технологическим сдвигом стало внедрение моделей «зрение-язык-действие» (VLA), позволяющих роботу в реальном времени анализировать визуальные данные с камер и соотносить их с текстовыми инструкциями. Параллельно развиваются «модели мира», обучающиеся на колоссальных объемах видеоданных, чтобы предсказывать физическое поведение объектов при взаимодействии. Несмотря на это, до появления по-настоящему универсального домашнего робота, способного на самостоятельную работу, пройдут ещё годы.
Дэниел Фань (Daniel Fan) из Innodisk подтверждает, что создание роботов общего назначения требует времени. Сегодня человекоподобные машины, такие как Boston Dynamics Atlas на заводах Hyundai или Hexagon Robotics AEON на предприятиях BMW, используются лишь в рамках ограниченных испытаний, а не как полноценные коммерческие продукты. Чарли Кемп (Charlie Kemp) из Hello Robot подчеркивает: пока машина не начнет выполнять реальную работу в полевых условиях, невозможно знать наверняка, на что она способна. Синьжуй Би (Xinrui Bi) из AgiBot добавляет, что масштабная автономность пока не достижима из-за дефицита качественных обучающих данных.
Чтобы восполнить этот пробел, компании массово собирают данные о движениях людей в самых разных условиях — от домашней кухни до индийских текстильных фабрик. В отличие от языковых моделей вроде ChatGPT, цена ошибки робота в физическом мире крайне высока, так как она влечет за собой риск материального ущерба или травм. Валентино Фагард (Valentino Fagard) из XELA Robotics настаивает, что для работы в социальной среде приоритетом должна стать безопасность окружающих.
Инженеры пытаются накладывать жесткие программные ограничения, однако роботы, работающие на базе ИИ, демонстрируют определенную «недетерминированность». Джон Блэк из Brain Corp, специализирующейся на автономных мойщиках полов и роботах для ритейла, называет VLA и модели мира «черным ящиком». Поскольку даже разработчики не всегда могут до конца объяснить логику принятия решений нейросетью, говорить о необходимом уровне безопасности при широком внедрении роботов в быт пока преждевременно.
