Физический ИИ столкнулся с нехваткой данных для обучения роботов

Рынок физического ИИ привлёк миллиарды долларов инвестиций, однако китайский производитель роботов Unitree после IPO с оценкой в 66 млрд долларов за неделю потерял почти половину стоимости. Участники конференции Actuate, посвящённой программным «мозгам» для роботов, сходятся в главном ограничении: механические возможности машин растут быстрее, чем их способность надёжно выполнять полезные коммерческие задачи.

Организатор мероприятия Foxglove сообщил, что число участников Actuate достигло 1 500 человек — втрое больше, чем на первой конференции в 2023 году. Интерес инвесторов и разработчиков не снимает фундаментальную проблему: моделям не хватает качественных и разнообразных данных для обучения. Компания Avala прямо на своём стенде назвала это «кризисом данных в робототехнике».

Почему универсальные роботы пока не выходят из лабораторий

Попытки создать робота общего назначения, способного справляться с любыми поручениями, остаются далеки от практического применения. Сквозное обучение под одну задачу также пока не привело к продуктам с устойчивой коммерческой надёжностью. Основатели стартапов сравнивают нынешнюю стадию физического ИИ с эпохой GPT-2 — важной, но предшествовавшей массовому успеху ChatGPT.

Разработчики рассчитывают продвинуться за счёт более крупных и разнообразных наборов данных, новых режимов обучения и сценариев обучения с подкреплением. Для этого нужны и вычислительные ресурсы, включая GPU, оптимизированные для трассировки лучей: они помогают создавать детализированные симуляции физического мира.

Автономный транспорт становится источником технологий

Наиболее продвинутым сегментом остаются автономные автомобили. Они получают релевантные данные от машин, которыми управляют люди, а их базовая задача — избегать столкновений, а не манипулировать объектами. Поэтому инструменты для создания моделей, инфраструктура данных, симуляторы и MLOps из автопилотов могут пригодиться и робототехнике.

Foxglove была основана бывшими сотрудниками Cruise, проекта General Motors по беспилотному транспорту. Tesla развивает робота Optimus, а Wayve и Uber открыли лаборатории, изучающие гуманоидные форм-факторы. Глава Wayve Алекс Кендалл считает, что инфраструктура данных и симуляций будет во многом общей, хотя мировые модели и дообучение придётся адаптировать под конкретное тело робота.

Узкая специализация даёт данные и выручку

Компании, выбравшие конкретные задачи, уже выводят машины в эксплуатацию. Gritt строит солнечные электростанции, Agility внедряет роботов в промышленность, а Bedrock автономно управляет экскаваторами. Такие внедрения дают не только выручку, но и данные из реальной среды, хотя их разнообразия может не хватить для обучения универсальной модели.

Bedrock начинает с земляных работ, чтобы изучить манипуляции в непредсказуемой среде, и планирует развивать общий интеллектуальный слой для строительной техники. Foxglove тем временем представила продукт на базе открытой мировой модели Nvidia Cosmos: он позволяет искать по визуальным данным и лидарам запросами на естественном языке, чтобы быстрее проводить оценку, отладку и строить симуляции.

Практический вывод для бизнеса: выбирать роботизированные проекты стоит по измеримой надёжности одной операции, доступности данных и скорости отладки. Обещание универсального гуманоидного робота пока не заменяет проверенного сценария внедрения.