Робототехника

Компания XDOF, которая собирает данные телеуправления роботами для обучения универсальных машин, менее чем через три месяца после выхода из скрытого режима ведёт переговоры о раунде серии B. Раунд на сумму, которую пока не раскрывают, может пройти при оценке компании примерно в $1,2 млрд, а возглавить его должна 8VC. XDOF основали в 2024 году исследователи Калифорнийского университета в Беркли Филипп Ву и Фред Шенту. После раунда серии A на $70 млн компания быстро выросла: её годовой темп выручки приближается к $50 млн.

Meta начала тестировать роботов, которые должны автоматизировать обслуживание центров обработки данных и сократить расходы на персонал. По данным Ars Technica, компания проводит ранние испытания оборудования ABB, Kinova и Watney Robotics. Роботизированные руки проверяют при выполнении таких задач, как горячая замена сетевых кабелей и перезапуск электропитания серверных стоек. Сотрудник Meta рассказал, что при успехе рука Kinova сможет взять на себя до 80% работы специалистов, обслуживающих эти объекты.

Сэм Альтман подтвердил в подкасте Sources, что OpenAI разрабатывает человекоподобных роботов и рассматривает другие формы. По его словам, ключевой элемент такой машины — не корпус, а «мозг», то есть физический ИИ, управляющий роботом. Гуманоидная форма нужна потому, что окружающий мир рассчитан на людей: робот должен уметь открывать двери, печатать на компьютере, работать с оборудованием и убирать кухню. Альтман считает, что со временем личный робот должен появиться у каждого.

В Ливерпуле начала работу новая роботизированная лаборатория стоимостью £20 млн. Исследователи считают, что она ускорит разработку вакцин и сократит необходимость в испытаниях на животных. В лаборатории при Ливерпульской школе тропической медицины будут использовать выращенные в лаборатории миниатюрные человеческие органы, чтобы проверять методы лечения инфекционных заболеваний. Сейчас объект доступен промышленным и академическим партнёрам, а на полную мощность он должен выйти к 2027 году.

Инженеры Texas A&M University пять лет разрабатывали RoboBall — надувной роботизированный шар диаметром 1,8 метра и массой 150 килограммов. На испытаниях в каменоломне в Техасе он преодолевал камни, гравий, мокрую глину и склоны. Команда рассматривает аппарат для исследования труднодоступных участков Луны, включая 21-километровый кратер Шеклтона на южном полюсе. RoboBall катится за счёт маятника внутри оболочки, а небольшая ракета может выбрасывать собранные образцы обратно к роверу. Результаты первых испытаний опубликованы в IEEE Transactions on Field Robotics.

World Labs, которую основала исследовательница ИИ Фэй-Фэй Ли, представила Atlas — модель мира, способную по нескольким фотографиям генерировать, восстанавливать и симулировать трёхмерные сцены. Компания утверждает, что Atlas превосходит специализированные системы в их собственных задачах. Модель строит виды с произвольных ракурсов, создаёт видео длительностью до минуты в разрешении 1440p, выдаёт полноценные 3D-данные и может формировать среды для обучения роботов.

Вторые World Humanoid Robot Games прошли 22–26 августа 2026 года в Пекине: 666 команд, 2 056 роботов, 51 дисциплина и 1 301 состязание. Стометровка ускорилась с 21,50 до 8,64 секунды — быстрее рекорда Усэйна Болта на секундомере. Но в прикладных заданиях роботы всё ещё путались с кабелем, гвоздём и складкой ткани, а в 20 из 21 сценария очки делили пополам за телеуправление. Разбор: что именно выросло, что осталось на месте и зачем Китаю такая «олимпиада».

Журнал Time опубликовал список «ИИ 100» — людей, активно участвующих в развитии технологий, которые быстро меняют мир. Первой в нём указана Даниэла Рус, руководитель лаборатории MIT CSAIL и участница проекта Liquid ИИ, создавшего новый тип больших языковых моделей. Далее идут руководители OpenAI, xAI и Anthropic — Сэм Альтман, Илон Маск, Дарио и Даниэла Амодеи. Такой порядок отражает американский подход к гонке ИИ: ведущая роль здесь отведена крупным компаниям. В список также вошли Бен Аффлек, разработчики Google TPU, создатели моделей и представители робототехники.

После того как модели ИИ, по утверждению источника, прошли тест Тьюринга, учёные обратили внимание на обратный процесс: люди начинают перенимать поведение чат-ботов. В новой работе, опубликованной в журнале «ИИ и общество», международная команда исследователей предположила, что особенно заметно это может быть в службах поддержки. По их мнению, чем чаще люди общаются с ChatGPT, Claude и другими ИИ-системами, тем сильнее они подстраиваются под машинную логику, темп и требования к формулировкам. Для этого процесса авторы предложили термин «роботоидная человечность».

В июле и августе Вашингтон ужесточил ограничения на передовые роботизированные системы иностранного производства и ввёл высокие пошлины на импорт дронов и комплектующих, сославшись на национальную безопасность. Пошлины на дроны начнут действовать в сентябре, а на дополнительные компоненты — в 2027 году. Ограничения затрагивают отрасли, где китайские компании уже лидируют: в первой половине 2026 года пять крупнейших производителей гуманоидных роботов — AgiBot, Unitree, Galbot, UBTECH и Leju Robotics — обеспечили 86% мировых поставок. Аналитики считают, что меры США могут не разделить рынок на два лагеря, а ускорить формирование региональных рынков.

В клинике общей практики в Данди тестируют трёхфутового робота Teme, который встречает пациентов, проводит базовые проверки и передаёт результаты врачу или медсестре. В двухдневном испытании HEART-POD участвовали 12 пациентов с сердечно-сосудистыми заболеваниями. Робот измерял давление, насыщение крови кислородом и вес, благодаря чему время консультации удалось сократить на 50%. Пациенты и сотрудники в основном отнеслись к эксперименту положительно, но часть участников высказалась против обсуждения личных данных в зале ожидания.

Компании, создающие гуманоидных роботов, обещают изменить рынок труда и уже привлекли сотни миллионов долларов при оценках в миллиарды. Agility Robotics рассчитывает поставить «сотни» роботов Digit в 2025 году, Tesla планирует выпустить 5 000 Optimus в 2025-м и не менее 50 000 в 2026-м, а Figure видит путь к 100 000 роботов к 2029 году. Аналитики Bank of America Global Research прогнозируют 18 000 поставок гуманоидов в 2025 году, а Morgan Stanley Research — свыше 1 млрд роботов и рынок объёмом $5 трлн к 2050-му. Но пока рынок почти гипотетический: главные препятствия для масштабирования — спрос, время работы от батареи, надёжность и безопасность.

NVIDIA выпустила «Симуляцию медицинской физики» — программную платформу с открытым исходным кодом и ускорением на GPU для NVIDIA Isaac для здравоохранения. Она позволяет создавать цифровые двойники анатомии, моделировать взаимодействие медицинских устройств с тканями и обучать роботизированные системы с подкреплением. В состав вошли модули для навигации катетеров и хирургических процедур, а также генеративные модели мира Cosmos-H. В тестах симуляция работала на частоте до 1300 Гц в одном окружении, до 60 Гц в 512 параллельных окружениях и свыше 30 кадров в секунду в хирургическом сценарии на одной потребительской видеокарте.

Компании, разрабатывающие ИИ для роботов, пока не смогли превратить растущие физические способности машин в стабильную коммерческую работу. На конференции Actuate разработчики говорили, что сектору не хватает качественных данных, вычислительных ресурсов и более эффективного обучения с подкреплением. Основатель Antioch Гарри Меллсоп сравнил нынешний этап с эпохой GPT-2. На этом фоне Unitree после выхода на китайскую площадку, аналогичную Nasdaq, достигла оценки $66 млрд, но на этой неделе потеряла почти половину стоимости.

NVIDIA представила открытую платформу Isaac GR00T Development Platform для сквозной разработки навыков гуманоидных роботов. Она объединяет сбор данных, обучение моделей, оценку и подготовку к развёртыванию, чтобы командам не приходилось вручную связывать разрозненные инструменты и форматы. Ключевой компонент платформы — открытая модель GR00T 1.7 для обобщённых навыков гуманоидов. Она принимает изображения и текст, выдаёт действия робота, доступна на GitHub и Hugging Face, содержит 3 млрд параметров и распространяется по лицензии Apache 2.0.

Модели мира и действий, или WAM, быстро превращаются в новый крупный подход к созданию базовых моделей для роботов. В октябре 2025 года это направление считалось небольшой частью исследований VLA, но за последние месяцы появились публичные разработки NVIDIA DreamZero и Cosmos Policy, LingBot-VA от Ant Group, DVA от Rhoda ИИ, Cortex 2.0 от Sereact и mimic-video от Mimic Robotics. WAM используют предварительно обученные видео- или мировые модели, чтобы одновременно предсказывать будущее состояние сцены и действия робота. Теперь исследователи выясняют, станет ли это устойчивой альтернативой VLA на базе VLM или популярность WAM окажется коротким всплеском.

NVIDIA выпустила руководство по постобучению Cosmos 3 Edge — 4B-модели с рассуждающим модулем на базе 2B NVIDIA Nemotron для управления роботами прямо на устройстве. Модель запускается на NVIDIA Jetson Thor, формирует действия в реальном времени без обращения к серверной GPU и достигает 22,9% успешных попыток в замкнутой симуляции RoboLab. Руководство, исходный код в открытом репозитории cosmos-framework и готовая контрольная точка опубликованы для воспроизводимого запуска.

Лаборатории инженерии человека (HERL) при Университете Питтсбурга вместе с ATDev создают роботизированную платформу RAMMP для людей с инвалидностью. Проект получил до $41,5 млн от американского Агентства перспективных исследовательских проектов в области здравоохранения (ARPA-H). Платформа объединит робототехнику, ИИ, цифровых двойников и открытые модели компьютерного зрения Meta — DINO и Segment Anything Model (SAM). RAMMP должна помочь пользователям безопаснее передвигаться и взаимодействовать с предметами, обрабатывая изображения и данные датчиков прямо на устройстве, без постоянного подключения к сети.

Физический ИИ выходит за пределы изолированных зон: автономные роботы работают рядом с людьми на заводах, складах, в больницах и домах. NVIDIA представила NVIDIA Halos для робототехники — платформу, которая объединяет вычисления для ИИ и функциональную безопасность. В её основе — промышленный модуль NVIDIA IGX Thor и операционная система NVIDIA Halos OS, созданная на базе наработок компании в области безопасности автономных автомобилей. Agility, разработчик человекоподобного робота Digit, уже внедряет IGX Thor и Halos OS в собственную систему обнаружения людей и присоединяется к лаборатории NVIDIA Halos по инспекции систем ИИ.

Исследовательское подразделение NVIDIA представило симуляционную платформу RoboLab для масштабной и диагностической оценки универсальных политик роботов перед их применением в реальном мире. Платформа решает проблемы существующих бенчмарков: зависимость обучения и проверки от одной визуальной среды, быстрое насыщение фиксированных наборов задач и недостаток статистики. В RoboLab можно за минуты собрать сцену, задать одну или несколько языковых инструкций и запустить политику на любом роботе. Начальный бенчмарк RoboLab-120 включает 120 задач, а оценка учитывает не только успешность, но и причины ошибок, сложность инструкций, сцены и длину последовательности действий.

Робототехническая компания Generalist достигла оценки в $3 млрд после привлечения почти $200 млн дополнительного капитала во главе с 8VC, сообщили два источника, знакомых с раундом. Эти деньги стали продолжением раунда серии B на $400 млн, который Radical Ventures возглавила в июне при оценке компании в $2 млрд. Теперь общий объём раунда достиг $600 млн. Generalist разрабатывает базовую модель ИИ для разных роботов и утверждает, что её версия Gen 1.5 позволяет осваивать новые задачи по видеодемонстрациям длительностью от 3 до 12 секунд.

Caterpillar использует опыт автоматизации горных работ, чтобы внедрять ИИ в повседневные процессы компаний. Производитель уже выпускает автономные карьерные самосвалы, буровые установки и другую технику, а теперь развивает помощника Cat для работы с ИИ, цифровые двойники и ИИ-инструменты для сотрудников. К системе подключено около 1,6 млн активов, а объём структурированных данных превышает 16 петабайт. Caterpillar направит $100 млн на обучение 118 000 сотрудников ИИ, автономным технологиям и робототехнике. Во втором квартале выручка компании достигла рекордных $20,5 млрд, а продажи оборудования для электроснабжения центров обработки данных выросли на 72%, до $3,10 млрд.

Китайские автопроизводители вслед за Tesla вкладываются в гуманоидных роботов как в новый источник прибыли. Подразделение Xpeng по робототехнике привлекло более $900 млн при оценке после привлечения средств свыше $6,3 млрд — это крупнейшее частное финансирование одной сделкой в китайской индустрии «воплощённого ИИ», по данным компании. AiMOGA, робототехническое подразделение Chery Automobile, готовит выход на биржу, BYD представила гуманоидного робота Xiao Di, а Changan, GAC, Li Auto, SAIC и Seres тоже разрабатывают такие машины. Xpeng делает ставку на робота Iron, предназначенного для коммерческого применения.

NVIDIA описала агентный рабочий процесс COMPASS для переноса навигации между роботами и сценами. ИИ-агент проверяет зависимости, подготавливает ресурсы симуляции, запускает дымовые тесты и обучение, диагностирует ошибки и сравнивает контрольные точки, а человек подтверждает переходы между этапами. В учебном сценарии с четырёхногим роботом Boston Dynamics Spot используются складская сцена COMPASS и одна из 10 000 сцен набора SAGE-10K; для реконструированных помещений предусмотрен Omniverse NuRec. Обучение строится поверх предобученной политики NVIDIA X-Mobility и дообучает остаточную политику под конкретного робота и окружение.

Шестиколёсные роботы Starship Technologies исчезли с улиц Шеффилда после завершения пятимесячного испытательного проекта, запущенного в марте совместно с Uber Eats. За время испытаний роботам срывали сигнальные флажки, разрисовывали корпуса и мешали двигаться, устанавливая за ними дорожные конусы. Жители также жаловались, что машины «мешают» пешеходам. В Starship заявили, что служба пока приостановлена для оценки результатов, а вандализм не стал причиной остановки — решение было коммерческим и означало естественное завершение испытательной фазы.

Компания Perceptron, основанная двумя бывшими исследователями Meta, представила Isaac 0.5 — передовую визуальную модель для промышленной автоматизации. Она помогает роботам воспринимать обстановку, рассуждать и действовать на складах и фабриках: читать маркировку, анализировать расположение коробок, выбирать предметы и планировать последовательность действий. Модель выпускается как открытая: её параметры и материалы обучения доступны для проверки. Perceptron обучала Isaac 0.5 на миллионе часов видео и планирует применять её в производстве, логистике, складской работе, безопасности, сфере мобильности, медиа и развлечениях.

Anthropic открыла исследовательский предварительный доступ к стандарту оборудования для моделей (MHS) для первой группы научных лабораторий и производителей. Это общая спецификация, которая позволяет ИИ-агентам безопасно управлять физическими устройствами: микроскопами, дозаторами жидкостей, роботизированными манипуляторами и другим оборудованием. MHS сокращает интеграцию аппаратуры с недель и месяцев до часов или минут, а агентам позволяет параллельно координировать приборы, менять параметры в реальном времени и иногда самостоятельно восстанавливаться после ошибок. Стандарт разрабатывается совместно с HHMI Janelia Research Campus и в будущем должен стать открытым.

Роботизированные пиццерии пока не оправдали ожиданий: компании Picnic, Zume и Pazzi закрылись, а их технологии не принесли обещанной автоматизации. В мае Picnic внезапно прекратила работу, оставив ресторан Moto Pizza в Сиэтле с двумя бесполезными роботами стоимостью $160 000 (£118 000). При этом интерес к технологии сохраняется: Appetronix уже тестирует круглосуточный автомат для сети Donatos, а бывший владелец Moto Pizza Lee Kindell разрабатывает собственную машину, которую рассчитывает запустить к лету 2027 года.

Двести лет автоматизация освобождала человека от физического труда: станки брали на себя отдельные операции, а конвейеры связывали их в процессы. Сегодня тот же путь проходит интеллектуальный труд. Разбираем эволюцию автоматизации, её четыре уровня и выясняем, когда выбрать простое правило, роботизацию или ИИ-агента.

Можно ли научить ИИ-агента ходить по интернет-магазину не как бездумный робот, а как настоящий покупатель — с памятью, сомнениями и понятной целью? Исследователи предлагают агента, который рассматривает страницы магазина как человек и запоминает не всё подряд, а только нужное: что он ищет сейчас, какие товары уже видел и какие предпочтения постепенно складываются. Вместо оценки каждого отдельного клика его учат по результату всей сессии, чтобы он не листал страницы бесконечно и не останавливался слишком рано, а действовал последовательно и правдоподобно. В этом обзоре разбираем, как устроен такой ИИ-покупатель, почему обычные способы обучения плохо передают поведение людей и как проверяют сходство его решений с действиями реальных пользователей.

Роботы начинают учиться сами. Не просто выполнять заранее обученные действия, а пробовать решения в реальном мире, ошибаться, анализировать результат, менять собственное поведение и сохранять удачные действия как новые навыки. Причём следующий шаг ещё интереснее: робот может сам накапливать опыт, превращать его в данные и на этих данных обучать более быстрые специализированные модели. Разобрал, почему это может стать одним из самых важных сдвигов в современной робототехнике.

У генеративного ИИ есть удобная иллюзия компетентности: модель пишет, рисует, иногда даже «планирует», и кажется, что у нее внутри есть нечто вроде картины мира. Но как только систему просят не просто продолжить текст, а долго и целенаправленно действовать — управлять роботом, ходить по сайтам, договариваться с людьми или ставить научные…

В робототехнике есть старая боль: даже сильные визуальные и языковые модели неплохо рассуждают о сцене, но иногда плохо справляются с тем, чтобы действовать в физическом мире. В быту это выглядит просто: «подвинь кружку на 10 сантиметров вправо» или «лей воду над цветами на высоте 1–5 см». Для…

Уже давно робототехника жила по следующим принципам: мы строили карту мира, решали обратную кинематику, настраивали регуляторы, а потом всё снова, когда менялась задача или робот. Это работает в стерильных условиях, но ломается в реальности с шумными сенсорами, контактами и мягкими материалами.…

Автономные ИИ‑агенты становятся не просто помощниками, а участниками растущих цифровых рынков: договариваются, закупают данные, планируют, пишут код, управляют роботами. Авторы работы предлагают смотреть на это как на зарождающуюся агентную экономику — связку рынков, где агенты взаимодействуют…

Сегодня многие ИИ-агенты остаются реактивными: видят кадр — действуют, видят следующий — снова действуют, а связной картины мира не формируют. Отсюда проблемы с дальними маршрутами, переиспользованием опыта и гибкостью. В биологии это решено элегантно: мозг хранит ориентиры, маршрутное знание и…

Роботы всё чаще видят мир камерой и читают наши текстовые инструкции. Но часто это «знание» не превращается в верное действие: модель понимает, что такое «чашка», но не знает, куда её ставить и как обойти соседние предметы. Этот разрыв между зрением и действием называется seeing‑to‑doing gap.…