1️⃣ Гуманоидная робототехника переходит из стадии «демо и хайпа» в фазу долгосрочного промышленного бума, сопоставимого по масштабу с автомобилями и смартфонами.

2️⃣ Рынок андроидов, вероятно, станет следующим крупным циклом после генеративного ИИ. На Земле будет до 3 млрд гуманоидов к 2060 году.

2️⃣ Главный драйвер — демография. Население Европы, США, Южной Кореи и Японии стареет. В большинстве отраслей дефицит рабочей силы, рост зарплат и текучка кадров.

4️⃣ До конца 2020-х основная масса внедрений будет происходить на складах, в логистике и производстве. Домашние роботы — история скорее 2040-х. Так что ближайший рынок для гуманоидов — B2B, а не B2C.

5️⃣ Преимущество Китая. Компании Поднебесной уже сейчас резко снижают себестоимость роботов благодаря масштабу производства, дешёвой компонентной базе и поддержке государства.

6️⃣ Стоимость гуманоидов падает быстрее, чем многие ожидали. Себестоимость китайского робота примерно $35 000 в 2025 году и менее $17 000 к 2030. При таких ценах робот становится сравним по стоимости с автомобилем, а не с промышленным оборудованием.

7️⃣ Рынок перешел от стадии исследований и разработок к гонке платформ. Инвестиции в гуманоидную робототехнику выросли примерно с $0,7 млрд в 2018 до $4,3 млрд в 2025. Уже сейчас конкурируют более 50 компаний и около 150 коммерческих продуктов.

8️⃣ Большие языковые модели и воплощенный ИИ стали переломным моментом. Главный технологический прорыв — объединение БЯМ, компьютерного зрения и робототехники. Роботы начинают понимать инструкции на разговорном языке и адаптироваться к новым задачам без жёсткого программирования сценариев.

9️⃣Формируется новая робономика. В выигрыше окажутся не только производители роботов, но и поставщики сенсоров, приводов, редкоземельных металлов, батарей, чипов и софта.

Впрочем, скептики считают прогнозы BofA чрезмерно оптимистичными. Палки в колеса гуманоидных роботов могут вставить сложность реального мира, высокая стоимость обслуживания, проблемы энергоэффективности, безопасности и масштабирования производства.

⚙️ Single-Actuator Wave — робот состоит из гибкой ленты с множеством сегментов и расположенной внутри неё жесткой спирали. Электромотор вращает спираль. Она крутится в виде поступательной синусоиды. Это очень похоже на движение винта мясорубки, проталкивающего фарш. Только здесь «проталкивается» сам робот.

В ходе движения спирали одни гибкие сегменты робота поднимаются в воздух, а другие прижимаются к поверхности и затем отталкиваются от неё, создавая «бегущую волну». Так робот может постепенно ползти вперед, назад или даже вбок.

⚙️ Reconfigurable Single-Actuator Wave — отличаются тем, что здесь несколько гибких сегментов объединены в единые модули с помощью карданных шарниров. Благодаря им робот может динамически менять свою форму, преодолевать препятствия (как на гифке), поворачивать и т.д.

RSAW позволяет инженерам легко настраивать длину и возможности гибких роботов. При этом их конструкция остается исключительно легкой, энергоэффективной и надежной. Есть даже даже медицинские микромодули, которые потенциально могут использоваться в качестве эндоскопов!

Программное обеспечение и мехатронику для непобедимых робофутболистов создают в лаборатории волновых процессов и систем управления МФТИ под руководством кандидата технических наук (к.т.н.) Романа Горбачева, а также технических руководителей команды и играющих тренеров, к.т.н. Егора Давыденко и Сергея Семендяева при поддержке предпринимателя и члена Физтех-Союза Азера Бабаева.

«Робофутбол — это отличный полигон, чтобы выяснить, у кого сильнее математики, программисты и инженеры. Только по научным статьям и даже приложенному к ним коду программ это выяснить трудно. Практика — критерий истины. А такие турниры повышают мотивацию научных команд, заставляют искать лучшие решения. И при этом, что немаловажно, делиться ими с остальными участниками».

🟢В каждой из противоборствующих команд четыре автономных робофутболиста: три полевых игрока и один вратарь. Есть и запасные, так как среди роботов высокий уровень травматизма в матчах, и не всегда есть возможность их оперативно починить.

🟢Матчи проходят на поле из мягкой искусственной травы размером 6,75 на 4,5 м. В ворота высотой 110 см и шириной 180 см необходимо попасть мячом весом 200 г с длиной окружности до 48 мм. Время поделено на два тайма по 10 минут и перерыв между ними.

🟢Роботы-футболисты должны быть активными, уметь хорошо ходить, бегать, бить по мячу и пасовать друг другу. Для этого им требуется уверенно держать равновесие, распознавать с помощью алгоритмов компьютерного зрения мяч, ворота, своих игроков и соперника. Необходима также способность быстро вставать после падений.

🟢Соперничество и желание победить заставляют бесконечно совершенствовать алгоритмы управления, компьютерного зрения и мехатронику робота. Конечно, и просто так писать крутые программы или делать первоклассные механизмы интересно, но спорт всегда выводит разработки на новый уровень.

🟢Взаимное обучение и накопление общей базы знаний. В робофутболе есть негласное правило — победитель турнира показывает свой код и инженерные наработки другим участникам. Как итог — проблемами воплощенного ИИ, управления движениями и координацией роя роботов вместе занимается множество талантливых людей во всем мире.

🟢Продвижение робототехники и её популяризация среди молодёжи. Турниры привлекают парней и девушек. Они выбирают себе роль по плечу и помогают команде. Постепенно их навыки растут. Так они становятся первоклассными инженерами.

🟢О да! Робофутбол очень нравится зрителям. Конечно, машины ещё достаточно неуклюжи и медлительны, но от этого смотреть за их баталиями не менее интересно.

🟢Робофутбол — серьезный полигон для тестирования многих инженерных идей. При этом даже не нужны настоящие роботы из пластика, металла, сервоприводов и электроники. Достаточно их симуляций в виртуальных средах.

🟢Например, в DeepMind, дочерней компании Google, модели роботов научились командной игре, распасовке, дриблингу и взаимодействую случайным образом на виртуальном поле.

🟢Для их тренировок использовался метод обучения с подкреплением, когда за каждое желательное действие цифровая имитация робофутболиста получала вознаграждение.

🟢Стоимость одного робота — 200–350 тыс. долларов

🟢Срок службы — 6-7 лет

Для каждой детали нужно определить:

🟢тип режущего инструмента;
🟢скорость его вращения;
🟢параметры движения манипулятора;
🟢угол атаки;
🟢расстояние между проходами.

А вот что роботы пока точно не могут:

🟢формировать идеально острые внутренние углы;

🟢не оставлять следы проходов инструмента;

🟢обеспечивать музейное качество полировки;

🟢обладать художественным вкусом и экспертной оценкой поверхности.

1️⃣


Тезис: большие языковые модели работают с текстом, а роботы должны взаимодействовать с непредсказуемым физическим миром. Поэтому здесь невозможен такой прорыв, каким были трансформеры с механизмом внимания в генеративном ИИ.

Антитезис: аналогом трансформеров вообще и GPT в частности в робототехнике станут фундаментальные модели (foundation model), обученные на огромных массивах разнородных мультимодальных данных.

2️⃣


Тезис: робот должен одновременно воспринимать мир, планировать действия, управлять движением, соблюдать безопасность и работать в реальном времени. Эти функции слишком отличаются, чтобы их эффективно решала одна модель. Нужно несколько модулей.

Антитезис: в индустрии сейчас обратный тренд. Все стремятся к архитектурам, объединяющим восприятие, рассуждение и управление внутри одной фундаментальной модели. А мультимодальность позволит легко адаптировать её под разнородные задачи.

2️⃣


Тезис: роботы сталкиваются с сенсорным шумом, механическими ограничениями, случайностями среды и требованиями безопасности.

Антитезис: главная проблема не механика роботов, а качество моделей принятия решений у них на борту. Фундаментальные модели постепенно снимают многие ограничения.

Появляются системы, которые ещё несколько лет назад считались невозможными. Роботы осваивают сотни новых манипуляций за день на основе минимального количества демонстраций.

4️⃣


Тезис: недостаток данных тормозит разработки. У OpenAI были миллионы текстов из интернета. А у робототехники нет сопоставимого объёма данных о физических действиях.

Антитезис: существует множество решений. Это могут быть синтетические данные, симуляторы, объединение датасетов многих организаций в единое обучающее пространство, кросс-платформенное обучение и самообучение роботов.

5️⃣


Тезис: многие компании обещают скорое появление домашних гуманоидов, однако между YouTube-демонстрациями и реальной эксплуатацией сохраняется огромный разрыв.

Антитезис: да, рынок пока на ранней стадии, но все недооценивают скорость прогресса. Текущий этап робототехники сравним с генеративным ИИ в 2017-2018 годах — возможности ещё ограничены, но траектория развития уже определена.

SmartBay использует компьютерное зрение и алгоритмы машинного обучения, индивидуально адаптируясь к каждому автомобилю.

Вопреки расхожему мнению, их критика исходила не только из математических аргументов, но и из практического опыта работы с перцептронами по заказу Министерства обороны США.

Минский получил задачу создать для разведки перцептрон, отличающий изображения американских танков от советских.

А как в мультимодальных моделях с обработкой сигналов разного приоритета? Когда это и картинка, и звук, и генерация действий в одном, — данные поступают и обрабатываются асинхронно?

Если резко возникло какое-то препятствие, обработчик его отдельно от остального потока информации обработает и успеет скорректировать управляющее воздействие? Или все одним потоком обрабатывается за цикл, потом выдается команда, потом снова обработка всей информации и вновь команда?

Тогда фундаментальная модель будет иметь задержку в шаг времени обработки и генерации.

И если не завезти асинхронную обработку и приоритеты в фундаментальную модель, то лучше уже модульная структура.

1️⃣ Восприятие
2️⃣Построение мира или картирование рабочей среды
2️⃣Планирование действий
4️⃣Построение движений
5️⃣Контроль
6️⃣Безопасность и мониторинг

Примеры возможных ошибок:

➖ Если на этапе распознавания объекта система компьютерного зрения перепутала кружку с кастрюлей, то планировщик построит сценарий поведения на основе ошибочной информации.

➖ Если генератор траектории движений задает физически невыполнимую задачу локомоции.

Преимущества модульной архитектуры:

➕ Да, действительно, отдельные модули проще тестировать, сертифицировать и заменять. Именно поэтому промышленные роботы ещё долго будут использовать подобную архитектуру.

Трудные проблемы фундаментальных моделей:

🧠 Сейчас невозможно создать систему, где бы одна гигантская мультимодальная модель получала всю входящую информацию от сенсоров и, условно, раз в секунду выдавала бы следующую команду.

➖ Физический мир слишком быстр и непредсказуем для такого подхода.

➖ Контур стабилизации, балансировки и экстренного торможения робота должен работать на частотах от десятков до сотен герц, тогда как фундаментальная модель рассуждает на порядки медленнее.

➖ Кроме того, у автономных роботов сейчас существует ограничение вычислительных мощностей — у них просто не хватит ресурсов и энергии для тяжелых моделей.

Текущий компромисс:

✅ В настоящий момент это иерархия уровней. Фундаментальная модель отвечает за понимание задачи, планирование и выбор стратегии («возьми красную кружку справа от ноутбука»), а низкоуровневые контроллеры непрерывно управляют приводами и реагируют на внезапные события.

✅ Если перед роботом внезапно появляется ребёнок или падает предмет, аварийная реакция срабатывает локально, не дожидаясь полного прогона через фундаментальную модель.

✅ Фактически получается асинхронная система с разными временными масштабами принятия решений.

✅ Фундаментальная модель отвечает за восприятие, рассуждение и общую стратегию действий, а вокруг неё сохраняются специализированные контуры безопасности, контроля движения и аппаратных ограничений.

✅ Модульность остается, но перестает быть основным способом реализации поведения робота.

Перспектива:

❗️Поиск оптимального разделения труда. Вероятнее всего, робототехнический аналог GPT будет не монолитом, а гигантской мультимодальной моделью в центре системы, окруженной набором высокочастотных и критически важных локальных подсистем.

Осталось дождаться сервиса по сдаче себя в аренду в качестве батарейки.

P.S. На всякий случай скажу, что на демке очевидно движения робота ускорены, а в финальный монтаж вошли лишь успешные попытки. Плюс всё действо было human assisted. В реальности он всё делал гораздо медленнее и с ошибками. Но это никак не отменяет прогресса домашней робототехники.