Еженедельная подборка новостей по гуманоидным роботам, embodied AI и physical AI
03.08.2026–09.08.2026

IPO, инвестиции и рынок капитала

⏺️ Citic Securities оценила Unitree выше 50 млрд юаней после IPO.
Citic Securities оценила Unitree выше 50 млрд юаней после планируемого IPO компании в Шанхае.
Цифры: оценочный диапазон Citic — 50,6–55,9 млрд юаней в течение 6–12 месяцев после листинга; ранее компания планировала привлечь около 4,2 млрд юаней.
Источник: Reuters

⏺️ Unitree оценила IPO примерно в $9 млрд.
Unitree оценила IPO примерно в $9 млрд и планирует привлечь 6,1 млрд юаней на Shanghai STAR Market.
Цифры: компания планирует выпустить 40,45 млн новых акций, что составит около 10% увеличенного акционерного капитала; выручка за 2025 год — 1,7 млрд юаней, более чем в 4 раза выше уровня 2024 года; гуманоидные роботы принесли 867,8 млн юаней и стали крупнейшим бизнес-направлением Unitree; доля продаж в США — 13,3% выручки за 2025 год.
Источник: Reuters

⏺️ DeepSeek инвестировала $20,8 млн в IPO Unitree.
DeepSeek инвестировала $20,8 млн в IPO Unitree и договорилась с компанией о сотрудничестве в сфере embodied intelligence.
Цифры: DeepSeek вложила 140,8 млн юаней / $20,8 млн и получила 933 399 акций в рамках стратегического размещения; стороны заявляют сотрудничество по AI-моделям, управлению движением, embodied intelligence, закупкам и сервисам для обучения моделей.
Источник: Reuters

⏺️ Avatar Robotics привлекла $6,5 млн seed-раунда.
Avatar Robotics привлекла $6,5 млн seed-финансирования на роботов с human-in-the-loop управлением для складов и производственных операций.
Цифры: размер seed-раунда — $6,5 млн; с запуска в декабре 2025 года роботы помогли упаковать, отсортировать и отправить более 900 000 товаров; сценарии применения — picking, packing, kitting, sorting, cycle counting и перемещение материалов.
Источник: PRNewswire

Сильный сигнал по бизнес-модели: вместо ожидания полной автономии компания продает роботизированную рабочую силу через teleoperation и одновременно собирает данные для будущих robot foundation models

Компоненты и supply chain

⏺️ Molex представила MiniMix для гуманоидных роботов и AMR.
Molex представила MiniMix Hybrid Power and Signal Connectors — гибридные разъемы питания и передачи сигнала для гуманоидных роботов, AMR и промышленной автоматизации.
Цифры: передача питания — 15A; Ethernet — 1Gbps; размер — 5,65 мм; требуется до 50% меньше пространства для прокладки; по оценке McKinsey, на системы суставных актуаторов может приходиться 40–60% BOM гуманоидного робота.
Источник: PRNewswire

⏺️ CWIEME Shanghai выделила humanoid robotics как одно из направлений выставки.
CWIEME Shanghai опубликовала отчет о выставке, где гуманоидные роботы стали одним из направлений наряду с цепочками поставок для EV и eVTOL.
Цифры: 330 экспонентов; около 40 000 профессиональных посещений; покупатели из 60+ регионов; 2 100 специалистов по гуманоидной робототехнике; 45 лидеров индустрии выступили в 9 сессиях.
Источник: PRNewswire

Локализация, teleoperation и робототехнические платформы

⏺️ Faraday Future запустила EAI Robotics “Built in USA” Acceleration Program.
Faraday Future запустила программу EAI Robotics “Built in USA” Acceleration Program и связала ее с рисками вокруг FCC-ограничений на китайских роботов.
Цифры: июльские продажи / отгрузки robotics-направления — 152 единицы; совокупные продажи и отгрузки к концу июля — 394 единицы; годовая цель по отгрузкам — 2 000 единиц; программа включает этапы Localized in USA → Assembled in USA → Made in USA.
Источник: BusinessWire

Это пример того, как регуляторика вокруг китайских роботов начинает менять GTM и производственную стратегию компаний в США

⏺️ Faraday Future заявила запуск платформы BLOS Teleoperation and Multi-Robot Control.
Faraday Future заявила запуск Version 1.0 Universal Beyond-Line-of-Sight Teleoperation and Multi-Robot Control Platform — платформы для удаленного управления роботами за пределами прямой видимости и координации нескольких роботов.
Цифры: компания также сообщила о восстановлении соответствия требованиям Nasdaq по минимальной цене акции 7 августа; встречи с партнерами по программе Built in USA запланированы на 26 августа и 28 сентября.
Источник: BusinessWire

Важный смежный-сигнал: для коммерческого внедрения роботов рынок продолжает строить teleoperation layer и multi-robot operations stack

⏺️ Faraday Future изучает отдельное финансирование robotics-бизнеса.
Faraday Future сообщила, что изучает возможность отдельного финансирования своего робототехнического направления.
Цифры: конкретные параметры standalone financing не раскрыты; компания описывает это как часть плана по восстановлению стоимости капитала.
Источник: BusinessWire

Safety, cybersecurity и testing infrastructure

⏺️ VicOne выпустила Radeis Extension for NVIDIA Isaac Sim.
VicOne выпустила бесплатное расширение Radeis Extension for NVIDIA Isaac Sim для моделирования кибератак на роботов до физического внедрения.
Цифры: DEF CON 34 Physical AI Safety Stress Test CTF — 16 команд и 25 успешных решений; сценарии включали манипуляцию визуальными входными данными, перехват команд, отравление AI-политик и эксплуатацию уязвимых интерфейсов.
Источник: VicOne

Это сильный infrastructure-сигнал: безопасность Physical AI — это не только предотвращение столкновений, но и кибербезопасность, перехваченные команды, измененные политики и подключенные интерфейсы.

⏺️ Вышла работа о функциональной безопасности промышленных гуманоидов на примере роботизированной ячейки с Unitree G1 EDU.
Цифры: тестовая ячейка — 3 м × 1,5 м; используется внешняя сертифицированная safety chain: световая завеса, аварийная остановка, fail-safe input, fail-safe PLC и wireless PROFIsafe; авторы отдельно отмечают, что не заявляют end-to-end соответствие PL e / SIL 3.
Источник: arXiv

🖥Подписывайтесь на @humanoidrobotics

🇦🇲 Армения запустила крупнейшую AI Factory в СНГ

В Армении официально запустили первую очередь Firebird AI Factory — NVIDIA называет её крупнейшей AI-фабрикой в СНГ. Проект реализуется Firebird при участии NVIDIA и других технологических партнёров

Что уже заявлено:
— более 6 000 NVIDIA Blackwell GPU;
— около 18 МВт мощности;
— площадка около 200 тыс. м²;
— $500 млн инвестиций только в первую фазу

Инфраструктура предназначена для обучения и запуска крупных AI-моделей и сложных вычислительных задач. Среди целевых направлений правительство Армении отдельно называет robotics, engineering simulation, aerospace и advanced AI systems

Для Physical AI это интересный сигнал. Обучение VLA и robot foundation models, world models, генерация synthetic data и масштабная симуляция требуют всё больше compute. Теперь такой ресурс появляется непосредственно внутри СНГ

Причём проект собираются значительно масштабировать: Firebird и NVIDIA говорят о десятках тысяч Blackwell и Rubin GPU и развитии инфраструктуры не только в Армении, но и в Казахстане и других рынках региона.

Пока есть важное ограничение: конкретные команды по humanoid robotics или крупные робототехнические клиенты Firebird публично не названы. То есть это пока скорее инфраструктура, на которой региональная экосистема Physical AI потенциально может строиться, чем уже сформировавшийся робототехнический хаб.

Источники: Правительство Армении, NVIDIA, Минвысоких технологий Армении

🖥 Делитесь новостями от @humanoidrobotics

14 важных исследований прошедшей недели по Physical AI и гуманоидным роботам

Собрал ключевые работы за 3–9 августа 2026 года: человеческие видео как источник robot data, world models, управление гуманоидами, инфраструктура и безопасность. Метрики приведены по заявлениям авторов препринтов

Модели, данные и инфраструктура

⏺0. ω-0: whole-body world-action model для гуманоида
(ω-0: A Latent Predictive World Action Model for Concurrent Humanoid Loco-Manipulation)
Модель одновременно управляет перемещением, балансом, позой и манипуляцией реального гуманоида.
Почему важно: одна из наиболее значимых работ недели, поскольку переходит от последовательной схемы «подойти — остановиться — манипулировать» к concurrent loco-manipulation
Метрики: ω-HOME: 40,3 часа, 4 827 эпизодов, 24 задачи. Реальная оценка: 11 задач, 10 trials/задачу; ω-0 Omni — 81,8% success, 90,3% task progress против 44,5% у ψ-0 и 43,6% у DiT4DiT
Статья

⏺1. JoyAI-RA 0.5: масштабирование Physical AI на человеческих видео
Scaling Robot Manipulation Learning via Dual Action Alignment
Модель объединяет человеческие видео, симуляцию и реальные robot data через общее пространство действий
Почему важно: human video становится масштабируемым источником физических навыков для роботов
Метрики: 53 тыс. часов human video, 11 тыс. часов симуляции и 8 тыс. часов real-robot data; score на seen tasks — 92,0, unseen — 75,5.
Статья

⏺2. Ego2Robot: 18,5 тыс. часов robot data из человеческих видео
Scalable Robot Data Synthesis from Egocentric Human Data
Pipeline ретаргетит действия человека и преобразует egocentric-видео в данные для разных роботов.
Почему важно: подход позволяет строить robot data factory на базе уже существующих человеческих видео.
Метрики: создано 18 561 час данных для 15 морфологий; на EBench результат вырос с 39,6% до 51,7%.
Статья

⏺3. RoboReact: whole-body навыки G1 из сгенерированного видео
Agentic Skill Distillation from Generated Egocentric Videos
Система генерирует видео выполнения задачи человеком, извлекает движение и переносит его на Unitree G1.
Почему важно: новые навыки можно получать без teleoperation и реальных демонстраций оператора.
Метрики: 4 задачи × 20 испытаний, средний success rate — 81,3%.
Статья

⏺4. BridgeVLA++: 3D VLA с пространственной и временной памятью
Memory-Augmented Vision-Language-Action Framework
VLA сохраняет геометрию сцены, историю действий и текущую стадию long-horizon задачи.
Почему важно: память превращается в самостоятельный слой роботизированных foundation models.
Метрики: на реальных memory-задачах success rate вырос с 20% до 93,3%; испытания проведены на двух роботах.
Статья · GitHub

⏺5. GeniWorld: world model как симулятор и генератор данных
A Generalizable Interactive World Model for Robotic Manipulation via Visual Actions
World model генерирует интерактивные rollout, которые используются для оценки и обучения robot policy.
Почему важно: world models переходят от генерации видео к роли программируемого data engine.
Метрики: при добавлении synthetic trajectories средний success rate четырёх реальных задач вырос с 40,8% до 69%.
Статья

⏺6. Teleopit: full-embodiment teleoperation гуманоида
A Full-Embodiment Humanoid Teleoperation System
VR-система одновременно управляет телом, dexterous hands и активной камерой гуманоида.
Почему важно: единый интерфейс позволяет собирать согласованные whole-body данные для обучения автономных policy.
Метрики: на базе 96 демонстраций ACT достиг 90%, а GR00T N1.7 — 95% success rate.
Статья

⏺7. SiMDex: поиск полезных человеческих видео для dexterous VLA
Mining Similar Egocentric Videos for Cross-Embodiment Dexterous Manipulation
Система выбирает из миллионов человеческих видео только эпизоды, соответствующие robot demonstrations.
Почему важно: качество отбора данных может быть важнее простого увеличения объёма датасета.
Метрики: из ≈32 млн samples выбрано менее 5%; средний success rate вырос с 47,7% до 61,1%.
Статья

⏺8. LUCID: imagined dynamics для long-horizon управления гуманоидами
Latent-Skill Unified Control via Imagined Dynamics
Иерархический RL-агент обучается выполнять длинные последовательности действий на rollout латентной world model.
Почему важно: перспективная архитектура для сложной loco-manipulation, хотя пока проверена только в симуляции.
Метрики: 73,4% success на 62 ID-задачах и 68,4% на 20 OOD-задачах.
Статья

⏺9. PhyAI: общий runtime для Physical AI
Real-Time Physical AI at the Edge, Scalable Rollouts in the Cloud
Runtime запускает VLA и world-action models на onboard-, edge- и cloud-инфраструктуре.
Почему важно: inference и массовая генерация rollout становятся отдельным инфраструктурным слоем Physical AI.
Метрики: ускорение моделей в 1,4–4,65 раза; поддерживаются π0, π0.5, GR00T N1.7, MiniCPM-Robot и Cosmos.
Статья · GitHub

⏺10. XEWorld: переносятся ли world models на новых роботов?
Can Action-Conditioned World Models Generalize to Unseen Robot Embodiments?
Авторы проверили, способны ли world models моделировать роботов, которых не было в обучающей выборке.
Почему важно: результат выявляет ограничение текущих моделей — они сильнее опираются на внешний вид робота, чем на его кинематику.
Метрики: 25 задач и 5 роботов; корреляция качества с visual similarity — 0,812, с kinematic similarity — 0,549.
Статья

Безопасность гуманоидов и Physical AI

⏺11. StableMimic: восстановление гуманоида после падения
Smooth Human-Like Recovery for Humanoid Motion Tracking
Единая policy переключается между выполнением движения и восстановлением после падения.
Почему важно: робот должен не только демонстрировать locomotion, но и безопасно возвращаться в рабочее состояние после сбоя.
Метрики: 100 успешных восстановлений из 100 в симуляции; на реальном Unitree G1 показаны качественные эксперименты без количественной оценки
Статья

⏺12. Fail-passive gap промышленных гуманоидов
Toward Certified Functional Safety for Industrial Humanoid Robots
Авторы показывают, почему аварийное отключение питания само может привести к опасному падению двуногого робота.
Почему важно: balancing policy остаётся несертифицированным звеном между safety-командой и безопасным состоянием гуманоида.
Метрики: 12 сценариев потери связи на Unitree G1; остановка с сохранением баланса занимала 0,5–1,3 секунды. End-to-end сертификация PL e/SIL 3 не заявлена
Статья

⏺ 13. Взлом робота листом бумаги
Hijacking Robots with a Piece of Paper
Текстовая инструкция, попавшая в камеру робота, может изменить решение VLM-планировщика.
Почему важно: обычные надписи в физической среде формируют новый класс embodied-security угроз.
Метрики: 5 670 испытаний; успешность атак — 27% для GPT-4o и 29,4% для Gemini 2.5 Flash. Маскирование текста остановило все атаки в этом benchmark. Исполнение атак реальным автономным роботом не проверялось
Статья

Главный вывод недели: экосистема Physical AI развивается сразу по всей цепочке — human video → synthetic robot data → world models → VLA → runtime → физическая безопасность. При этом масштабирование данных и моделей уже опережает развитие стандартов безопасности и системной проверки роботов

🖥 В курсе событий вместе с @humanoidrobotics

Еженедельная подборка новостей по гуманоидным роботам, embodied AI и physical AI
10.08.2026–16.08.2026

Соглашения о сотрудничестве

⏺Barron’s сообщил, что NVIDIA и LG Group подписали меморандум о взаимопонимании по разработке гуманоидных роботов
По данным Barron’s, LG планирует представить гуманоидных роботов в ближайшие годы; робот должен использовать NVIDIA Isaac GR00T foundation model и Jetson Thor

Интересный сигнал по связке compute + consumer electronics / robotics: LG может использовать NVIDIA Isaac GR00T и Jetson Thor как основу для нового humanoid-направления

Robot foundation models и robot data

⏺ Dyna Robotics представила DYNA-2
Dyna Robotics представила DYNA-2 — World-Action Model, обученную на видео от первого лица с участием людей, а не на ручных данных телеоп управления.
Цифры: более 1 млн часов human egocentric video; около 170 лет непрерывного опыта бодрствования; в задачах высокоточного производства success rate вырос с 20% до 80–90%; в zero-shot customer deployment показатель прохождения проверки качества составил 87% против 46% у DYNA-1.
Источник: PRNewswire

IPO, рынок капитала и инвестиционный интерес

⏺ MarketWatch описал IPO Unitree как начало возможной волны IPO в гуманоидной робототехнике
MarketWatch описал IPO Unitree как потенциальное начало новой волны интереса инвесторов к публичным компаниям в сфере гуманоидной робототехники.
Цифры: цена IPO — около $22 за акцию; объем привлечения — около $900 млн; переподписка розничных инвесторов — более 8 000 раз.
Источник: MarketWatch

Коммерциализация и внедрение

⏺ WSJ выпустил интервью с CEO Agility Robotics Пегги Джонсон
WSJ выпустил интервью с CEO Agility Robotics Пегги Джонсон о том, как компания выводит робота Digit из лаборатории в реальные клиентские среды.
Цифры: в материале упомянуты клиенты и внедрения: Amazon, Toyota, Schaeffler, GXO Logistics и Mercado Libre; также повторяется контекст SPAC-сделки Agility с оценкой $2,5 млрд.
Источник: WSJ

Это не новый продукт, но хороший управленческий материал о том, как humanoid-компании проходят путь от R&D к deployment, safety, IT-интеграции и требованиям клиентов.

Геополитика и национальные стратегии

⏺ Investors.com разобрал гонку США и Китая в гуманоидной робототехнике
Investors.com выпустил разбор о борьбе США и Китая за лидерство в гуманоидных роботах как следующем поле конкуренции в AI.
Цифры: в материале приводится прогноз до 446 000 гуманоидных роботов в год к 2030 году для Китая; ключевой тезис — Китай сильнее в hardware и supply chain, США — в AI software.
Источник: Investors.com

Полезный контекст после FCC-ограничений и Unitree IPO: humanoids начинают рассматриваться как стратегическая технологическая категория.

⏺ Express Computer разобрал, что нужно Индии для статуса глобального центра гуманоидной робототехники
Express Computer опубликовал колонку о том, что Индии нужно для превращения в глобальный хаб гуманоидной робототехники.
Цифры: в материале приводятся оценки мирового рынка гуманоидной робототехники: $38 млрд к 2035 году и потенциально $5 трлн к 2050 году; акцент — IndiaAI Mission, производственная база, электроника, автомобильная промышленность и робототехнические кластеры.
Источник: Express Computer

Интересный сигнал: после Китая, США, Японии и Кореи тема national Physical AI strategy появляется и в Индии.

Демо и locomotion capabilities

⏺ В соцсетях разошлось видео где робот Deep Robotics проходит сложный рельеф (бетонные ступени и пересеченную местность)
Цифры: подтвержденных метрик по скорости, времени автономной работы, условиям теста или модели робота не найдено.
Источник: Reddit

🖥 Смотрим в будущее вместе с @humanoidrobotics

Еженедельная подборка новостей по гуманоидным роботам, embodied AI и physical AI в РФ и СНГ
10.08.2026–16.08.2026

Экосистема и интеграторы

⏺️ В России формируют отраслевой реестр интеграторов и производителей робототехники
В августе завершился сбор компаний в отраслевой реестр производителей и интеграторов робототехнических решений. Для будущего рынка гуманоидов это важный инфраструктурный слой: внедрение потребует не только производителей роботов, но и компаний, которые смогут проводить аудит процессов, интеграцию, настройку и сервис.
Цифры: заполнение анкеты занимало около 20–30 минут; в источниках расходятся даты окончания приёма заявок — 10 и 15 августа.
Источник: Хабр

Для будущих внедрений гуманоидов важна не только разработка робота, но и слой компаний, которые смогут проводить аудит процесса, интеграцию и поддержку у заказчика

Пилоты и обучение роботов

⏺️ В «АгроХабе» началась новая смена по обучению Unitree G1 сельскохозяйственным задачам.
10 августа открылась 4-я смена полевой лаборатории «АгроХаб», где команды работают с Unitree G1 Edu Ultimate D над деликатным захватом, сортировкой и сценариями для теплиц и хозяйств. Обучающие сессии записываются для последующего формирования автономных навыков робота.
Цифры: смена проходит 9–19 августа; 4 команды по 5–7 человек; среди сценариев — сбор овощей и яиц, работа с кормушками, перенос продуктов и манипуляции с объектами.
Источник: Тимирязевская академия

Российские компании изучают китайский рынок гуманоидов

⏺️ Российская бизнес-миссия отправилась к производителям humanoid robotics в Китай.
15 августа российская делегация вылетела в Китай, а 16 августа начала программу в Пекине. В маршрут включены производители гуманоидов, embodied AI-платформ и компонентов — Robotera, Phybot, Booster Robotics, NOETIX, Galbot, Casbot, X-Humanoid и другие компании.
Цифры: программа проходит 16–23 августа; в маршруте — более 10 компаний и производственных площадок;
Источник: RoboJobs

Хороший сигнал смены стадии рынка: российские корпорации и предприниматели едут не смотреть абстрактную выставку, а искать hardware, поставщиков, партнёров и проекты внедрения

Экспансия humanoid robotics в СНГ

⏺️ Unitree H2 EDU появился в продаже в Казахстане.
Казахстанский поставщик выставил полноразмерный Unitree H2 EDU для университетов и R&D-команд с SDK и возможностью secondary development.
Цифры: заявленная цена — около 33,5 млн тенге; гарантия — 12 месяцев; на странице поставщика была указана отправка с 10 августа.
Источник: Asia-Shop Kazakhstan
Точная дата начала фактических поставок не подтверждена Unitree.

⏺️ Unitree развивает в СНГ модель аренды и rent-to-own.
Региональный партнёр Unitree предлагает клиентам не только покупку роботов, но и аренду, rent-to-own, сервис и turnkey integration. Это снижает CAPEX для компаний, которые хотят сначала протестировать гуманоидов в пилоте
Цифры: аренда — от 1 дня до 24 месяцев; заявлено покрытие 12 стран СНГ и более 50 поставленных роботов с 2023 года.
Источник: Unitree Kazakhstan

Интересный бизнес-модельный сигнал в СНГ: гуманоид начинает продаваться не только как дорогое оборудование, но потенциально как сервис/пилот с меньшим первоначальным CAPEX.

⏺️ В Казахстане формируется практически полный embodied AI hardware stack
В региональном каталоге доступны не только гуманоиды, но и инфраструктура для R&D: G1-D для сбора данных, H2 и R1, dexterous hands, D1-T для teleoperation и VR software.
Цифры: G1-D — от 19,5 млн ₸, H2 — от 20,5 млн ₸, R1 — от 7,7 млн ₸, teleoperation arm D1-T — от 5,7 млн ₸.
Источник: Unitree Kazakhstan

Для исследовательских команд важна не только доступность G1, а появление локального hardware/data stack для сбора демонстраций, teleoperation и разработки собственных policies

⏺️ QAZBOT и AgiBot готовят Robotics & AI Hub в Астане.
QAZBOT Technologies и китайская AgiBot ранее объявили о создании регионального центра, который должен объединить производство роботов, engineering, сервис и Data Factory для Physical AI. Согласно заявленному roadmap, проектирование и строительство должны были начаться в августе 2026 года.
Первый этап включает производство, инженерный центр, сервисную инфраструктуру и фабрику robot data.
Источник: Tengrinews

Потенциально это один из важных Physical AI-проектов всего СНГ: производство + engineering center + сервис + фабрика robot data.

Команды и вакансии

⏺️ Яндекс продолжает собирать отдельную команду антропоморфных роботов
На специализированной странице открыты роли сразу по нескольким слоям humanoid stack: Robot Runtime, E2E Body Movement, Perception, Navigation и Manipulation.
Для рынка это хороший сигнал того, что Яндекс строит не отдельное R&D-демо, а полноценный software stack для антропоморфной платформы.
Источник: Яндекс Humanoid

Структура вакансий неплохо показывает архитектуру будущего продукта: компания формирует не одну исследовательскую группу, а несколько специализированных слоёв humanoid software stack

⏺️ Сбер продолжает расширять R&D-команду робототехники
Центр робототехники Сбера прямо называет антропоморфного робота общего назначения одним из ключевых направлений и продолжает набор специалистов по управлению, RL, simulation и software engineering.
В публичном стеке команды упоминаются Isaac Sim, MuJoCo, imitation learning, reinforcement learning, behavioral cloning и motion capture.
Источник: Сбер — Robotics R&D

🖥 Держим роборуку на пульсе вместе с @humanoidrobotics

Еженедельная подборка новостей по гуманоидным роботам, embodied AI и physical AI
17.08.2026–23.08.2026

Платформы Physical AI, компоненты и новые роботы

⏺️ Seeing Machines запустила платформу Physical AI
Seeing Machines запустила Physical AI Platform для безопасного взаимодействия людей и машин в робототехнике, промышленной автоматизации и других физических AI-системах.
Цифры: технологии Seeing Machines уже используются более чем в 8 млн автомобилей; платформа строит динамическую 3D-карту восприятия людей, объектов и окружающей среды; целевые отрасли — производство, логистика, здравоохранение, уход за пожилыми людьми, склады, добыча полезных ископаемых и промышленная автоматизация.
Источник: PRNewswire

Интересно как перенос automotive safety AI в humanoid/robotics: роботам нужен не только task policy, но и понимание людей, внимания, риска и контекста

⏺️ UBTECH и BASiC Semiconductor договорились о силовой электронике для гуманоидных роботов
UBTECH и BASiC Semiconductor подписали стратегическое соглашение о сотрудничестве по SiC power devices для будущих гуманоидных роботов.
Цифры: соглашение подписано 19 августа на WRC 2026; сейчас гуманоидные роботы в основном используют архитектуру 48V, но в будущем напряжение шин может смещаться к 96V / 400V; .
Источник: Humanoid Intel

Компонентная база humanoids становится отдельной стратегической темой: питание, силовая электроника и тепловой режим будут ограничивать масштабирование

⏺️ UBTECH показала демо производственной линии и embodied AI stack
По данным AI Market Watch, UBTECH на WRC 2026 показала копию производственной линии с промышленными гуманоидными роботами и раскрыла трехуровневый embodied AI stack.
Цифры: почти 10 роботов Cruzr S2 и Cruzr Y1 работали на демонстрационной линии; производительность сортировочной стены — около 1 100 операций захвата в час; стек включает Thinker, Thinker-WM и Thinker-VLA; эффективность инференса выросла на 176%, потребление GPU memory снизилось с 64GB до 32GB; выручка UBTECH в 2025 году — более 2 млрд юаней, поставки — 13 838 гуманоидных роботов.
Источник: AI Market Watch

⏺️ Nori Robotics анонсировала недорогого двурукого робота за $1 688
Nori Robotics анонсировала недорогого bimanual robot / humanoid-class робота как доступную платформу для потребительских и исследовательских сценариев.
Цифры: заявленная цена — $1 688; поставки обещаны осенью 2026 года; компания позиционирует продукт как доступного двурукого робота.
Источник: Nori Robotics

Интересно как низкая точка входа в потребительскую / исследовательскую робототехнику

Рынок и инвестиционный контекст

⏺️ Counterpoint оценила поставки гуманоидных роботов в H1 2026 выше 22 000 единиц
По данным Counterpoint Research, мировые поставки гуманоидных роботов в первой половине 2026 года превысили 22 000 единиц, а китайские компании заняли весь топ-5 производителей.
Цифры: поставки в H1 2026 — более 22 000 единиц, почти +300% год к году; AGIBOT — около 9 700 единиц и 43,1% рынка; Unitree — более 7 000 единиц и 31,1% рынка; топ-5 вендоров заняли 86% рынка.
Источник: IT Home

⏺️ Business Insider описал перегрев интереса к робототехнике в Кремниевой долине
Business Insider описал конференцию Actuate как сигнал одновременно перегретого интереса к робототехнике и дефицита реального hardware и robot data в Кремниевой долине
Цифры: Actuate выросла с 250 участников в 2024 году до 500 в 2025 году, а в 2026 году посещаемость утроилась; организаторы могли продать более 2 000 билетов; по данным Crunchbase, робототехнические стартапы привлекли $15 млрд в мире в 2025 году и $18,8 млрд с начала 2026 года.
Источник: Business Insider

Мероприятия и индустриальная экосистема

⏺️ На WRC 2026 китайские производители показали переход от демо к прикладным сценариям
На World Robot Conference 2026 китайские производители показали роботов для сортировки посылок, упаковки телефонов, бытовых задач и других прикладных сценариев.
Цифры: более 300 компаний, более 2 000 экспонатов и более 150 продуктовых запусков; Reuters отдельно описывает демонстрации сортировки посылок, упаковки телефонов и бытовых задач.
Источник: Reuters

Конференция сместила акцент с «танцев и шоу» к вопросу: могут ли гуманоиды работать надежно и масштабно в логистике, производстве и сервисе

⏺️ Делегация Guangdong показала полный робототехнический value chain
Делегация из 34 компаний из Guangdong на WRC 2026 показала полный робототехнический value chain: компоненты, сенсоры, передачи, 5G-модули и готовые робототехнические системы.
Цифры: 34 робототехнические компании из Guangdong; upstream-направления — батареи, 3D vision sensors и transmission parts; midstream — управляющие платы и 5G-модули; готовые системы — Walker series, U1, DOBOT dual-arm humanoid и LimX Luna.
Источник: Guangzhou Government

Полезный рыночный сигнал: гуманоидные роботы в Китае развиваются не отдельными стартапами, а региональными промышленными кластерами

⏺️ В Пекине стартовали вторые World Humanoid Robot Games
В Пекине стартовали вторые World Humanoid Robot Games — соревнования гуманоидных роботов в спортивных и прикладных дисциплинах.
Цифры: 2 056 роботов, 666 команд, 16 стран; 51 дисциплина и 1 301 соревновательная сессия; Reuters пишет о 30 спортивных и 21 сценарной дисциплине.
Источник: Reuters

⏺️ Reuters подчеркнул сдвиг от спортивных рекордов к практическим задачам
Reuters отдельно отметил, что на World Humanoid Robot Games важнее спортивных рекордов становятся прикладные сценарии: подключение кабеля, задачи на фабрике, в ресторане, офисе и чрезвычайных ситуациях.
Цифры: соревнования идут 5 дней; программа включает 51 дисциплину, из них 21 — сценарная; среди направлений — симулированные фабрики, рестораны, офисы и emergency situations.
Источник: Reuters

Наука, world models и embodied agents

⏺️ Вышла работа HODAgent для сервисных гуманоидных роботов
Вышла работа HODAgent — System-2 embodied agent для гуманоидных роботов в сервисных сценариях.
Цифры: симуляция — 164 кейса; Joint Success — 84,8% / 91,5% на двух VLM backbones; pass rates на физическом роботе: 92% для atomic tasks, 72% для composite tasks, 63,3% для complete tasks; физическая платформа — Unitree G1.
Источник: arXiv

Хорошо ложится в тему “humanoid как service agent”: не только выполнить команду, но и обрабатывать новые запросы во время движения, сохранять контекст и проверять результат

⏺️ WSJ выпустил материал о world models и large action models
WSJ выпустил материал о world models и large action models как следующем шаге развития AI для физического мира.
Цифры: WSJ описывает модели, обучаемые на видеоиграх и симуляциях, которые уже в отдельных условиях могут навигировать в 3D-средах и манипулировать объектами по простым инструкциям.
Источник: WSJ

🖥 Держим роборуку на пульсе вместе с @humanoidrobotics

Еженедельная подборка новостей по гуманоидным роботам, embodied AI и physical AI в РФ и СНГ
17.08.2026–23.08.2026

Казахстан строит экосистему для гуманоидных роботов

⏺️ В Астане началось строительство Robotics & AI комплекса QAZBOT
18 августа в Астане началось строительство первого в Казахстане Robotics & AI комплекса QAZBOT. Проект должен объединить R&D, разработку AI-моделей, тестирование и локализованное производство робототехнических систем.
Цифры: инвестиции первого этапа, по данным казахстанских СМИ, оцениваются примерно в $200 млн; официально подтверждён сам старт строительства, но производственная мощность и сроки серийного выпуска пока не раскрыты.
Источник: Акимат Астаны

⏺️ QAZBOT, AgiBot и Astana Innovations договорились о пилотах и масштабировании Robotics & AI решений
Компании подписали стратегический меморандум по разработке, адаптации, тестированию, пилотированию и последующему масштабированию робототехнических решений в Астане.
Среди потенциальных направлений — городская инфраструктура, промышленность, логистика, медицина, образование и сервис.
Источник: Акимат Астаны

⏺️ QAZBOT и AgiBot начали формировать pipeline корпоративных пилотов
На QAZBOT Robotics Forum компании провели B2B-встречи с казахстанскими заказчиками и обсуждали конкретные отраслевые задачи и возможность запуска пилотных проектов.
Фокус — промышленность, логистика, финансы, здравоохранение, социальные сервисы и городская инфраструктура.
Источник: Министерство ИИ и цифрового развития Казахстана

⏺️ ISSAI подключается к развитию humanoid robotics в Казахстане
Институт Smart Systems and Artificial Intelligence Назарбаев Университета рассматривается как научный и системно-интеграционный партнёр экосистемы. Обсуждаются профильные лаборатории, исследовательские программы и подключение студентов и учёных к разработке робототехнических решений.
Публичных данных о бюджете лабораторий, числе исследователей и сроках запуска пока нет.
Источник: Министерство науки и высшего образования Казахстана

Корпоративные стратегии Physical AI

⏺️ РЖД поручило разработать концепцию применения Physical AI.
Руководство холдинга поручило НИИАС сформировать концепцию применения Physical AI и определить процессы, где целесообразно использовать универсальные робототехнические платформы.
Цифры: проанализировано более 31 производственного процесса в четырёх бизнес-блоках; более половины потенциально подходят для универсальной платформы; сформировано более 20 приоритетных проектов.
Источник: РЖД-Партнёр

⏺️ MTS Web Services делает ставку на software layer и Skill-as-a-Service.
MWS заявила, что не планирует производить собственный robot hardware. Вместо этого компания хочет создавать интеллектуальный слой, совместимый с разными робототехническими платформами, и развивать модели Robot-as-a-Service и Skill-as-a-Service.
Цифры: MWS оценивает доступный рынок отдельных рассматриваемых сервисных моделей примерно в 6–8 млрд и 7–10 млрд рублей; весь российский рынок робототехники оценивается в 30 млрд рублей в 2025 году и более 200 млрд к 2030-му.
Источник: Коммерсантъ

Robot data и модели

⏺️ Яндекс описал собственный data flywheel для Physical AI.
CEO «Яндекс Роботикс» Олег Шипитько сформулировал стратегию: реальные операции роботов должны генерировать данные, данные — улучшать модели, а более сильные модели — создавать новые роботизированные продукты и навыки.
Цифры: для обучения отдельных физических действий компании могут потребоваться тысячи и десятки тысяч демонстраций; одним из способов сбора данных Яндекс называет teleoperation. Для масштабирования flywheel нужны уже тысячи работающих машин.
Источник: Коммерсантъ

Robot-as-a-Service и коммерциализация

⏺️ INTEKEY и Яндекс Роботикс развивают складскую роботизацию по модели RaaS.
INTEKEY интегрирует свою WMS с решением «Кубик» Яндекс Роботикс и предлагает заказчикам роботизированную комплектацию по модели Robot-as-a-Service.
Решение включает AMR, роботизированную зону, software, внедрение и сервис, а производительность можно масштабировать добавлением новых модулей.
Источник: INTEKEY

Рынок и коммерческие модели

⏺️ Российский рынок робототехники может вырасти примерно в семь раз к 2030 году.
На этой неделе опубликованы свежие оценки рынка и обсуждение того, почему крупные IT-компании всё активнее заходят в robotics integration, Physical AI и сервисные модели вместо разработки собственного hardware.
Цифры: рынок оценивается примерно в 30,1 млрд рублей в 2025 году и 211,7 млрд рублей к 2030 году; парк роботов — рост с 28 тыс. до 98 тыс. единиц; robot density — с 21 до 116 роботов на 10 тыс. работников. При этом около 120 российских интеграторов способны внедрять порядка 3 тыс. роботов в год при необходимом темпе около 15 тыс.
Источник: Консорциум робототехники

Главный сигнал недели: в РФ и СНГ Physical AI постепенно выходит за пределы отдельных роботов и демо. Казахстан строит инфраструктуру производства и пилотирования, РЖД формирует portfolio use cases, MWS экспериментирует с Skill-as-a-Service, а Яндекс делает ставку на связку deployments → robot data → models → новые навыки.

🖥 Держим роборуку на пульсе вместе с @humanoidrobotics

🤖 PRISM: 5 000+ промышленных траекторий, где робот учится не только видеть, но и чувствовать контакт

Большинство крупных датасетов для robot learning собрано вокруг сравнительно простых бытовых задач: взять объект, перенести, положить. Для реального производства этого недостаточно

Подключить электронный разъём, установить подшипник или выполнить точную сборку — это уже contact-rich manipulation, где роботу нужно понимать усилие, момент, проскальзывание и небольшие отклонения, которые иногда почти невозможно определить только по камере

Исследователи из Peking University, Delta Intelligence и партнёрских организаций представили PRISM - мультимодальный датасет промышленных навыков:

🟢 25+ промышленных задач - assembly, подключение компонентов, упаковка, установка деталей, сортировка на конвейере;
🟢 5 000+ robot trajectories + 5 000 human demonstrations;
🟢 45+ часов демонстраций и около 27 млн изображений;
🟢 синхронизированные multi-view RGB-D, 6DoF force/torque, robot state и proprioception; tactile-данные доступны для части эпизодов;
🟢 данные собирали на нескольких embodiments: Franka, Realman и LEJU, используя exoskeleton, tracker и VR teleoperation.

Самое интересное - авторы сразу проверили датасет на ACT, Diffusion Policy и π₀.

Предобучение на 5 000 траекториях улучшило результаты π₀ до 85% success rate на упаковке штангенциркуля и 85% на сортировке с конвейера. Но на точном plug/unplug электронных компонентов результат составил всего 25%.

То есть даже современные policies всё ещё заметно проседают там, где нужно точно регулировать физический контакт и усилие.

На мой взгляд, это и делает PRISM интересным: развитие Physical AI упирается не только в масштабирование RGB-видео и VLA-моделей. Для выхода роботов из демонстраций в реальное производство потребуется всё больше данных о самом физическом взаимодействии с миром - force, torque, tactile и contact dynamics

Сейчас доступны paper, project page и GitHub; публикация самого датасета на странице проекта пока отмечена как Dataset soon.

📄 arXiv · Project · GitHub

#robotics #PhysicalAI #EmbodiedAI #RobotLearning

🖥 Держим роборуку на пульсе вместе с @humanoidrobotics

15 интересных исследований недели по Physical AI и гуманоидным роботам

За 17–24 августа 2026 года из 296 просмотренных публикаций я выбрал 15 наиболее заметных работ. Главные темы недели: generalist VLA, whole-body control гуманоидов, обучение на человеческих видео, world models, безопасность и промышленное применение

Humanoid control и универсальные модели

1. τ₀-VLA: масштабируемая авторегрессионная модель управления роботами
τ₀-VLA: Scaling Autoregressive Action Models for General Robot Control
τ₀-VLA обучает одну autoregressive policy на большом массиве разнородных робототехнических данных и дополняет её планированием через world model.
Почему важно: работа объединяет cross-embodiment обучение и test-time planning — два ключевых элемента будущих robot foundation models.
Метрики: 40 115 часов данных; организация книг — 9/10 против 6/10 без test-time compute; некоторые cross-embodiment задачи — до 10/10.
Статья · GitHub · Веса · Проект

2. HAF: адаптация VLA к whole-body управлению гуманоидом
Adapting Generalist VLAs to Humanoid Whole-Body Loco-manipulation via Hierarchical Action Flow and Spectral Latent RL
HAF связывает высокоуровневую VLA с низкоуровневой whole-body policy для выполнения задач, одновременно требующих ходьбы и манипуляции.
Почему важно: это практический путь переноса generalist VLA на полноразмерных гуманоидов без end-to-end переобучения всей системы.
Метрики: два гуманоида TienKung, семь реальных задач, по 120 демонстраций; средний результат 70,5% против 53,3% у π₀.₅, но оценка ограничена десятью запусками на задачу.
Статья · Проект и видео

3. GigaBrain-WBC-0.5: world model поведения для whole-body control
GigaBrain-WBC-0.5: Behavior World Model for Robust Whole-Body Control with Environment Interaction
Модель прогнозирует последствия команд и помогает гуманоиду сохранять устойчивость при сложном рельефе, физическом взаимодействии и восстановлении после падения.
Почему важно: world model здесь используется не для генерации видео, а как часть контура физического управления и проверки выполнимости команд.
Метрики: 81,3% успеха на сложном рельефе; 83,1% для физически сомнительных команд; 99,3% при восстановлении после падения. Испытания проведены на Unitree G1 и Maker L01.
Статья · Проект и видео

4. FetchMan: визуальная loco-manipulation для гуманоида
FetchMan: Learning Visual Humanoid Loco-Manipulation Policies from Simulated Experiences
FetchMan обучает гуманоидную policy находить объект, подходить к нему и поднимать его, используя procedural simulation и RGB-наблюдения.
Почему важно: работа демонстрирует zero-shot sim-to-real перенос длинной цепочки «навигация — позиционирование — захват».
Метрики: более 150 тыс. сгенерированных сцен; 73,3% успеха на реальном Unitree G1 в reach-and-pick задачах.
Статья · GitHub · Проект

Безопасность и world models

5. ManiGuard: проверка безопасности роботизированной манипуляции
ManiGuard: A Benchmark and Data Suite for Specification-Grounded Safety Evaluation and Improvement of Robotic Manipulation
ManiGuard оценивает, соблюдает ли робот заданные правила безопасности, даже если формально успешно выполняет задачу.
Почему важно: benchmark показывает, что обычный success rate может скрывать опасные действия — критичная проблема для бытовых и промышленных роботов.
Метрики: 200 базовых задач, 1 000 сценариев, 8 000 демонстраций и более 23 тыс. rollouts; 6–21% успешных выполнений нарушали правила безопасности.
Статья

6. Hydra-0: единая модель генерации действий и будущего мира
Hydra-0: Action Flow for Generalist World Modeling and Control
Hydra-0 учится совместно прогнозировать движение робота, изменения объектов и управляющие действия.
Почему важно: одна модель потенциально может использоваться как policy, world model и инструмент оценки других политик.
Метрики: ошибка движения робота снижена на 90,4%, объектов — на 60,2%; корреляция прогнозируемой и реальной успешности пяти политик составила r=0,96. Есть real-robot proof-of-concept.
Статья · Проект и видео

Данные, обучение и dexterous manipulation

7. Игра в имитацию: умеют ли роботы повторять новые действия
The Imitator Game: Benchmarking Robot Imitative Ability Beyond Action Prediction
Benchmark проверяет способность модели воспроизвести незнакомую задачу по демонстрации, а не просто предсказывать действия из знакомого распределения.
Почему важно: результаты показывают, насколько современные VLA ещё далеки от человеческой способности обучаться наблюдением.
Метрики: более 20 тыс. парных эпизодов, свыше 50 задач, шесть доменов и девять моделей; zero-shot success всех моделей на новых задачах оказался ниже 13%.
Статья · GitHub · Проект

8. RoboEdit: превращение человеческих видео в опыт для робота
RoboEdit: Turning Human Manipulation Videos into Scalable Robot Experience
RoboEdit автоматически заменяет человеческие руки в видео на роботизированный embodiment, сохраняя выполняемое действие и геометрию сцены.
Почему важно: подход может снизить зависимость robot learning от дорогого teleoperation и ускорить создание обучающих датасетов.
Метрики: 174 тыс. согласованных пар видео, 14 млн кадров и семь embodiments; полезность проверена в downstream-обучении реального робота.
Статья

9. ADEPT: ускорение dexterous manipulation через RL
ADEPT: Accelerating Dexterity via Pre-Training and Post-Training using Reinforcement Learning
ADEPT сочетает предварительное обучение на демонстрациях и RL post-training, чтобы ускорить выполнение сложных манипуляций многопалой рукой.
Почему важно: для коммерческих сценариев важен не только success rate, но и время цикла — особенно при сборке и сортировке.
Метрики: системы с 23 и 29 степенями свободы; выполнение занимает 5–10 секунд против 20–70 секунд у baseline, ускорение — от 2 до 14 раз.
Статья · Проект и видео

10. ForeTime-VLA: предсказание будущего для работы на конвейере
ForeTime-VLA: Causal Future-Token Distillation from a World Action Model for Conveyor-Belt Manipulation
Модель переносит знания world-action model в компактные future tokens, позволяющие VLA учитывать будущее положение движущегося объекта.
Почему важно: это приближает VLA к динамическим промышленным задачам, где обычный цикл восприятия и действия слишком медленный.
Метрики: 44/90 успешных захватов против 23/90 у π₀.₅; на высокой скорости — 11/30 против 2/30; рост latency составил лишь 2,46–2,93%.
Статья

11. HiPHI: высокоточный датасет движений человека и объектов
HiPHI: A Large-Scale Benchmark for High-Precision Human Motion and Object-Interaction
HiPHI записывает синхронные движения всего тела человека и взаимодействующих с ним объектов с высокой пространственной точностью.
Почему важно: данные могут использоваться для humanoid imitation learning, dexterous manipulation и построения физически корректных моделей взаимодействия.
Метрики: более 600 часов записей, full-body markers, mesh-level траектории объектов и заявленная субмиллиметровая точность tracking.
Статья · Датасет

Память, интерфейсы и промышленное применение

12. GOLEM: гуманоид для разборки аккумуляторов электромобилей
GOLEM: Modular Humanoid Autonomy Towards Electric Vehicle Battery Disassembly
GOLEM объединяет навигацию, визуальное восприятие и силовую манипуляцию Unitree H1-2 для разборки тяговых батарей.
Почему важно: это редкий пример прикладного сценария, где гуманоид должен работать с существующей человеческой инфраструктурой.
Метрики: ошибка навигации 13 см на дистанции 6 м; извлечение крепежа — 97% при внешней фиксации, 87% без неё и 37% после автономной навигации. Это лабораторная, а не промышленная проверка.
Статья · GitHub · Проект

13. UniMem: единая мультимодальная память для VLA
UniMem: Unifying Multimodal Memory and Control for Vision-Language-Action Models
UniMem добавляет к VLA долговременную память о визуальных наблюдениях, языке и прошлых действиях.
Почему важно: память необходима роботам в длинных задачах, где важные события больше не видны в текущем кадре.
Метрики: пять симуляционных и четыре аппаратные задачи; 93,4% против 68,2% в симуляции и 80,0% против 43,5% на реальном оборудовании.
Статья · GitHub · Проект

🖥 Держим роборуку на пульсе вместе с @humanoidrobotics

14. Pointing-VLA: координаты вместо словесного описания пространства
Pointing-VLA: Typed Spatial Grounding Interfaces for Vision-Language-Action Manipulation
Pointing-VLA передаёт пространственные цели через специализированные pointing-интерфейсы, а не через медленную генерацию текстовых координат.
Почему важно: такой интерфейс делает grounding точнее и быстрее, сохраняя возможность использовать pretrained vision-language backbone.
Метрики: 72,9% на Bridge/WidowX; spatial heads работают в 6,68–6,90 раза быстрее text decoding; на реальном роботе π₀.₅ улучшена с 52,7% до 80,7%.
Статья

15. TOWN-VLA: медленное рассуждение только тогда, когда оно нужно
Think Only When Needed: Prompt-Authority Control for Selective Slow-Path Intervention in Vision-Language-Action Manipulation
TOWN-VLA разрешает reasoning-модулю вмешиваться в управление только при высокой уверенности, сохраняя быстрый контур действий для обычных ситуаций.
Почему важно: работа формализует баланс между быстрым реактивным управлением и более дорогим языковым рассуждением.
Метрики: прямое добавление prompts снижало success с 92,47% до 3%; TOWN повысил результат на LIBERO-Plus с 69,5% до 73,1%, а на физическом PiPER — с 52,7% до 78,7% в 150 испытаниях на метод.
Статья

🖥 Держим роборуку на пульсе вместе с @humanoidrobotics

Еженедельная подборка новостей по гуманоидным роботам, embodied AI и physical AI
24.08.2026–30.08.2026

Инвестиции, сделки и рынок капитала

⏺️ XPENG Robotics привлекла более $900 млн на гуманоидных роботов и Physical AI.\
XPENG Robotics привлекла более $900 млн на развитие гуманоидных роботов, массовое производство и исследования в области Physical AI.
Цифры: размер раунда - более $900 млн; оценка компании после раунда - более $6,3 млрд; раунд возглавила IDG Capital, среди участников - Gaorong Ventures, Tencent и Alibaba.
Источник: XPENG

⏺️ Generalist привлекла около $200 млн на AI-модели для роботов
По данным Axios, Generalist привлекла еще около $200 млн на разработку AI-моделей для роботов.
Цифры: новый раунд - около $200 млн; ранее компания привлекла $400 млн; оценка компании, по данным Axios, выше $2 млрд; раунд возглавила 8VC; компания основана выходцами из Google DeepMind и Boston Dynamics.
Источник: Axios

⏺️ SoftBank ведет переговоры о покупке контрольной доли в 1X Technologies
Reuters со ссылкой на The Information сообщил, что SoftBank ведет переговоры о покупке контрольной доли в 1X Technologies при оценке компании около $6 млрд
Цифры: возможная оценка - около $6 млрд; речь идет о контрольной доле; SoftBank и 1X отказались от комментариев.
Источник: Reuters

⏺️ NEC инвестировала в Dexmate - разработчика VEGA и платформы Physical AI
NEC Orchestrating Future Fund инвестировал в Dexmate — разработчика гуманоидного робота VEGA и платформы для создания решений Physical AI.
Цифры: размер инвестиции не раскрыт; Dexmate описывает VEGA как гуманоидного робота с AI-управлением, а платформу — как среду для разработки и внедрения решений Physical AI.
Источник: NEC

⏺️ NEURA Mobile Robots приобрела 100% ADLATUS Robotics
NEURA Mobile Robots приобрела 100% ADLATUS Robotics - производителя автономных клининговых роботов (кстати, у AGIBOT тоже есть клининговые роботы).
Цифры: ADLATUS приносит сотни установленных систем, собственное навигационное ПО и экспертизу в клининговой робототехнике; NEURA планирует интегрировать эти решения в Neuraverse и усилить их сенсорами и AI-возможностями.
Источник: NEURA Robotics

Масштабирование и производство

⏺️ Minth Group и AGIBOT запустили в Сербии массовое производство гуманоидных роботов
Minth Group запустила в Шабаце первую в Европе массовую производственную базу гуманоидных роботов в партнерстве с AGIBOT.
Цифры: первая фаза - €20 млн инвестиций; следующий этап — робототехнический индустриальный парк в Инджии с планируемыми инвестициями €200 млн; заявленная годовая мощность — до 20 000 гуманоидных роботов и роботособак; AGIBOT, по данным компании, поставила 5 168 гуманоидов в 2025 году и около 8 400 в первой половине 2026 года.
Источник: Development Agency of Serbia

Данные для роботов и инфраструктура Physical AI

⏺️ Figure вывела из закрытого режима платформу Index.
Figure вывела из закрытого режима Index - платформу для сбора человеческих видеоданных для обучения гуманоидных роботов.
Цифры: 264 000 загрузок приложения; более 44 000 еженедельных активных пользователей; более 16 млн загруженных видео; 108 стран; 30 минут видеозагрузок в секунду; Figure заявляет, что направит более $1 млрд на данные и вычислительные мощности в следующие 12 месяцев.
Источник: Figure AI

⏺️ Arm описала системную архитектуру для Physical AI.
Arm опубликовала материал о системной архитектуре для Physical AI и «недостающей науке робототехнических систем».
Цифры: Arm описывает робота как непрерывно работающую автономную систему, где должны вместе работать видеопотоки с камер, лидары, радары, силовые сенсоры, управление моторами, AI-инференс, планирование, мониторинг безопасности и обратная связь в реальном времени.
Источник: Arm

Пилоты и прикладные сценарии

⏺️ Meta тестирует роботов для дата-центров
WIRED сообщил, что Meta тестирует роботов для работы с кабелями, перезапуска серверов и других физических задач в дата-центрах.
Цифры: Meta тестирует оборудование Watney Robotics, Kinova и ABB; один сотрудник оценивает, что успешный робот для замены кабелей мог бы заменить до 80% нагрузки для отдельных ролей; Meta также использует тягачи и инвентаризационных роботов в дата-центрах.
Источник: WIRED

Расследования и рыночная реальность

⏺️ Reuters разобрал, почему китайские гуманоиды пока сильнее в демо, чем в реальной работе.
Reuters выпустил расследование о том, почему китайские гуманоидные роботы уже хорошо выглядят на демонстрациях, но пока слабо справляются с реальной работой на фабриках.
Цифры: Beijing E-Town предлагает робототехническим компаниям субсидии на продажи, бесплатные рабочие пространства, вычислительную поддержку и ваучеры на данные; цель завода Lingyi iTech — 10 000 роботов embodied intelligence в год на первом этапе и масштабирование до 500 000 к 2030 году; Reuters указывает, что широкое внедрение пока ограничено скоростью, ошибками и экономикой.
Источник: Reuters

⏺️ TechCrunch описал переход разработчиков “мозгов” для роботов из эпохи GPT-2
TechCrunch выпустил материал о том, что разработчики «мозгов» для роботов выходят из своей «эпохи GPT-2» и начинают двигаться к более зрелым моделям для физического мира.
Цифры: в материале фигурирует Genesis AI как вертикально интегрированная компания в сфере гуманоидной робототехники, которая ранее в 2026 году привлекла $105 млн seed-раунда; общий тезис — в Physical AI идут миллиарды долларов, но стратегии «только мозг» против совместной разработки железа и AI остаются спорными.
Источник: TechCrunch

Наука и взаимодействие человека с роботом

⏺️ Science Robotics описала риск “слишком социальной” выразительности гуманоидов
TechXplore описал работу в Science Robotics о том, что социальная выразительность гуманоидного робота может ухудшать реакцию людей на ошибки робота.
Цифры: работа изучает многоуровневую динамику мозга, гормонов, мышления и поведения при социальном взаимодействии человека и робота; подробные метрики в кратком обзоре TechXplore не раскрыты.
Источник: TechXplore

🖥 Держим роборуку на пульсе вместе с @humanoidrobotics

Еженедельная подборка новостей по робототехнике, humanoid robotics и physical AI в России и СНГ
24.08.2026-30.08.2026

Рынок и масштабирование роботизации

⏺️ России нужно резко ускорить темпы внедрения промышленных роботов.
Минпромторг сообщил, что парк промышленных роботов в России в 2025 году вырос на 10,9%, однако текущего темпа недостаточно для достижения целей 2030 года.
Цифры: парк - 21 857 роботов; за год установлено около 2,1 тыс.; плотность - 29 роботов на 10 тыс. работников. Для достижения целевых показателей потребуется дополнительно более 80 тыс. роботов, то есть темп внедрений необходимо увеличить примерно в 7-8 раз.
Источник: Коммерсантъ

⏺️ Kama Flow оценила перспективы российского рынка сервисной робототехники и RaaS
По оценке Kama Flow, российский рынок сервисных роботов может расти на 15–20% ежегодно. Одним из перспективных направлений аналитики называют Robotics-as-a-Service - модель, при которой клиент получает робота, ПО и сервис по подписке вместо покупки оборудования.
Цифры: профессиональный клининг - 51–60 млрд руб. в 2025 году → 77–90 млрд руб. к 2030 году; RaaS - от 100 тыс. руб. в месяц против покупки робота за 2–3,5 млн руб.; заявленная окупаемость отдельных клининговых роботов - около 1,3 года.
Источник: ComNews

⏺️ На VolgaRobot-2026 сформировали предложения по ускорению роботизации промышленности
Компании, интеграторы и представители власти обсудили основные барьеры российского рынка и сформировали пакет инициатив по ускорению внедрения роботов. Отдельной темой программы было развитие гуманоидной робототехники.
Цифры: только в Самарской области установлено около 1 800 промышленных роботов.
Источник: Тесвел

Новые игроки и инфраструктура внедрения

⏺️ Альфа-Банк запускает Лабораторию роботизации для бизнеса.
Банк создаёт отдельное направление, которое должно сопровождать компании от поиска процессов для автоматизации до выбора робототехнического решения, финансирования и внедрения.
В структуре появится Центр экспертизы по роботизации, а отдельное направление будет работать с китайскими производителями и поставщиками — искать и проверять технологии и формировать канал доступа российских компаний к зарубежным робототехническим решениям.
Запуск Центра экспертизы запланирован на IV квартал 2026 года.
Источник: Альфа-Банк

⏺️ СберСервис создаёт Центр компетенций по обслуживанию роботов
«Сбербанк-Сервис» формирует отдельный центр для диагностики, ремонта, пусконаладки и разработки стандартов технического обслуживания робототехнических систем.
Среди платформ, с которыми планируется работать, называются Unitree G1, Unitree R1, Unitree Go2 и AgiBot C5.
Это важный сигнал появления отдельного service layer рынка: deployment → диагностика → ремонт → регламенты обслуживания → сервисная инфраструктура.
Источник: Мир робототехники

Производство и локализация

⏺️ В подмосковном индустриальном парке «Титан» открылся завод «Семаргл» (Концерн "Калашников")
Предприятие будет выпускать логистических роботов, автоматизированные транспортные системы и роботизированные системы хранения.
Проект усиливает российский производственный слой робототехники и локальную инфраструктуру для создания физических роботизированных систем.
Источник: Минпромторг

⏺️ «Росатом Интелмаш» разместит производство в «Титане» и показал российского робота-манипулятора
Компания стала одним из первых резидентов индустриального парка и показала лабораторный образец универсального промышленного манипулятора АИМ М30-Д1850, а также комплекс интеллектуальной сварки на линейном треке.
Манипулятор создаётся с учётом требований постановления №719. Система управления совместима с Astra Linux Special Edition, а корпусные детали, валы и шестерни изготовлены в России.
Цифры: текущий образец соответствует УГТ 4; вывод серийного коммерческого продукта на уровень промышленной эксплуатации запланирован на конец 2027 года. На базе АИМ планируется линейка манипуляторов различной грузоподъёмности.
В «Титане» уже начинают работу 7 робототехнических компаний. В весь индустриальный парк планируется вложить около 50 млрд руб. и создать более 4 тыс. рабочих мест.
Источник: Plastinfo

Teleoperation и работа в опасных средах

⏺️ На Ловозерском ГОК ввели российского телеуправляемого робота для опасных подземных работ
На предприятии Росатома в опытно-промышленную эксплуатацию запустили дистанционно управляемый комплекс «Бетонолом 2000 РН».
Робот используется для оборки заколов, разрушения крепких пород и других операций в опасных зонах, позволяя удалить человека непосредственно от источника риска.
Это интересный класс задач для Physical AI: сегодня он решается специализированным hardware и teleoperation, а следующим шагом может становиться постепенная автономизация отдельных операций.
Источник: Росатом / Atom Media

Эксперименты с гуманоидами

⏺️ На «Технопроме-2026» показали российского сервисного робота Verter
Компания «Модеста» представила антропоморфного робота для сопровождения посетителей и пациентов в поликлиниках и других учреждениях.
Разработчик заявляет автономное построение карты помещения, навигацию без постоянного оператора и нейросетевой модуль для взаимодействия с людьми.
Цифры: на выставке заявлялось до 20 часов автономной работы и стоимость в 3–4 раза ниже зарубежных аналогов.
Источник: iXBT

⏺️ Гуманоидный робот начал работать ассистентом IT-кафедры в Краснодаре
Краснодарский кооперативный институт начал использовать гуманоидного робота в образовательном процессе - на занятиях по программированию и ИИ.
Пока не раскрыты модель робота, степень автономности и конкретный набор выполняемых задач, поэтому это скорее ранний эксперимент с humanoid hardware в образовании, чем полноценное автономное внедрение.
Источник: Комсомольская правда

Регулирование автономных роботов

⏺️ В России разработали проект ПДД для роботов-доставщиков
Минэкономразвития совместно с Минтрансом и МВД подготовило проект экспериментального правового режима для эксплуатации роверов в городской среде.
Правила должны определить идентификацию роботов, допустимые скорости, ответственность операторов, взаимодействие с пешеходами, маршруты движения и зоны, где использование роверов будет запрещено.
Цифры: экспериментальный правовой режим планируется запустить в 35 субъектах РФ сроком на три года.
Для рынка это важный шаг от отдельных локальных экспериментов к унифицированному регуляторному режиму эксплуатации автономных наземных роботов.
Источник: РИА Новости

🖥 Держим роборуку на пульсе вместе с @humanoidrobotics

🤖 Гуманоиду недостаточно понимать человека - ему придётся понимать, что люди очень разные

Большинство исследований Human-Robot Interaction сегодня оптимизируют роботов вокруг достаточно понятных целей: естественный диалог, распознавание намерений, engagement, персонализация и успешное выполнение задачи

Но когда социальные и гуманоидные роботы выйдут из лабораторий в школы, больницы, дома и общественные пространства, этого может оказаться недостаточно

Люди по-разному разговаривают, воспринимают зрительный контакт, дистанцию, эмоции, паузы, жесты, форму обращения и даже само понятие «вежливого поведения». Причём различия возникают не только между культурами, но и между возрастными группами, индивидуальными предпочтениями и контекстами взаимодействия

Исследователь Raj Korpan из City University of New York предлагает новую концепцию - Pluralistic Human-Robot Interaction (Pluralistic HRI): проектировать роботов не вокруг некоего «среднего пользователя», а изначально исходить из того, что разнообразие пользователей — нормальное состояние реального мира, а не edge case

Авторы выделяют 7 принципов, которые должны стать частью взаимодействия человека и робота:

🟢 Pluralism - не предполагать единственную «правильную» модель поведения пользователя;
🟢 Civic dialogue - уметь вести диалог при различающихся взглядах и предпочтениях, а не просто убеждать;
🟢 Perspective-taking - учитывать, что одно и то же действие робота разные люди могут воспринимать по-разному;
🟢 Empathy - распознавать эмоционально значимые ситуации и соответственно менять поведение;
🟢 Intercultural competence - адаптироваться к языку, культурным нормам и стилям общения;
🟢 Cultural humility - уметь признавать неопределённость, задавать уточняющие вопросы и принимать коррекцию пользователя;
🟢 Moral imagination - оценивать более широкие последствия поведения робота для разных групп людей

Но, на мой взгляд, самая практичная часть статьи - не сами принципы, а то, как они меняют требования к продукту и метрики HRI

Например, сегодня социального робота можно оценивать через:
task success → user satisfaction → conversational naturalness.

Pluralistic HRI предлагает дополнительно измерять:

• насколько одинаково хорошо система работает для разных групп пользователей;
• насколько человек чувствует, что его услышали;
• корректно ли робот адаптируется к языковому и культурному контексту;
• умеет ли он признавать неопределённость и принимать исправления;
• насколько взаимодействие доступно через разные modalities;
• как робот справляется с конфликтом ценностей или различающимися нормами поведения.

Простой пример из статьи - гуманоидный робот в медицинской клинике.

Вместо того чтобы предполагать, что пользователь хочет разговаривать голосом и смотреть роботу в глаза, система может использовать speech, gestures, gaze, facial expressions и текст на экране - и сначала спросить человека, как именно ему удобнее получать информацию

Если пользователь избегает зрительного контакта, долго отвечает, просит другой язык или поправляет форму обращения, робот должен рассматривать это не как ошибку interaction pipeline, а как сигнал уточнить предпочтения и адаптироваться

Это важный сдвиг.
Современная персонализация обычно означает примерно:
«понять пользователя → предсказать наиболее подходящее поведение»

Здесь предлагается более осторожная модель:
«понять, где мы не уверены → спросить → позволить человеку скорректировать робота → адаптироваться»

И для гуманоидных роботов эта идея будет становиться всё более актуальной по мере перехода от относительно структурированных сценариев - производства и складов - к healthcare, education, hospitality, retail, eldercare и home robots, где результат определяется уже не только качеством manipulation или навигации, но и качеством социального взаимодействия

При этом важно понимать масштаб работы: это не новая модель, не датасет и не эксперимент на гуманоиде
Статья представляет собой короткую conceptual/framework paper: автор формулирует дизайн-принципы и предлагает будущие метрики. User study, benchmark или количественного сравнения здесь нет. Работа принята на workshop Broadening the Users — A Cross-Disciplinary Roadmap for Social Humanoid Interaction (BU-SHI) в рамках IEEE RO-MAN 2026

На мой взгляд, ключевая мысль статьи хорошо описывает следующий продуктовый вызов гуманоидных роботов:
создать general-purpose humanoid - это не только научить одного робота выполнять много задач. Нужно ещё сделать так, чтобы один и тот же робот мог корректно взаимодействовать с очень разными людьми

То есть вслед за generalist robot policies нам, вероятно, понадобятся и своего рода generalist human-interaction policies - способные адаптироваться не только к новой задаче и environment, но и к новому человеку

📄 arXiv — Pluralistic Human-Robot Interaction

#robotics #HumanoidRobots #HRI #PhysicalAI #SocialRobotics

🖥 Держим роборуку на пульсе вместе с @humanoidrobotics