Два пути в физическом ИИ: данные против архитектуры — кто выиграет рынок роботов

Физический ИИ — робототехника, автономные системы, промышленная автоматизация — переживает момент, когда стратегические ставки расходятся всё сильнее. Одни команды идут по пути масштабирования данных, воспроизводя логику больших языковых моделей. Другие строят архитектуру под реальный мир с самого начала, опираясь на опыт полевой робототехники. Обе стратегии получают серьёзное финансирование, но приводят к принципиально разным компаниям — и разным коммерческим результатам.

Ставка на данные: масштабирование по образцу GPT

Дата-ориентированный подход воспроизводит логику, которая сработала в языковых моделях и компьютерном зрении: собрать как можно больше данных, обучить всё более крупные модели и дать законам масштабирования сделать остальное. Это сегодня самый популярный путь в физическом ИИ, а его сторонники, как правило, приходят из NLP и CV-сообществ.

Среди заметных игроков — Physical Intelligence и Generalist в США, норвежская 1X и цюрихская Flexion в Европе. Методы сбора данных у всех разные: видеомодели мира, носимые устройства для записи движений, масштабная симуляция, телеоперация. Основной фокус — отдельные навыки: манипуляции с объектами на столе, локомоция. Стандартная схема — предобучение на ограниченном датасете, затем файн-тюнинг под конкретную задачу.

Проблема в том, что физических данных в природе несравнимо меньше, чем текста и изображений. А требования к надёжности и безопасности в реальном мире несопоставимо выше: у робота, работающего с физическими объектами, нет кнопки «отменить». Модель можно доверить только тем условиям, которые она видела при обучении — так называемому «in-distribution» пространству. Всё остальное остаётся на потом.

Сторонники этого подхода рассчитывают, что со временем модели станут более общими, а будущие исследовательские прорывы сделают развёртывание в реальных условиях возможным. Пока же галлюцинации и непрозрачность end-to-end моделей не позволяют использовать их в критически важных сценариях.

Архитектура под реальный мир: меньше данных, больше физики

Архитектурный подход исходит из другой логики: физический мир требует принципиально иного устройства системы, а не просто больше данных. Вместо того чтобы контролировать среду под модель, здесь строят модель под среду — такой, какая она есть.

Команд, идущих этим путём, меньше, и они, как правило, вышли из полевой робототехники, а не из академического ML. FieldAI, основанная ветеранами NASA JPL, Google DeepMind и соревнований DARPA по робототехнике, комбинирует байесовские методы с современным машинным обучением в своих Field Foundation Models. Системы уже развёрнуты на сотнях объектов в Европе, Азии и Северной Америке.

Waymo сделала ту же архитектурную ставку в автономном вождении. Компания исследовала чисто end-to-end модели — в частности, EMMA — но в реально развёрнутой Waymo Foundation Model сохраняется структурированный дизайн с интерпретируемыми компонентами и байесовской обработкой неопределённости. Это позволяет верифицировать решения системы на миллионах миль реальных поездок без водителя.

Ключевой принцип: система должна понимать физику, количественно оценивать собственную неопределённость и действовать исходя из неё — замедляться, когда информации недостаточно, и отступать, когда риск слишком высок. Простой пример: робот на стройплощадке попадает в облако пыли. Система, которая умеет работать с неопределённостью, остановится и подождёт, пока видимость восстановится — так же, как поступил бы осторожный человек.

Результат — экономичная по данным и устойчивая система, способная адаптироваться к динамичным, неструктурированным условиям, которых она никогда не видела при обучении. Такой робот можно «выгрузить» на новом объекте без предварительной информации и инфраструктуры — и он начнёт работать, как новый сотрудник в первый день.

Коммерческая логика: кто ближе к деньгам

Автор материала — практик с опытом коммерциализации автономных роботов в швейцарском скейлапе ANYbotics и нескольких других компаниях в сфере физического ИИ. Его наблюдение: команды, строящие архитектуру под реальный мир, демонстрируют более высокую коммерческую тягу.

Объяснение простое: система, умеющая работать с неопределённостью и адаптироваться к неожиданностям, может быть запущена прямо сейчас, в реальных условиях. Каждое такое развёртывание генерирует операционные данные — один из самых дефицитных и ценных ресурсов в физическом ИИ. Ирония в том, что подход, которому нужно меньше всего данных для старта, в итоге накапливает наибольший объём высококачественных данных: с разнообразием условий и граничными случаями, которые возникают только в поле.

Это создаёт самоусиливающийся маховик: архитектурное преимущество превращается в преимущество в развёртываниях, а развёртывания — в преимущество в данных. Синтетические бенчмарки и лабораторные демо такого эффекта не дают.

Для белорусских IT-компаний и стартапов, работающих в смежных областях — промышленной автоматизации, компьютерном зрении, встроенных системах — этот разбор актуален не только как наблюдение за глобальным рынком. Он задаёт вопрос о том, какие архитектурные решения закладывать в продукт с самого начала: те, что хорошо смотрятся на демо, или те, что выживают в реальных условиях эксплуатации.

— По материалам Sifted: оригинальная статья. Перевод и адаптация — редакция Digital Business.