Современные роботы впечатляют физическими возможностями: они бегают, прыгают и даже делают сальто. Однако стоит поручить такому роботу сложить одежду или помыть посуду, как задача оказывается на порядок труднее. Это кажется нелогичным, ведь сальто выглядит куда более сложным движением. Сальто — это заранее известная последовательность движений. Робот точно знает, что должен сделать, среда вокруг предсказуема, а движение можно отточить до автоматизма. Бытовые дела устроены иначе. Предметы имеют разную форму, вес и мягкость. Они лежат под разными углами, меняют положение при касании, могут быть скользкими или хрупкими. Каждый раз ситуация немного отличается от предыдущей. Человеческая рука объединяет механику, чувствительность и управление в компактном виде. Мы постоянно корректируем захват, не задумываясь: ослабляем пальцы, если предмет скользит, сжимаем сильнее, если вещь тяжелая, меняем хват, если предмет оказался мягким. Роботам приходится выстраивать все это из сенсоров и программного обеспечения. У современной роботизированной руки могут быть десятки моторов и степеней свободы. Этого недостаточно для ловкости. Робот должен знать, где находятся его пальцы, где объект, с какой силой он давит, не скользит ли предмет и какое усилие безопасно. Зрение робота не дает ему всей этой информации: камера может показать, что робот держит яйцо, но не скажет, насколько близко он к тому, чтобы его раздавить. Поэтому все больше внимания уделяется тактильным сенсорам. В 2026 году в журнале Science Robotics вышла работа из Чжэцзянского университета, где зрительную и тактильную информацию объединили с обучением с подкреплением. Это позволило достичь 85% успеха в пяти сложных задачах с 25 объектами. Фабричные роботы имеют огромное преимущество: инженеры контролируют их среду. Роботизированная рука, собирающая одну и ту же деталь тысячи раз, получает фиксированную траекторию, предсказуемое освещение и известные размеры объекта. В быту все иначе. Одежда может быть смята по-разному, стакан — частично заполнен, ящик — слегка приоткрыт, губка меняет форму при сжатии, а у пластикового пакета вообще нет постоянной геометрии. Специалисты из США называют это одной из фундаментальных проблем: физический контакт трудно моделировать и контролировать, особенно когда объекты мягкие, хрупкие или неправильной формы. При этом робот часто двигается в процессе манипуляции. Исследования выделяют три главных требования для работы в реальном мире: согласованная работа двумя руками, устойчивая навигация и достаточная зона досягаемости. Это объясняет странный на первый взгляд прогресс. Робот Unitree H1 стал известен сальто из положения стоя, а его младшая модель G1 демонстрирует все более спортивные движения. С рубашкой все иначе. Робот должен найти ткань, понять ее меняющуюся форму, выбрать точку захвата, потянуть, не потеряв вещь, переставить руки, учесть складки и точно положить результат. Проделать это с сотней разных рубашек — огромный физический эксперимент. Китайские компании по производству роботов столкнулись с этой проблемой. В 2026 году Reuters опубликовало материал под заголовком «После бега и танцев китайские робототехнические компании берутся за домашние дела». Компания X Square Robot вместе с другими производителями тестирует человекоподобных роботов на бытовых задачах: уборке мусора и составлении букетов. Дарио Амодеи: без замедления развития ИИ человечество ждёт катастрофа Недостающий ингредиент — данные. Современные роботы все чаще не программируются, а обучаются. Собирать полезные данные о манипуляциях гораздо труднее, чем изображения для ИИ-моделей. Полезная демонстрация требует синхронизированной информации о положении суставов робота, показаниях камер, усилии, крутящем моменте и тактильных сенсорах. При этом не существует набора данных масштаба интернета, где люди манипулируют тысячами объектов, одновременно записывая все, что чувствуют их руки. IEEE недавно отметил тактильные данные как главное узкое место. Визуально-языковые модели уже помогают роботам с такими задачами, как стирка и уборка, однако тонкая манипуляция остается сложной отчасти потому, что тактильные наборы данных все еще крошечные по сравнению с визуальными. Именно поэтому компании и научные группы экспериментируют с телеуправлением, носимыми сенсорами, имитационным обучением, обучением с подкреплением и симуляцией. Цель — превратить демонстрации человека в достаточный обучающий опыт. Компании, разрабатывающие человекоподобных роботов, подходят к проблеме с разных сторон. Робот Unitree G1 может быть оснащен трехпалой рукой с силовым управлением и опциональными тактильными сенсорами. Apptronik Apollo разрабатывается с упором как на манипуляции, так и на передвижение — компания описывает более 35 итераций своих ключевых приводов. Tesla Optimus преследует ту же цель создания универсального человекоподобного робота, а 1X NEO явно нацелен на бытовые задачи. Ни один из этих примеров не означает, что проблема решена. Показать, что робот может надежно выполнить одну задачу, — совсем не то же самое, что попросить его войти в незнакомый дом и работать восемь часов без присмотра. Люди не просто двигают пальцами. Мы постоянно ощущаем, предсказываем и корректируем то, что делают наши пальцы. Пока роботы не смогут приблизиться к пониманию этого алгоритма, машина, способная на эффектное сальто, может по-прежнему испытывать трудности с тем, чтобы просто поднять упавшее полотенце.
Источник новости: overclockers.ru
