Штучний інтелект у фізичному світі: як роботи навчаються жити поруч із нами
Сучасні гуманоїдні роботи уже здатні бігати, танцювати та піднімати вантажі. Проте справжній прорив настає там, де моделі починають вчитися розуміти і виконувати завдання у реальному світі.
Наприклад, у серпні 2026 року робот Tiangong Ultra пробіг 100 метрів за 8,64 секунди — це майже на секунду швидше за рекорд Усейна Болта, який становить 9,58 секунди.
Стрімкий розвиток апаратного забезпечення
Потужність і компактність моторів зростають, а актуатори стають більш ефективними, точними та довговічними. Це відкриває нові можливості для збільшення ступеня свободи рухів у кожній новій моделі робота. А ще, точно так само вдосконалюються акумулятори, датчики і системи управління. Особливо Китай сьогодні домінує у виробництві компонентів для гуманоїдної робототехніки: ціни на їхні комплектуючі стрімко падають, що робить технології більш доступними.
Однак спостерігати за роботом, що танцює, і просити його прибрати незнайому кухню — це різні речі.
Як люди володіють інтуїцією, а роботи — ні
Людина може зайти в незнайому кімнату і інтуїтивно взаємодіяти з предметами: ми відчуваємо, що чашка — крихкий предмет, і розуміємо, куди її слід поставити. Ми автоматично змінюємо хватку, якщо об’єкт починає вислизати з рук. Все це ми робимо без спеціального програмування.
Роботи натомість ще потребують навчання для кожного нового завдання. Але мета розвитку — створення систем загального призначення, які зможуть адаптуватися без перепрограмування. Промислові роботи уникають невизначеності, оскільки заздалегідь налаштовані на відомі умови. Натомість універсальний гуманоїд має функціонувати у непередбачуваному, “людському” світі.
Фізичний ШІ на порозі революції, подібної до ChatGPT
Прорив ChatGPT полягав у здатності узагальнювати досвід для багатьох задач без потреби в окремих програмних рішеннях.
Натомість «фізичний ШІ» мріє про створення універсальної моделі робота – системи, яка трансформує загальну мету, на кшталт “прибрати кімнату”, у комплекс дій: сприйняття, планування, маніпуляції, виправлення помилок і виконання завдання.
Що потрібно для моменту «ChatGPT» у фізичному ШІ?
Існує кілька різних підходів для досягнення цієї мети, кожен з яких концентрується на різних ресурсах:
- Перетворення мовних моделей у моделі дій — Наприклад, Google DeepMind розробляє VLA-моделі (Vision-Language-Action), які поєднують зір, мову та дії, щоб генерувати команди для управління рухами робота. Це дозволяє роботам швидко розуміти значення об’єктів під час навчання.
- Один мозок — багато тіл — Стартап Skild AI створює «омнітіло» робота, який керує різноманітними моделями — від гуманоїдів до чотириногих і маніпуляторів. Такий підхід змушує вивчати загальні принципи руху і балансу, а не просто копіювати одне тіло.
- Інтуїція через ігри — Компанія General Intuition навчає моделей, використовуючи відео йгрових процесів, де учасники взаємодіють із середовищем, переживають наслідки своїх дій, що допомагає розвивати навички навігації, розуміння маси об’єктів та причинно-наслідкових зв’язків.
- Накопичення даних із реального світу — Стратегія Tesla Optimus полягає у використанні великої кількості даних із роботи власної фабрики для навчання робота. Це створює замкнене коло: більше завдань — більше даних; більше даних — кращі навички; кращі навички — розширене застосування робота.
Китай: масштабна арена для розвитку гуманоїдів
Сьогодні виробничий сектор Китаю є найпотужнішим у світі гуманоїдної робототехніки. За даними Reuters, на китайські фірми припадає приблизно 95% з близько 20 000 гуманоїдів, доставлених у світі у 2025 році. Вже наступного року виробництво може сягнути понад 100 000 одиниць.
Водночас, щоб досягти справжнього рівня загального фізичного інтелекту, потрібно зібрати близько 100 мільйонів годин високоякісних тренувальних даних, тоді як нині становить лише близько 500 тисяч годин.
Для прискорення цього процесу Міністерство промисловості Китаю разом із регуляторами закликають десять провінцій визначити щонайменше по 20 майданчиків для реального навчання роботів. Це фактично створює масштабну розподілену інфраструктуру для фізичних даних.
Коли настане справжній момент GPT для фізичного ШІ?
Справжній «момент GPT» у фізичному ШІ настане тоді, коли робот зможе універсально узагальнювати здобуті навички.
Уявіть такий тест:
- Робот заходить до невідомого складу;
- Отримує завдання;
- Самостійно налагоджує робочий процес;
- Виникає проблема — він адаптується та відновлює функціонування;
- І знання цього робота одразу ж використовуються іншими машинами.
Цей прорив не буде різким, а відбуватиметься поетапно — від автономності в окремих завданнях до гнучкого перенесення навичок у більш складних середовищах, і зрештою — до поширеної універсальності.
Взаємодія тіла і мозку — ключ до успіху
Для інвесторів поступ до інтелекту не означає зникнення перспектив у апаратному забезпеченні — навпаки, він може прискорити зростання. Робот, який виконує лише кілька заздалегідь заданих завдань, має обмежену цінність. Проте гуманоїд зі здатністю до постійного навчання набагато практичніший і цікавий бізнесу.
І це означає більший попит на:
- напівпровідники і сенсори;
- актуатори, мотори і точні компоненти;
- комплексні робототехнічні системи.
Водночас виникає новий рівень цінності, пов’язаний із фондаційними моделями для роботів, симуляціями, синтетичними даними, обчисленнями на периферії, телеприсутністю та інфраструктурою навчання цілих флотів роботів. Проте зараз важко сказати, яка саме архітектура чи компанія забере «лаври переможця».
KOID: інвестиції у широкий спектр фізичного ШІ
Інвестиційний фонд KraneShares Global Humanoid Robotics and Physical AI Index ETF (KOID) пропонує можливість доторкнутися до усього екосистемного ландшафту гуманоїдної робототехніки.
Це перший ETF на американському ринку, що зосереджений виключно на цьому напрямку. KOID надає доступ до компаній, які створюють “мозок” роботів — напівпровідники й технології, будують “тіло” — механіку, сенсори та матеріали, а також до інтеграторів, що збирають і впроваджують готові рішення.
Інвестиція в KOID — це спосіб не обирати одного фаворита, а отримати диверсифіковане портфоліо по всьому світу. Індекс фонду зважений однаково та ребалансується щокварталу, що захищає від занадто великої залежності від кількох технологічних гігантів.
Підтримка матеріальної бази дозволила першим роботам рухатися у «людському» світі. Наступний крок — навчити їх розуміти цей світ і взаємодіяти з ним так само природно, як це робимо ми.
Джерела інформації та докладні дані можна знайти за посиланням у тексті.
