Physical AI и VLA-модели: как роботы впервые учатся действовать без жёсткой программы

Термин Physical AI не нов по сути. В науке направление десятилетиями называлось embodied AI («воплощённый интеллект»). Дженсен Хуанг, глава NVIDIA, с 2024 года повторяет это словосочетание на каждой презентации, называя его «следующей волной ИИ». Он не изобрёл направление, но дал ему маркетинговое имя и привязал к своему железу и софту. После этого у темы появились бюджеты, которых у академических лабораторий не было.

Зачем автору или маркетологу разбираться в робототехнике?

Physical AI касается не только инженеров. Контент о роботах собирает трафик и вопросы аудитории, а большинство публикаций пересказывают пресс-релизы без понимания, что внутри. Разобравшись в базовых принципах, вы сможете писать и оценивать материалы о робототехнике точнее, чем 90% авторов, которые путают промышленного манипулятора с ИИ-агентом.

Что понадобится

• Базовое понимание того, как работают большие языковые модели (токены, инференс, дообучение). Если вы читаете dzen.guru, скорее всего, оно у вас есть
• Около 20 минут на чтение и осмысление
• Блокнот или заметки, куда вы выпишете три-четыре термина для своих будущих материалов
• Доступ к интернету для проверки упомянутых проектов (все они в открытом доступе)

Пошаговая инструкция: как разобраться в Physical AI с нуля

1. Усвойте парадокс Моравека. Исследователь робототехники Ганс Моравек из Университета Карнеги-Меллона сформулировал в книге Mind Children (1988) ключевое наблюдение: то, что сложно для человека, часто легко для компьютера, и наоборот. Обыграть гроссмейстера в шахматы получилось давно. Взять пешку с доски пальцами до сих пор трудно. Абстрактное мышление у человека появилось десятки тысяч лет назад. Сенсомоторика (координация глаз, рук, ног) шлифовалась сотни миллионов лет. Робот не замечает этой сложности, потому что у него нет эволюционного багажа. Запомните: именно этот парадокс объясняет, почему робот, способный сложить футболку без жёсткой программы, появился только осенью 2024 года, спустя 60 лет после первого промышленного робота на конвейере General Motors в 1961 году.

2. Разберитесь, как работала классическая робототехника. Инженер брал пульт обучения (teach pendant), вручную подводил руку робота к нужной точке, нажимал «запомнить». Потом к следующей точке. Робот записывал координаты и повторял их миллион раз с идеальной точностью. Но если деталь сдвигалась на пару сантиметров, робот «варил воздух»: он не видит деталь, он повторяет траекторию. По данным Международной федерации робототехники (IFR), в мире сейчас работает больше четырёх миллионов промышленных роботов, ежегодно ставят ещё по полмиллиона с лишним. Автопром, электроника, металлообработка. Всё это трудится без ИИ в современном смысле. Но все эти машины живут в специально построенных для них мирах: детали подаются строго ориентированными, освещение фиксировано, люди за забором. Квартира, склад с мятыми коробками, кухня для них непроходимы.

3. Поймите, что такое Physical AI. Это ИИ, который воспринимает физический мир через сенсоры (камеры, лидары, тактильные датчики) и действует в нём через приводы (моторы, захваты). Не текст на входе и текст на выходе, а пиксели на входе и ньютон-метры (единица крутящего момента мотора) на выходе.

4. Изучите архитектуру VLA-моделей. VLA расшифровывается как Vision-Language-Action, «зрение-язык-действие». Это мультимодальная (работающая сразу с несколькими типами данных) модель, которая принимает картинку с камеры робота и текстовую команду, а выдаёт набор действий: повернуть сустав на столько-то градусов, сжать захват с такой-то силой. По сути, это большая языковая модель, к которой добавили «глаза» и «руки».

5. Отделяйте маркетинг от реальности. Источник прямо указывает: «вокруг темы робототехники стоит такой маркетинговый звон, что даже подготовленному человеку сложно отделить реальные сдвиги от криков маркетологов». Робот танцует на видео, акции растут. Робот падает, мемы расходятся. Критерий проверки прост: может ли робот выполнить задачу в неструктурированной среде (обычная комната, случайное освещение, незнакомые предметы) без предварительной настройки? Если да, это прогресс. Если только на подготовленной сцене, это демо.

6. Сопоставьте с российским контекстом. NVIDIA продвигает свои платформы и симуляторы для Physical AI. Китай и США вкладывают венчурные деньги в роботов с VLA-моделями. В России направление embodied AI развивается в отдельных лабораториях и стартапах, но масштаб финансирования и доступ к передовым GPU (графическим процессорам, на которых обучают модели) ограничены санкциями. Для инвестора в РФ это означает: ставку стоит делать не на повторение западных платформ целиком, а на прикладные ниши, где нужна адаптация под локальные задачи (склады, сельское хозяйство, сервисная робототехника).

Что это значит для вас по ролям?

Авторам Дзена. Тема Physical AI даёт свежий контентный слой: вместо пересказа новостей об очередном чат-боте вы разбираете робототехнику, где конкуренция за внимание читателя пока ниже. Используйте парадокс Моравека как крючок для лида: он интуитивно понятен и вызывает «ага-эффект».

Маркетологам. Если ваш клиент или продукт связан с автоматизацией, складской логистикой, производством, вам нужно отличать реальные возможности Physical AI от маркетинговых обещаний. Робот на видео не равен роботу на складе.

Предпринимателям и инвесторам в РФ. Доступ к GPU NVIDIA ограничен, полноценные платформы для обучения VLA-моделей требуют ресурсов уровня крупных корпораций. Практичнее смотреть на прикладные задачи: адаптацию открытых моделей (опенсорс) под конкретные операции, где не нужен масштаб Google или NVIDIA. Российские разработчики уже работают в нишах складской и сервисной робототехники, и именно здесь локальная экспертиза даёт преимущество перед универсальными западными решениями.

Шестьдесят лет робототехника строила идеальные клетки для роботов, выравнивая мир под их ограничения. VLA-модели впервые предлагают обратный подход: научить робота справляться с миром таким, какой он есть. Для тех, кто пишет или инвестирует в России, практический вывод один: разбирайтесь в матчасти глубже, чем конкуренты, потому что именно понимание, а не бюджет, сейчас определяет, кто займёт нишу, пока она ещё свободна.