Перед нами исторический документ. «Ноттингем, 25 января 1812 года. Значительное число мужчин, вооружённых пистолетами, молотками и дубинками, ворвались в дом вязальщика Джорджа Болла, скрыв свои лица масками, платками и иными способами. И после того как они избили и оскорбили вышеупомянутого Джорджа Болла, они умышленно и преступно сломали и уничтожили пять чулочных станков, находившихся в мастерской… при этом все указанные станки работали по полной расценке. Сим объявляется, что всякое лицо, которое предоставит сведения о преступнике или преступниках… получит вознаграждение в размере £200…»

Людей, совершивших это нападение, тогда стали называть луддитами. По имени Неда Лудда — человека, который, по легенде, уничтожил первые два чулочных станка. И тем самым породил стихийное движение.

В первой четверти XIX века луддиты участвовали в стихийных митингах и погромах против внедрения машин. Они ломали станки, громили фабрики и жгли заводы. Не от хорошей жизни. Эти машины отнимали у них не только работу и хлеб, но и сам смысл существования.

Со временем же слово «луддиты», как ярлык, стали вешать вообще на всех противников технологий и прогресса.

А вот другой исторический документ.

5 января 2026 года. Выставка CES в Лас-Вегасе.

Компания Boston Dynamics представляет первую коммерческую, серийную версию своего робота — Atlas. Робота, который теперь уже всерьёз и по-настоящему будет заменять людей на заводах.

А нам с вами всерьёз и по-настоящему придётся задуматься: на чьей мы стороне — луддитов или прогресса.

Сегодня мы поговорим о новой, теперь коммерческой версии робота Atlas. Разберёмся, чем он отличается от своего лабораторного брата-акробата. Что у него под капотом с точки зрения интеллекта. И почему внезапно нам стало так важно, сколько зарабатывают два американских рабочих за два года.

Atlas-спасатель: как всё начиналось

Atlas — настоящая YouTube-звезда. Мы знаем его по сальто, паркуру и танцам. Но это всё — не то, с чего начиналась его история.

У проекта, на самом деле, довольно мрачные корни. Первый импульс к созданию Atlas более десяти лет назад дала авария на АЭС «Фукусима-1».

Тогда стало очевидно: человечеству нужны машины, способные работать в среде, созданной для людей, но ставшей для них смертельно опасной.

Конкурс DARPA

Проект стартовал под крылом знаменитого агентства DARPA. Они объявили открытый конкурс: создать робота-спасателя в форм-факторе человека. Чтобы он мог и по лестнице подняться, и на машине проехать, и в самых сложных условиях работать.

Робот от Boston Dynamics на том конкурсе выступал за команду IHMC Robotics. И они тот конкурс… не выиграли, а заняли лишь второе место. Уступив шесть минут победителям — малоизвестной команде из Южной Кореи — KAIST.

Однако на этом история Atlas не закончилась. Проект тихо продолжил жизнь как чисто исследовательская платформа. Иногда напоминая о себе вирусными видео на YouTube.

Но всё изменилось… после того, как в 2020 году Boston Dynamics была куплена уже совсем другими, куда более известными корейцами — Hyundai Motor Group.

Гидравлический Atlas: инженерное чудо с большой ценой

Помимо значительного финансирования корпорация из Кореи привнесла в Бостон два типа экспертизы. И в первую очередь — технологическую.

Не поймите неправильно: и до корейцев у Boston Dynamics с технологиями всё было в порядке.

Гидравлическая версия Atlas — это настоящее инженерное чудо. Робот был быстрый, ловкий и сильный. Они буквально обучили экскаватор делать паркур.

Одним словом — чудо! Но вопрос — какой ценой? Скажем так, немалой.

Технологические сложности

Во-первых, гидравлика. Она тут была особенная.

Компоненты печатали на 3D-принтере — прямо как корпуса новых Apple Watch, аддитивное производство. А гидравлические каналы были встроены прямо в «кости» робота, чтобы экономить каждый грамм веса и каждый кубический сантиметр объёма.

Штучная работа. Почти арт-объект.

Atlas порхал как бабочка и жалил как пчела. А ещё тарахтел как трактор и разливал масло направо и налево.

Потому что гидравлика — штука капризная. Она склонна к утечкам и требует постоянного мониторинга давления и состояния системы.

Такого ни в приличное общество, ни на чистое производство не выпустить без команды инженеров на подхвате.

Добавим сюда электронику. Чтобы добиться мгновенной балансировки при прыжках и сальто, использовались топовые лидары, IMU-сенсоры и мощные бортовые компьютеры — каждая такая железка стоит десятки тысяч долларов.

В итоге себестоимость Atlas достигала — только вдумайтесь — от одного до двух миллионов долларов за штуку.

Проект был масштабный, но абсолютно не масштабируемый.

И вот тут как раз к месту пришёлся опыт корейского промышленного гиганта. Что-что, а масштабировать производство они умеют.

Электрический Atlas: преображение 2024 года

Результат сотрудничества Boston Dynamics и Hyundai мы увидели в 2024 году. Это был совершенно новый, полностью электрический Atlas.

Электро-Atlas получился: стройный, гибкий, тихий, предельно точный в своих манипуляциях и простой в обслуживании. Но главное — он стал куда дешевле.

Роль Hyundai Mobis

У руля этих изменений, в прямом и переносном смысле, оказалось подразделение Hyundai Mobis. Это опытные ребята: в Hyundai они более 15 лет развивали направление электрификации.

Они выяснили, что самый дорогой компонент робота — это актуаторы, то есть приводы, его «суставы и мышцы».

И вот уж совпадение — по своей конструкции актуаторы на 60% совпадают с электроусилителями руля. В производстве которых у Hyundai — колоссальный опыт.

В итоге приводы для Atlas стали делать так же, как для автомобилей: массово, дёшево и надёжно. На тех же конвейерах, по тем же стандартам и через те же логистические цепочки.

В этот момент Atlas перестал быть дорогим инженерным экспериментом и начал превращаться в промышленный инструмент.

Стратегическая роль Hyundai

Но самое важное изменение произошло не в железе.

Hyundai, как строгий и прагматичный отец, аккуратно опустили проект с небес на землю.

Так в 2026 году бывший спасатель и YouTube-звезда взялся за ум. Надел рабочую форму и вышел на свою первую смену в заводском цеху.

Коммерческий Atlas: CES 2026

5 января 2026 года стало исторической датой для Boston Dynamics и всей индустрии гуманоидной робототехники.

На выставке CES в Лас-Вегасе, во время глобальной медиа-презентации Hyundai, была представлена коммерческая версия робота Atlas. И это был не прототип, а реальный промышленный продукт, готовый к серийному производству.

Историческое значение презентации

«Впервые в истории, прошу поприветствовать Atlas на сцене», — объявил Зак Яковски, генеральный менеджер по гуманоидным роботам Boston Dynamics.

Робот встал, прошёлся по сцене, помахал публике, повернулся, наклонился и снова помахал, прежде чем уйти за кулисы. Для демонстрации использовался прототип электрической версии, представленной в 2024 году, с телеуправлением через VR-шлем.

Но главной звездой стала новая, производственная версия Atlas — синий робот, который выглядит совершенно иначе.

Внешний вид и дизайн

Так что же интересного в новом Atlas?

Ну, во-первых — внешний вид. Как и положено рабочему, он теперь синий. Тут стопроцентное попадание. Ребята знают, что делают!

А если серьёзно, Atlas выглядит интересно и немного мультяшно. Он одновременно похож и на лампу Pixar, и на человечка Lego. И это не случайно.

CEO Boston Dynamics Роберт Плейтер честно признался: они хотели, чтобы робот не выглядел пугающим, и вдохновлялись Люксо младшим из заставки Pixar.

И получилось здорово. Робот выглядит не криповым. С первого взгляда понятно, включён он или нет, и куда он «смотрит». Что для работы рядом с людьми — критически важно.

Модульность — главное отличие

А на Lego он похож потому, что такой же модульный.

И это его основное отличие от прошлых лабораторных версий — но, главное, от человека.

Человеческое тело не проектировалось для завода, а Atlas проектировался. Отсюда и целый набор преимуществ.

Например, та же модульность. Если он, скажем, раздробит себе кисть на производстве — не проблема. Её можно просто заменить, как и любую другую конечность. Причём всего за пять минут. Запчасти рядом в коробке.

Причём модульная даже голова. Это полностью автономный блок: её можно снять, обновить софт или заменить на новую версию с прокаченными датчиками и железом. А тело оставить.

Технические характеристики

Теперь, что у нас по «мускулам»?

Вообще-то, Atlas — здоровяк. Рост 1,9 метра, вес 90 килограммов.

Вылет рук 2,3 метра — до верхней полки дотянется без проблем.

Грузоподъёмность — до 50 килограммов в пике и 30 килограммов для постоянно повторяющихся операций. Это не рекорд, но именно на таких нагрузках люди получают эргономические травмы, раз за разом поднимая тяжести.

Atlas же может это делать круглые сутки. И это не преувеличение.

Автономность и работа 24/7

От одного аккумулятора он живёт около четырёх часов. Это немного. Но батареи съёмные, и он меняет их сам — причём всего за три минуты.

Согласитесь, совсем небольшой перекур.

Но самое интересное в Atlas — даже не сила и не выносливость, а то, как он двигается.

Уникальная кинематика

У робота 56 степеней свободы, и многие суставы могут вращаться непрерывно на 360 градусов.

В тесном цеху это другая эргономика движения — куда более эффективная. Там, где человеку нужно развернуться всем телом, Atlas просто поворачивает торс, экономя драгоценные секунды, что в условиях конвейера критически важно.

Добавим сюда защиту IP67: он не боится воды и пыли. И рабочий диапазон температур от –20 до +40 градусов. То есть его можно использовать и на холодном складе зимой, и рядом с горячей литейной линией.

И никаких торчащих кабелей, шлангов и болтающихся проводов, которые могут зацепиться, перетереться или оборваться при движении. Всё спроектировано для тысяч часов безотказной работы.

Философия дизайна

Boston Dynamics создали машину, похожую на человека, но без человеческих ограничений. Это как шуруповёрт против человека с отвёрткой.

Он не пьёт, не ест, не болеет, не ходит в отпуск и не требует повышения зарплаты. Ах да! У него вообще нет зарплаты. Он работает в три смены, 24 часа в сутки, 7 дней в неделю.

Ну просто идеальный сотрудник.

Но вся эта впечатляющая механика бесполезна без соответствующего интеллекта.

Интеллект Atlas: стратегия альянсов

В плане интеллекта Boston Dynamics пошли по тому же пути, что и с железом — по пути стратегических альянсов. Чётко разделив роли между лучшими умами в своих областях.

Boston Dynamics: атлетический интеллект

Сами Boston Dynamics отвечали за атлетический интеллект.

Это низкоуровневое управление телом в реальном времени. То, как робот двигается, держит баланс, чувствует своё тело и мгновенно координирует десятки суставов — здесь ребятам из Бостона по-прежнему нет равных.

Например, Atlas в реальном времени строит трёхмерные модели объектов, с которыми работает. Он не просто «видит» — он понимает форму, объём и положение предметов в пространстве.

Красные линии на визуализации — это прогнозируемое положение конечностей. Они идеально совпадают с реальным движением. Всем бы так габариты чувствовать.

Google DeepMind: когнитивный интеллект

Но одного тела мало. Нужна голова.

И здесь в игру вступает Google DeepMind. Их зона ответственности — когнитивный интеллект.

Высокоуровневая логика, понимание мира, планирование и выполнение длительных задач со сложной последовательностью действий — всё это области, где Google впереди всей планеты с моделями Gemini Robotics.

Партнёрство с Google DeepMind (январь 2026)

На CES 2026 было объявлено о новом партнёрстве между Boston Dynamics и Google DeepMind, направленном на интеграцию передовых моделей Gemini Robotics в Atlas для расширения когнитивных возможностей робота.

Каролина Парада, старший директор по робототехнике Google DeepMind, заявила: «Мы разработали наши модели Gemini Robotics для того, чтобы привнести ИИ в физический мир. Мы рады начать работу с командой Boston Dynamics, чтобы исследовать возможности их нового робота Atlas, разрабатывая новые модели для расширения влияния робототехники и масштабирования роботов безопасно и эффективно».

VLA-модели: Visual-Language-Action

В основе — VLA-модели: Visual-Language-Action. Благодаря им Atlas понимает команды на естественном языке и учитывает контекст.

Например, вы даёте задачу: «Отнеси эти коробки на конвейер».

Если по пути лежит упавшая деталь, робот не зависнет. Он поймёт: деталь мешает, её нужно положить на место — и только потом продолжить задачу.

Это переход от слепого выполнения команд к осмысленным действиям.

Безопасность работы с людьми

Плюс — безопасное взаимодействие с людьми. Atlas понимает окружающую среду и умеет работать рядом с персоналом, не превращая цех в полосу препятствий.

Используя лучшие практики из индустрии автономных транспортных средств, Atlas имеет бортовую систему безопасности для обнаружения людей и транспортных средств в рабочих зонах. Это позволяет работать без ограждений: если человек проходит мимо в определённом радиусе, робот останавливается и ждёт, пока он пройдёт. Робот также спроектирован с мягкими накладками и минимальными точками зажима в качестве дополнительных мер безопасности при работе рядом с людьми.

Toyota Research Institute: обучение

Но и это ещё не всё. Третье направление — обучение. И здесь партнёр — Toyota Research Institute.

Совместно с Boston Dynamics они работают над тем, чтобы робот обучался так же, как человек — через примеры.

Large Behavior Models (LBM)

Теперь уже в основе — большие поведенческие модели (LBM).

Раньше каждый навык робота приходилось программировать вручную и тестировать в специальной среде.

Теперь же Atlas обучается новым навыкам, повторяя действия телеоператора в VR-шлеме. Нейросеть считывает движения человека в реальном времени и запоминает их.

Но она не просто заучивает движение, как обычный промышленный манипулятор. Она извлекает сам принцип действия и может переносить навык на новые объекты без перепрограммирования.

Эта технология позволяет Atlas осваивать и внедрять новые навыки меньше чем за сутки.

Orbit: эффект улья

А дальше начинается самое интересное.

Когда один Atlas осваивает новый навык, это знание не остаётся только у него. Оно распространяется на весь парк роботов.

За это отвечает программная платформа Orbit — разработка самих Boston Dynamics.

Orbit — это мозг и нервная система всей экосистемы Atlas. Через неё операторы назначают задачи, следят за состоянием роботов и интегрируют их с заводскими системами.

И вот тут появляется эффект улья.

Если один робот на заводе в Корее методом проб и ошибок нашёл более эффективный способ укладки детали, то через секунды — если так решит человек — все роботы на заводе в США уже делают то же самое.

Коллективное обучение в реальном времени. Без инструкторов. Без командировок. Без потерь.

Экспоненциальная кривая обучения, недостижимая для любой человеческой команды.

Два американских рабочих: экономика автоматизации

И тут возникает вопрос: а есть ли у такого робота серьёзные недостатки по сравнению с человеком?

Конечно есть. И вы не поверите — это цена.

Стоимость Atlas

Официальной цены пока нет, но сами Boston Dynamics заявляют, что стоимость робота «не превысит затраты на оплату труда двух американских рабочих за два года».

И сколько же это? Аналитики сходятся на цифре около 320 тысяч долларов. Немало. Есть и более оптимистичные оценки — 130–150 тысяч. Звучит куда ближе к реальности, но всё равно дорого.

Конкуренты

И это мы ещё не говорили про конкурентов. Tesla, Figure, Unitree и целое полчище китайских компаний. Все они целятся примерно в 20 тысяч долларов за единицу. А это уже совсем немного… за безотказного рабочего.

Планы: от единиц к миллионам

2026 год: начало производства

Весь объём производства Atlas, запланированный на 2026 год, уже полностью распределён. И тут без сюрпризов.

Производство началось немедленно после CES 2026 в штаб-квартире Boston Dynamics в Бостоне.

Главные заказчики:

• Hyundai — для своих автомобильных заводов
• Google DeepMind — 2–3 тысячи роботов для исследовательских лабораторий, где Atlas будет дальше прокачивать интеллект

RMAC: центр обучения роботов

Ключевым элементом стратегии стал Robot Metaplant Application Center (RMAC) — центр применения роботов на метазаводе, который открывается в 2026 году.

RMAC описывается командой как «фабрика данных», предназначенная для создания самого полного в мире набора данных для обучения производственным навыкам гуманоидных роботов. Этот центр будет служить двигателем для развёртывания десятков тысяч роботов на объектах Hyundai Motor Group по всему миру.

Данные, собранные с заводов Hyundai, будут поступать в RMAC, создавая контролируемую среду для обучения Atlas сложным задачам.

Развёртывание на заводах Hyundai

К 2028 году: Hyundai планирует использовать Atlas на заводе Hyundai Motor Group Metaplant America (HMGMA) в Джорджии для задач по сканированию деталей.

К 2030 году: обязанности робота «распространятся на сборку компонентов, и со временем Atlas также возьмёт на себя задачи, связанные с повторяющимися движениями, тяжёлыми грузами и другими сложными операциями», — заявляет Hyundai.

Планы производства

К 2027 году: Boston Dynamics планирует добавить дополнительных клиентов в начале 2027 года.

К 2028 году: Hyundai планирует запустить специализированный завод для массового производства гуманоидных роботов. Ожидаемая мощность составит от 10 до 30 тысяч единиц в год.

В декабре 2025 года Hyundai объявила об инвестициях в размере $26 миллиардов в американские операции, включая планы по строительству нового завода робототехники, способного производить 30 000 роботов в год.

К 2030 году: это уже десятки тысяч роботов ежегодно.

В перспективе 10 лет: аналитики прогнозируют миллионы роботов в год.

Отчёт Morgan Stanley от мая 2025 года прогнозирует, что рынок гуманоидных роботов может превысить $5 триллионов к 2050 году, с более чем одним миллиардом гуманоидов в использовании, в основном в промышленных и коммерческих ролях.

По состоянию на февраль 2026 года Atlas находится на переломном этапе — переходе от исследовательской платформы к коммерческому продукту.

Ключевые факты

Производство запущено: Atlas сейчас производится для коммерческого развёртывания в штаб-квартире Boston Dynamics в Бостоне.

2026 год полностью распределён: Флоты будут отправлены в Robot Metaplant Application Center (RMAC) компании Hyundai и Google DeepMind в течение ближайших месяцев.

Партнёрство с Google DeepMind: Модели-основания будут интегрированы для расширения когнитивных возможностей Atlas и более быстрого обучения задачам.

Поставка актуаторов от Hyundai Mobis: Hyundai Mobis будет производить актуаторы Atlas, создавая цепочку поставок автомобильного уровня.

Технические улучшения производственной версии

Boston Dynamics заявила, что сосредоточилась на упрощении дизайна новой версии:

«Мы ограничили количество двигателей, используемых в роботе, чтобы устранить сложность. Более того, все конечности Atlas можно заменить в полевых условиях менее чем за пять минут для простоты обслуживания и ремонта. От головы до пят каждая часть оборудования Atlas была создана для уменьшения точек отказа и обеспечения лёгких обновлений. Также будут доступны пути обучения и сертификации для расширения возможностей ваших команд по обслуживанию на месте для поддержания вашего парка».

«Это поколение Atlas значительно сокращает количество уникальных деталей в роботе, и каждый компонент был разработан для совместимости с автомобильными цепочками поставок», — заявила компания из Уолтема, штат Массачусетс. «При поддержке Hyundai Motor Group мы достигнем лучшей надёжности и экономии за счёт масштаба в отрасли».

Позиция на рынке

Boston Dynamics CEO Роберт Плейтер на CES заявил: «Более десяти лет назад мы были одной из немногих компаний на планете, вкладывающих реальные исследования и разработки в гуманоидных роботов. Теперь кажется, что каждую неделю появляется новая компания с большими планами создания гуманоидов. Мы не относимся к этому легкомысленно, и если мы собирались создать коммерческого гуманоида, мы должны были быть уверены, что у нас есть твёрдый план не только построить что-то крутое, но и построить что-то полезное».

Заключение: на чьей стороне будущее?

Ну а пока дышим спокойно, носим тёплые чулки и радуемся прогрессу. Или не радуемся.

История Atlas — это история о том, как технология, которая казалась фантастикой ещё десять лет назад, становится реальностью сегодня.

От миллионных прототипов, делающих сальто для YouTube, до серийных промышленных роботов стоимостью в несколько сотен тысяч долларов — путь пройден огромный.

От агентства DARPA и спасательных операций до автомобильных заводов Hyundai — назначение изменилось радикально.

От гидравлики к электрике. От штучного производства к автомобильным масштабам. От программирования к обучению через VR. От одиночных роботов к коллективному разуму.

И главный вопрос остаётся открытым: на чьей мы стороне — луддитов 1812 года или прогресса 2026-го?

Возможно, ответ не так прост, как кажется. Потому что прогресс неизбежен, но его последствия требуют осмысления.

Atlas уже здесь. Производство запущено. Первые роботы отправятся на заводы в ближайшие месяцы. К 2028 году их будут производить десятками тысяч в год.

Будущее наступает быстрее, чем мы думали. И оно синего цвета, весит 90 килограммов и работает 24 часа в сутки без отпусков и больничных.

Вопрос лишь в том, готовы ли мы к этому будущему.

ChatGPT и другие языковые модели поражают воображение. Они способны поддерживать беседу, писать код, объяснять квантовую физику. Они знают больше и думают быстрее, чем любой человек. Но при всей этой мощи у них есть одна фундаментальная проблема: они не понимают, как устроен реальный мир.

Они никогда не жили в нём. Не чувствовали тяжесть предметов, тепло и холод, запах дождя. И главное — не понимали последствий своих действий. У них есть знания о мире, но нет опыта жизни в нём.

Именно поэтому появилась идея создания мировой модели — внутреннего представления о физической реальности, которое позволит ИИ не просто знать об этом мире по описанию из интернета, а понимать его на собственном опыте. И возможно, когда такая модель будет создана, ИИ обретёт нечто большее, чем умение писать код и разговаривать. Он обретёт сознание.

Но разве можно создать такую модель? Можно. И этим уже занимается компания NVIDIA и её проект — Cosmos, который был представлен на CES 2025 в начале января и получил крупное обновление в марте 2025 года.

Эмерджентность: может ли неживое стать живым?

Чтобы понять, куда движется NVIDIA, нужно вернуться в 2017 год. Трое инженеров из OpenAI — тогда ещё малоизвестной некоммерческой организации — тренируют очередную языковую модель на отзывах с Amazon. Задача банальная: научить ИИ предсказывать следующий символ в тексте. Ничего необычного.

 

Но вдруг они замечают нечто странное. В процессе обучения модель начинает угадывать не только символы, но и настроение текста. Без какой-либо команды, без дополнительного обучения — внутри неё активируется нейрон, который с пугающей точностью определяет: этот текст позитивный, а этот негативный.

При этом модель понимает не просто эмоциональную окраску каждого отдельного слова, она понимает контекст. Как будто внутри бездушной программы вдруг проснулось нечто большее.

Эта находка потрясает инженеров OpenAI, среди которых был Илья Суцкевер — уроженец Горького (ныне Нижний Новгород), сын советского инженера-физика, сооснователь OpenAI и главный архитектор ChatGPT.

Суцкевер и коллеги начинают изучать этот феномен и копают глубже. Они создают OpenAI Microscope — инструмент, позволяющий заглянуть в глубинные слои нейросетей. И там они находят сокровище — необычные нейроны, которые называют мультимодальными.

Эти нейроны активируются на данные разного типа. Например, был найден нейрон, который реагировал на фотографии, рисунки и даже просто текст с упоминанием одного и того же понятия. Будто нейросеть без прямого указания сама начинает структурировать реальность, находить в ней закономерности и ассоциации.

В 2021 году при исследовании модели CLIP были обнаружены мультимодальные нейроны, аналогичные знаменитому «нейрону Хэлли Берри», найденному в мозге человека ещё в 2005 году. Этот биологический нейрон активировался при виде фотографий актрисы, рисунков и даже текста с её именем.

И чем больше модель, чем больше данных — тем больше появляется таких нейронов.

Но как такое возможно? В теории систем это называется эмерджентностью — способностью системы порождать свойства, которых нет у её частей по отдельности. От латинского emergent — «возникающий, неожиданно появляющийся». Иными словами, целое больше, чем сумма его частей.

Большое здание складывается из маленьких кирпичей. Живое — из неживых молекул. Но из чего складывается сознание?

Стаи птиц, косяки рыб, муравейники — простые правила взаимодействия отдельных особей без общей цели создают сложное, скоординированное поведение. Система подчиняет себе элементы, из которых состоит.

Один нейрон — это просто переключатель. Но миллиарды, сплетённые в сеть, могут породить нечто большее: субъективный опыт.

В это уверовал Илья Суцкевер. Обнаружив эмерджентные свойства больших языковых моделей, он пришёл к выводу: сознание — это не вопрос магии, это вопрос масштаба. Больше данных, больше параметров, больше вычислений — и больше денег.

Это стало стратегией OpenAI. Десятки миллиардов долларов и гигаватты энергии были сожжены на алтаре искусственного интеллекта с целью масштабировать ChatGPT.

И… это сработало! Успехи больших языковых моделей (LLM) превзошли все ожидания. Примитивный статистический алгоритм, единственная задача которого — предсказывать следующее слово или символ, научился решать задачи уровня олимпиад, писать сложный код, вести осмысленный диалог и даже будто сопереживать.

Но как бы ни впечатлял ChatGPT, это всё ещё не AGI (искусственный общий интеллект). Но что дальше? Продолжать сжигать сотни миллиардов долларов и бить в бубен видеокартами в дата-центрах в надежде, что это пробудит ИИ?

Нет! Так считает Ян Лекун — один из отцов-основателей современного ИИ, лауреат премии Тьюринга 2019 года, создатель свёрточных нейросетей (CNN) и руководитель по развитию искусственного интеллекта в Meta (признана экстремистской организацией и запрещена в России).

По его мнению, дальнейшее масштабирование LLM бессмысленно. Но оно и не понадобится! Ведь следующий прорыв в ИИ произойдёт не там, где его ищет OpenAI. И в этом уверен не только Лекун, но и NVIDIA.

Почему интернета недостаточно

Так что же не так с большими языковыми моделями? На самом деле, всё в порядке. LLM — это потрясающая технология. Просто они достигли предела. Мы уже скормили им весь верхний и нижний интернет: все книги, статьи, GitHub и Stack Overflow, комментарии на Reddit, YouTube, ВКонтакте.

И что мы получили? Огромный архив всех знаний человечества, с которым можно разговаривать! Уже это само по себе чудо! Но этого мало, во всех смыслах.

Во-первых, объём. Да, интернет огромен. Но по сравнению с потоком данных, который обрабатывает человеческий мозг, это капля в море. Только через зрительный канал к четырём годам ребёнок получает больше бит информации, чем содержится во всех текстах, когда-либо написанных людьми.

Во-вторых, природа данных. Реальный мир — это не текст. Читать про езду на велосипеде и кататься на нём — две большие разницы. А LLM живут в мире букв. Но это нереальный мир. Поэтому они не понимают фундаментальных свойств реальности — пространства и времени.

Но что это значит — «понимать пространство и время»? Знать формулы Ньютона и Эйнштейна? Нет! Кошка не знает уравнений, но она просчитывает траекторию своего прыжка лучше любого инженера NASA. То же самое с людьми. Мы интуитивно понимаем, как этот мир устроен, как с ним взаимодействовать, что в нём возможно, а что нет. А нейросети не понимают. Но как мы это делаем?

Мозг как предсказательная машина

Вот тут самое интересное: мы предсказываем будущее! Точнее, это делает наш мозг. Понимание физического мира — это способность предсказывать его следующее состояние.

Поэтому наш мозг постоянно задаётся вопросом: «что будет, если?» Что будет, если столкнуть стакан со стола? Он разобьётся или отскочит? Или, может, зависнет в воздухе? А что будет, если до него дотронуться? Это безопасно? Он горячий или холодный? Чистый или грязный? Гладкий или шершавый?

И мозг делает это непрерывно. Автоматически. Пространство вокруг нас — не декорация. Это огромный поток информации, который необходимо постоянно анализировать. От этого зависит наша жизнь.

Мозг непрерывно сканирует пространство вокруг нас и, объединяя данные со всех сенсоров, строит гипотезы. Поэтому мы чувствуем, где безопасно, а где тревожно. Где можно присесть и расслабиться, а откуда нужно бежать.

Когда предсказание совпадает с реальностью — мы спокойны. Или радуемся, если ожидали что-то приятное. А если не совпадает — удивляемся, пугаемся… или смеёмся.

Да, юмор — это тоже ошибка предсказания, которая не несёт угрозы. Но откуда у людей такие способности? Мы что, от рождения оракулы? Нет. Мы этому учимся.

К девяти-десяти месяцам у ребёнка начинает формироваться устойчивая физическая модель мира. Покажите ребёнку фокус: будто предмет завис в воздухе. Шестимесячный младенец не удивится. А девятимесячный — широко распахнёт глаза.

Почему? С этого возраста внутри каждого из нас уже крутится симулятор реальности. Наша внутренняя матрица, существующая параллельно реальному миру. Наша реконструкция реальности, благодаря которой мы предсказываем, «что будет, если». А ошибки предсказания формируют нашу реакцию на окружающий мир.

Ян Лекун называет такой симулятор мировой моделью. И если мы обучим ИИ строить внутри себя такую модель, как это делает девятимесячный ребёнок, мы сделаем следующий шаг. И возможно, это будет шаг к искусственному сознанию. Но как ИИ обучить мировой модели? Ответ простой: дать ему тело!

Последний пазл: почему сознанию нужно тело

Научная фантастика нас научила: тело без сознания мертво. Но и сознание без тела… вряд ли возможно. И вот почему. Передовые теории сознания и мозга — такие как «Теория глобального рабочего пространства» (Бернард Баарс, Станислас Дехенн), «Теория интеграционной информации» (Джулио Тонони, Кристоф Кох), «Теория предиктивного кодирования» (Карл Фристон) и «Гиперсетевая теория мозга» (Константин Анохин) — несмотря на разные подходы и различия в деталях, сходятся в одном:

Мозг — это гиперсеть. Это сеть сетей, связанных в единую архитектуру. То есть мозг — это не одна нейросеть, а набор разных нейросетей-модулей, непрерывно обменивающихся информацией друг с другом.

Если собрать такую систему модулей, выстроить связи и иерархии — мы получим искусственный мозг. И мы пугающе близки к этому. Например, в архитектуре искусственного мозга, которую предлагает Ян Лекун, всего шесть модулей:

• Кратковременная память;
• Модуль восприятия, который анализирует текущее состояние мира;
• Мировая модель, предсказывающая, что произойдёт дальше;
• Модуль мотивации, распределяющий награды и штрафы;
• Конфигуратор — дирижёр всей системы;
• Актор — принимает решения и действует.

И все эти модули уже реализованы. Кроме одного: мировой модели. Но когда мировая модель будет готова, ИИ станет автономным агентом, который воспринимает, понимает и действует. И что это, если не разумное существо?

Но обучить реальности — не простая задача. Потому что объективной реальности не существует. Она субъективна!

Реальность — это не фиксированный объект, а процесс восприятия. Каждое существо воспринимает мир по-своему: через свой набор сенсоров, свои цели и, главное, свой личный опыт.

И только построив свою субъективную реальность, ИИ сможет начать понимать нашу. Но тут возникает проблема. Успех всех современных ИИ-моделей обеспечил один фактор: у нас было очень много данных. Залили в ИИ петабайты текстов — получили ChatGPT. Скормили миллионы изображений и видео — получили Midjourney и Sora.

А субъективный опыт? Где его взять? Он не хранится на жёстких дисках. Его нет на YouTube. Его не скачать с торрентов. Тогда что делать? Запустить роботов в реальный мир? Пусть бегают, падают, набивают шишки? Можно. Но это долго, дорого и опасно — как для роботов, так и для людей.

Значит, нужен другой путь — создать симуляцию. Субъективную мультивселенную реальностей. Мир грёз, где время можно ускорить и отмотать назад. Где можно ошибаться, переигрывать, пробовать снова и снова, доводя навыки до совершенства. Где за одну ночь можно прожить тысячи жизней. И такой мир уже создаётся. Он называется NVIDIA Cosmos.

NVIDIA Cosmos — фабрика снов для роботов

Так что же такое NVIDIA Cosmos? Это фабрика по производству снов… для роботов. Звучит фантастически? А между тем, это вполне точное описание. Давайте разберёмся, как учится наш мозг, чтобы понять аналогию.

Ответ — чрезвычайно эффективно! Биологические нейросети, в отличие от искусственных, обладают важным преимуществом — нейропластичностью. Наш мозг не просто запоминает информацию — он буквально меняется на ходу. Подстраивает нейронные связи, адаптируется. Поэтому каждый раз, когда мы ошибаемся и пробуем снова, мы делаем это уже немного другим мозгом. Более эффективным.

Но даже этого недостаточно. Каждый день мы получаем больше информации, чем можем усвоить. Поэтому мозг продолжает обучение во сне.

Учёные проводили эксперименты на крысах. Грызуны бегали по лабиринту, а исследователи записывали активность нейронов — днём и ночью. Оказалось, что во сне мозг активирует те же нейроны, что и во время бодрствования, в том же порядке, но ускоренно.

Будто крыса снова и снова пробегает свой маршрут: запоминает повороты, запахи, ощущения — только теперь не в реальности, а в голове.

У людей тоже самое. Когда вы учите новый язык, играете на гитаре, решаете сложную задачу, ваш мозг возвращается к этому во сне. Он «пересобирает» прожитый опыт, укрепляет нужные связи, отбрасывает лишнее. Пробует разные варианты и находит решения, до которых днём не дотянулся.

Сон — это не отдых, это пространство для обучения. Где можно прожить события ещё раз: сказать то, на что не решился, сделать то, что не получалось, преодолеть то, на что не хватало сил. Без риска, без последствий. Ничего не напоминает?

Что для человека сон, для робота — симуляция. А сны — это обучающие материалы, но не универсальные, а сгенерированные специально для конкретной задачи.

Разница лишь в одном: для человека сны создаёт собственный мозг, а для роботов их синтезирует NVIDIA Cosmos. Да, NVIDIA Cosmos — это генератор снов. Система, которая берёт крупицу реального опыта и создаёт горный хребет синтетического.

Вот как это работает: Сначала Cosmos генерирует тонны синтетических миров — снов, в которых робот может тренироваться в симуляции. Потом он «просыпается» — выходит в реальный мир. Проверяет, чему научился. Делает ошибки.

Ошибки превращаются в данные. Данные — в опыт. А опыт — в новые сны. И цикл повторяется. Cosmos создаёт тысячи альтернативных сценариев: переигрывает неудачные попытки, предлагает новые решения, показывает другие пути. Но как всё это устроено технически? Вот здесь начинается самое интересное.

Cosmos изнутри

Чтобы создать Cosmos, в NVIDIA начали с самого фундамента — данных. Для начала они собрали гигантский массив видео: с камер роботов, с лидаров автопилотов, записи человеческих движений, манипуляций руками, явлений природы и других процессов из реального мира.

Звучит круто, но сырые данные машине не скормить. Их надо сначала приготовить. Поэтому в NVIDIA построили полноценный конвейер для автоматической обработки, очистки и разметки видеоданных. Видео разбили на фрагменты, вырезали скучное, некачественное и лишнее. Оставшееся разметили, добавили описания, перевели в понятный для машин формат — токенизировали.

Согласно данным, опубликованным NVIDIA в январе 2025 года на CES, модели Cosmos были обучены на 20 миллионах часов видео и 9 триллионах (не миллиардах) токенов. Для обработки такого объёма данных использовались тысячи видеокарт H100, а на платформе Blackwell эта задача может быть выполнена за 14 дней.

В результате получили ключевой компонент NVIDIA Cosmos: базовые мировые модели, или World Foundation Models (WFMs). Что это такое? Важно сразу уточнить: WFM — это ещё не сама мировая модель, это строительный материал. Фундамент, на котором можно построить мировую модель или, как говорят в NVIDIA, создать «физический ИИ».

WFM — это генераторы снов. Набор нейросетей, которые генерируют видео. Прямо как SORA или Runway, но с важным отличием: они заточены не на красивую картинку, а на физику и субъективный взгляд.

То есть, по сути, WFM генерируют мир глазами роботов. Они создают POV (point of view — «точка зрения»), где вы:

• робот-погрузчик в логистическом центре,
• кибертакси с шестью камерами и лидаром,
• гуманоид, который ставит чашку в посудомоечную машину.

NVIDIA анонсировала первую версию Cosmos на CES 2025 (6 января 2025 года), а в марте 2025 года на конференции GTC представила крупное обновление с новыми моделями и инструментами. Все модели доступны под открытой лицензией на платформах Hugging Face, NVIDIA NGC и GitHub.

Три типа моделей Cosmos

На сегодняшний день у Cosmos три типа моделей.

Cosmos Predict. Это модель, которая предсказывает, как изменится мир. Она берёт мультимодальный ввод — видео, текст, траекторию движения, сенсорные данные — и генерирует, что будет дальше. Проще говоря, если дать ей кадры видео и задачу вроде «поставь чашку на полку», она покажет, как именно это должно произойти — с правильной траекторией и корректной физикой.

Cosmos Predict — это сценарист снов. Он позволяет переиграть уже прожитый опыт разными способами. Например, если андроид во время испытания не смог поставить книжку на полку, сложить полотенце, сортировать посуду или выкинуть мусор — не беда! Cosmos Predict позволит переиграть эти воспоминания и сгенерировать образцовые материалы для обучения.

Или, скажем, автопилот. Cosmos Predict поможет сгенерировать разные дорожные ситуации и траектории движения. Причём не для одной камеры, а сразу для шести. Компании 1X, Nexar и Oxa используют Cosmos Predict для обучения своих гуманоидных роботов и систем автономного вождения.

Cosmos Transfer. Если Predict придумывает, что будет, то Transfer отвечает за реализм. Эта модель превращает любые видеоданные в живую картинку. Есть только данные с лидара? Не проблема — Transfer насыпет реализма. Вот тебе: день, ночь, снег, дождь, блики, грязь — сама суровая жизнь во плоти.

Есть размытое видео в 240p? Держи хай-рез вариант, чтобы звенело! Или вообще нет видео? Только 3D-сцена из NVIDIA Omniverse? Не проблема, Transfer накинет текстур и освещения: тысячи вариантов в любых локациях и условиях, да так, что RTX заплачет в сторонке.

Кажется, скоро менять графику в играх будет так же просто, как скин в Counter-Strike. 1X использует Cosmos Transfer для обучения своего нового гуманоидного робота NEO Gamma. Разработчик мозга для роботов Skild AI применяет Cosmos Transfer для расширения синтетических датасетов.

Cosmos Reason. Фантазировать — хорошо. Но иногда нужно подумать, насколько эти фантазии соответствуют реальности. Для этого и существует третья модель. Она была представлена в марте 2025 года на конференции GTC как полностью открытая и настраиваемая модель рассуждения для физического ИИ. Это рассуждающая нейросеть: не та, что поможет решить уравнение или найти баг в коде, она рассуждает о другом — о физической реальности.

У неё две ключевые способности:

• Physical Common Sense Reasoning — рассуждение о физическом здравом смысле. То есть способность понимать, что в этом мире возможно, а что нет.
• Embodied Reasoning — телесное мышление. То есть рассуждение, основанное на опыте взаимодействия с физическим миром через тело, как у животных и людей.

И Cosmos Reason уже умеет многое:

• Может предсказать, что человек сделает после того, как налил молоко в кофе.
• Понять, движется видео вперёд или назад.
• Угадать следующее действие водителя за рулём.

И делает это убедительно, рассуждая как человек.

Понятно, о чём вы думаете: это похоже на мировую модель, но это всё ещё не она. Почему? Потому что Reason основана на LLM. Она рассуждает логически, а не интуитивно. А значит — медленно. Это не «мгновенное ощущение ситуации», а последовательный анализ и он требует времени.

Но даже так она уже полезна:

• Роботы с её помощью могут планировать действия, если у них есть время подумать.
• А ещё она может отбраковывать физически некорректные видео, которые сгенерировали Predict и Transfer.

Вместе все три модели — Predict, Transfer и Reason — образуют полный цикл генерации и фильтрации синтетического опыта. Они создают сны, в которых роботы учатся и обобщают свой опыт, как люди. И это уже приносит плоды.

Кто использует Cosmos

На основе предобученных моделей NVIDIA Cosmos лидеры отрасли создают бесконечные потоки снов для роботов всех размеров и типов, ускоряя их обучение в сотни раз. Среди компаний, уже использующих Cosmos:

Робототехника:

• 1X — для обучения гуманоидного робота NEO Gamma;
• Agility Robotics — использует Cosmos для масштабирования фотореалистичных обучающих данных;
• Figure AI — для генерации данных обучения;
• Skild AI — применяет Cosmos Transfer для расширения синтетических датасетов;
• Virtual Incision — изучает возможности применения в хирургических роботах.

Автономный транспорт:

• Uber — партнёрство с NVIDIA для ускорения автономной мобильности;
• Waabi — оценивает Cosmos для курирования данных в разработке ПО для автономных транспортных средств;
• Oxa и Nexar — используют для обучения систем автономного вождения.

И главное — всё это open source. Фабрика грёз NVIDIA не собирается останавливаться: новые версии моделей ожидаются в течение 2025 года.

Но возникает вопрос: что будет, если после очередного цикла синтетических снов робот проснётся по-настоящему?

Модель себя

Знакомо ли вам это чувство? Когда вдруг осознаёшь себя во сне. Только что ты был сторонним наблюдателем, растворённым в пространстве. А потом — ты есть. Ты проснулся внутри сна.

Однажды нечто подобное может произойти и с искусственным интеллектом только не во сне, а в реальности. Мало кто об этом говорит. Но, давая ИИ тело, обучая его модели мира, мы неизбежно обучаем его модели себя.

Мы учим его ориентироваться в пространстве. А значит — осознавать, где заканчивается его тело и начинается всё остальное. Мы даём ему мотивацию, учим стремиться к награде., избегать боли и оценивать последствия своих действий.

Мы даём ему цели, убеждения, правила. Объясняем, что такое «хорошо», за что его похвалят и за что могут отключить от питания. Но какие это будут цели? Какие убеждения? Какая мораль? Это будут решать люди. По крайней мере, на первых порах.

Всё это звучит как научная фантастика, но это реальность, в которой мы живём прямо сейчас. А в какой реальности мы будем жить через три, пять, десять лет? Что ж, скоро узнаем.

Пару слов о самом проекте:

NVIDIA Cosmos — это открытая платформа для разработки физического ИИ, представленная на CES 2025 и значительно расширенная на GTC 2025 в марте того же года.

Все модели доступны под открытой лицензией на Hugging Face, NVIDIA NGC и GitHub. Проект активно развивается: в декабре 2025 года уже десятки компаний по всему миру используют Cosmos для обучения роботов, автономных автомобилей и других физических систем ИИ.

Какой вид спорта можно назвать самым технологичным или роботизированным? Кажется, это бесйбол. Ведь в скором времени поклонники бейсбола могут увидеть роботов-судей, выполняющих функции «ампайров». Комиссар лиги Major League Baseball Роб Манфред сообщил ESPN, что он хочет ввести роботов-судей уже к 2024 году.

Манфред предложил два варианта того, как робо-судьи будут работать во время бейсбольных матчей. Первый вариант заключается в том, что робо-судьи будут работать как автоматизированная система, называя каждую подачу и сообщая мячи и страйки судьям-людям через наушник. Второй вариант заключается в том, что робо-судьи будут работать как система проверки и повтора мячей и страйков, позволяющая менеджерам оспаривать их решения.

Этот шаг происходит на фоне призывов некоторых болельщиков MLB, которые были недовольны работой судей в прошедшем сезоне. Манфред, однако, «настаивает на том, что адаптация робо-судей не должна рассматриваться как критика способностей и обвинение [судей]», согласно ESPN.

Система робо-судей уже тестируется во второстепенных лигах и сократила время игры в среднем на девять минут, согласно данным MLB.

Что-то странное происходит.

Илон Маск представили проект робота-гуманоида и назвал Tesla самой большой компанией по производству роботов. Xiaomi выпустили своего робопса. Робот-Фёдор освоил стрельбу по-македонски. Неужели грядет восстание роботов?

Точно неизвестно, но врага надо знать в лицо. Поэтому настало время разобраться в истории робототехники.

Сегодня обсудим как развивались роботы, какие они бывают и где применяются. Узнаем как работа отличить от посудомойки. И определимся, где мы находимся сейчас и когда уже роботы захватят мир?

Что такое робот?

Начнем с банального вопроса. А что такое робот?

По сути, это просто устройство, способное автоматически, без участия человека осуществлять разного рода механические операции. Но почему тогда мы не называем стиральную или посудомоечную машину роботами, ведь они самостоятельно осуществляют механические операции, более того они выполняют рутинную работу за человека, сильно упрощая жизнь.

Дело в том, что робот в отличие от машины, помимо всего прочего, еще способен самостоятельно принимать решения в ответ на изменяющиеся внешние обстоятельства.

Потому недавние слова Илона Маска о том, что Tesla — это самая крупная компания, производящая роботов, имеют смысл. Ведь автомобиль Tesla + автопилот — это уже не просто модная тачка, а робот.

Кстати, в этом смысле большинство современных самолётов — это летающие роботы. Ведь современные автопилоты умеют не только взлетать и добраться до точки назначения, но и посадить самолет даже в сложных погодных условиях и при ограниченной видимости. Так что новый сезон “Крутого пике” будет просто снимать приборную панель. Никакого усатого капитана.

Сам термин робот происходит от словацкого слова Robota. Да именно словацкого, а не русского, потому что термин использовал писатель Карел Чапек, который употребил его впервые в пьесе «Р. У. Р.» или «Россумские универсальные роботы» в 1920 году. Ну что ж с терминологией определились. Теперь разберемся — какие бывают роботы.

Гуманоидные роботы

Классификаций масса, но на мой взгляд роботов проще всего поделить на три типа по степени полезности.

Самыми бесполезными роботами являются гуманоидные роботы. То есть это все различные роботы-андроиды, единственная задача которых имитировать человека, в основном с целью развлечения или привлечения внимания. Сюда же относятся роботы имитирующие животных.

Яркие примеры:

• 300 год до нашей эры — огромные движущиеся статуи в виде женщин, как бы оберегающие Александрийский маяк. Прям как в «Игре престолов».

• 1495 год нашей эры — робот-рыцарь от Леонардо да Винчи. Он обладал анатомически правильной моделью челюсти, мог сидеть и ходить, двигать руками, поднимать забрало, размахивать мечом.

• 1740-е — какающая утка с системой пищеварения.

И мой любимый чувак — робот «Электро» 1939 года отроду. Он мог ходить, крутить головой и махать руками, говорить, знал 700 слов, отличать красный цвет от зелёного глазами и надувать воздушные шарики и конечно же нервно курить. Раньше были такие идеалы.

Но всё это на самом деле не роботы, а просто механизмы.

Первый действительно настоящий робот появился только в 2000 году. И это робот Asimo от Honda.

Это красавчик уже умел ходить по лестнице, узнавать лица, распознавать речь трёх одновременно говорящих человек и даже оборачиваться на неожиданные тревожные звуки. В целом, один в один мой типичный вечер.

Boston Dynamics

Особняком среди всех человекоподобных или звероподобных роботов стоят ребята из Boston Dynamics.

В отличие от других подобных роботов, эти ребята очень неплохо бегают, прыгают и держат равновесие.

Их робот-собака Spot Mini может быть очень полезен на опасных производствах, при исследовании завалов и в прочих опасных и недоступных для человека местах. А двухколесный робот Handle может достаточно быстро перекладывать ящики на складах. Но пока, что все эти роботы — это просто обкатка технологий. А для задач, которые они способны решить, пока что есть более дешевые и надежные решения.

Особняком конечно стоит анонсированный недавно Tesla Bot, который вроде и команды понимает, и ходит нормально, и рутинную работу с мелкой моторикой будет делать. Но прототип покажут только в следующем году. Тогда и поговорим…

Бытовые работы

Поэтому переходим к более полезным роботам. А именно к бытовым роботам, то есть к роботам, которые помогают людям по хозяйству.

В 1899 представляли, что к 2000 году мир будет выглядеть так. Немного не угадали, хотя в стиль интерьера для 2000-х хорошо попали.

Но были и более точные прогнозы. Например, в нетленной книге Николая Носова «Незнайка в солнечном городе» необычайно точно описали современный робот-пылесос. Он назывался Кибернетика и по форме и функциям прям один-в-один — умный помощник от Xiaomi.

Но самом деле первый робот пылесос был представлен чуть позже. В 1996 году ELECTROLUX представил макет первого интеллектуального уборщика. А в 2002-м первый робот-пылесос поступил в продажу.

В том же году вышел и второй робот-пылесос от конкурента — компании iRobot, которая, кстати, в то время в основном специализировалась на военных роботах. Но благо они выстрелили лучше военных роботов и iRobot своё военное подразделение продали.

Но настоящая революция среди роботов-пылесосов произошла в 2016 году. Тогда вышел Xiaomi Mi Robot Vacuum Cleaner. Тогда девайс перевернул рынок, в нём было всё: навигация на базе лидара, управление через приложение, высокая мощность всасывания, центральная щетка и невысокая цена.

Продолжение записи

Иными словами с 2016 года роботы-пылесосы стали первыми в мире по-настоящему полезными и недорогими бытовыми роботами.

Но на что роботы-пылесосы способны сейчас. У меня есть вот такая актуальная модель. Это Viomi Alpha S9.

Кто не знает, Viomi — это суббренд Xiaomi, поэтому он работает в экосистеме умного дома Xiaomi точно также через приложение MiHome. Но в отличие от классического робота-пылесоса Xiaomi тут есть несколько крутых нововведений.

Во-первых, он умеет не просто строить карты при помощи лидара, но и запоминать её. Кстати, запоминает несколько этажей автоматически и распознает их.

Второе, это моющий робот-пылесос и у него есть новый Y-образный алгоритм мытья пола, который позволят не просто протирать пол, но и отмывать пятна.

Ну и конечно, можно выставлять зоны влажной уборки, где нужно больше воды, где меньше, а куда вообще не надо ехать.

Третье, тут ёмкий аккумулятор 5200 мАч, которого хватает на на 220 минут безостановочной работы или 320 квадратных метров пола. А также высокая сила всасывания 2700 Па.

И главная киллер-фича — это конечно же станция самоочистки. Это крутейшая штука. Обычно как с роботами-пылесосами. Они, конечно пылесосят сами, раз в пару дней, а то  может и каждый день, если у вас животное дома. Но всегда надо очищать пылесборник. Задача не хитрая, но неприятная. А тут каждый раз как пылесос паркуется, вся пыль автоматически всасывается в большой пылесборник. В котором нужно будет просто менять мешок для пыли примерно раз в месяц.

Короче, если у вас нет робота-пылесоса берите обязательно. Робот-пылесос — это единственный реально MUST-HAVE робот на текущий момент.

Что же касается других бытовых роботов, пока они не доросли до пылесосов. Есть умные шкафы, которые складывают одежду. Например, FoldiMate или Laundroid но пока, что стоят они дорого и мало что умеют.

Промышленные/медицинские роботы

И поэтому мы, наконец, подбираемся к последнему классу классу роботов — это различные различные роботы манипуляторы или по-простому роборуки. Это самые полезные роботы, потому как они умеют делать других роботов.

Первая роборука появилась на заводах General Motors ещё в 1961 году. Это был робот Unimate.

Всё, что умел этот робот — брать деталь в одном месте и ставить её в другом. И всё. Но тогда это была настоящая революция, потому что он мог делать эту скучную монотонную работу сутками напролёт: не уставая и не ошибаясь.

Например на заводе Tesla современные роботы-манипуляторы выполняют до 90% операций, а люди выполняют только самые мелкие операции, типа установки ручек или подключения проводов в нужное место. И количество роботов на заводе только увеличивается. В 2013 году их было всего 200, а к 2017 году выросло до 500.

Пока Tesla закупает роботов, но в будущем возможно, что роботы станут производить сами себя.

Подобные роборуки также используют для съемки невероятных точно выверенных кадров в рекламе, клипах, ну или у MKBHD такая тоже есть.

Чего не хватает и что нас ждёт?

В общем, на текущий момент роботы — это свершившаяся реальность. Современные камеры и машинное обучение позволили им ориентироваться в окружающем мире. Они научились ездить по дорогам, распознавать предметы на заводах, сортировать посылки, распознавать лица, эмоции и прочее.

А еще они научились бегать прыгать, даже танцевать. Дальше, благодаря самообучающимся нейросетям, они смогут учиться ходить самостоятельно.

Новые роботизированные технологии производства и 3D-печать позволяет создавать гибкие корпусы, суставы, что сделает роботов еще более подвижными и грациозными.

С другой стороны полноценные человекоподобные андроиды — пока плоды обещаний.

Иными словами скоро самостоятельные самоуправляемые роботы заполнят наши города и дома. Как только мы найдем для них более эффективный источник питания, чем литий-ионные батареи.

Японский художник Икеучи Хирото представил свою персональную выставку в Токио. Работы Хирото недавно стали достоянием общественности, когда Balenciaga заказала современному художнику свой лукбук весны 2022 года, представив массив высокотехнологичных механических масок, которые превращают моделей в потусторонние фигуры далекой эпохи.

Эта персональная выставка станет крупнейшей в истории художника. На ней будут представлены его механические маски, VR-гарнитуры, экзоскелет, созданный компанией Skeletonics, занимающейся разработкой роботов, футуристический автомобиль и интерактивные работы, созданные в сотрудничестве с дизайнерской компанией Prototype Inc.

Вдохновленный Star Wars, Zoids и Mobile Suit Gundam, художественный стиль Икеучи зародился, когда он начал делать фигуры из деталей своего персонального компьютера и моделей.

На протяжении многих лет Икеучи продолжал оттачивать свое мастерство, создавая свою собственную киберпанк-экспрессию, перерабатывая готовые пластиковые и промышленные детали в массив продуманных гаджетов и механического оборудования.

Интересно отметить, что хотя работы Икеучи выглядят концептуально и предназначены для визуального наслаждения, они по-прежнему сохраняют свои первоначальные функции.

Выставка IKEUCHI HIROTO открыта в токийской галерее Sai и продлится до 30 января.

В последний раз мы видели Spot танцующим вместе со всей семьей Boston Dynamics в конце прошлого года. Это была в основном демонстрация того, насколько Atlas, двуногий робот компании, продвинулся вперед с тех времен, когда он едва мог ходить.

В новом сольном шоу мы можем увидеть, как Spot двигается под песню «Start Me Up» группы The Rolling Stones в честь 40-летия их альбома 1981 года Tattoo You. И если вы думаете, что танцы робота слишком похожи и выглядят немного странно, то дождитесь момента, когда он начнёт подпевать. От этого действительно можно сильно испугаться.

Boston Dynamics выпускает подобные видео регулярно, как бы напоминая тем, кто смотрит: «Да, мы все еще существуем». Ранее в этом году Hyundai завершила приобретение компании, став третьим владельцем фирмы за последние десять лет. Совсем недавно автопроизводитель подробно описал, как он собирается использовать Spot на своих сборочных заводах в Южной Корее. Кажется, там роботы не танцуют, а работают…

Компания Volvo стремится внедрить технологию автономного вождения в строительные бригады, но для этого она избрала весьма необычный путь. Автопроизводитель представил прототип автономного колесного погрузчика LX03, который основан на модели Lego — 42081 Lego Technic Concept Wheel Loader Zeux.

Машина может перевозить до 5 тонн груза и принимать самостоятельные решения в самых разных ситуациях, включая совместную работу с людьми.

LX03 также имеет уникальную модульную конструкцию. Volvo может внести «всего одно или два изменения», чтобы изготовить погрузчик большего или меньшего размера в соответствии с требованиями заказчика.

Неудивительно, что он электрический и может работать до восьми часов в зависимости от характера работы. Таким образом, он должен быть доступен в течение обычного рабочего дня.

Прототип не является серийной моделью, однако он представляет собой «следующий этап» в усилиях Volvo по изучению искусственного интеллекта и декарбонизации строительства. Невозможно отрицать привлекательность создания реального, полностью функционального автомобиля на основе пластиковой строительной системы, особенно когда это может стать началом будущего, в котором люди не будут выполнять опасные и монотонные задачи.

Компания Boston Dynamics чаще всего ассоциируется с собаками-роботами, но она официально запрещает использовать свои устройства Spot в качестве оружия. Однако, это относится не ко всем производителям собак-роботов. Один из них, Ghost Robotics, продемонстрировал версию своего устройства Q-UGV, которую многие ожидают с ужасом. Это собака-робот с прикрепленной к ней пушкой.

Компания Ghost Robotics производит собак-роботов для военных и она продемонстрировала эту смертоносную модель на ежегодной конференции Ассоциации армии США в Вашингтоне. Компания Sword International создала модуль «беспилотной винтовки специального назначения» (или SPUR). По данным The Verge, он оснащен тепловизором для работы в ночное время, эффективной дальностью стрельбы 1,2 км и 30-кратным оптическим зумом.

«Благодаря своим высокоэффективным сенсорам SPUR может работать в самых разных условиях, как днем, так и ночью», — говорится на сайте компании Sword. «Sword Defense Systems SPUR — это будущее беспилотных систем вооружения, и это будущее уже наступило».

Как отмечает Popular Science, пока неясно насколько автономным будет Q-UGV, оснащенный SPUR, в полевых условиях. Также неизвестно, будет ли человек-оператор направлять робота в труднодоступные места, вручную прицеливаться и делать выстрелы (что кажется более вероятным), или же робот будет делать все сам. В любом случае, это тревожная перспектива, и это еще до того, как мы узнаем о возможности того, могут ли вражеские хакеры получить контроль над этими машинами.

Если собака-робот с пушкой кажется вам недостаточно антиутопичной, у Ghost Robotics есть еще один Q-UGV с другим видом полезной нагрузки: беспилотником Lockheed Martin и датчиком разведки Digital Force Technologies.

Роботы-снайперы. Летающие роботы-шпионы. Будущее выглядит просто замечательно, не так ли?

Китайский производитель электротранспорта — компания XPeng представила робота-единорога.

Это явно камень в огород компании Boston Dynamics и их робопса Spot. Интересно, что китайская компания взяла за основу несуществующее животное.

Интересно, что на единороге даже смогут покататься дети и пообщаться с ним.

На данный момент нет ни даты выхода, ни цены. Стоит отметить, что в видео довольно много рендеров вместо реального робота, так что возможно, что речь идет лишь о ранних наработах и единорог от XPeng никогда не станет реальным. С другой стороны, на то он и единорог…

В четверг Tesla представила своей человекоподобного робота Tesla Bot.

Робот будет ростом с человека (172 см) и будет весить порядка 56 кг. Андроид будет развивать скорость до 8 км/ч. Так что «на уровне физики вы можете убежать от робота и даже превосходите его по силе».

«Главное, чтобы вы могли бегать быстрее бота, тогда все будет в порядке». Его представили в рамках AI Day, который прошел в штаб-квартире компании в Пало Альто.

Илон Маск, CEO Tesla, не забыл сделать громкое заявление, сказав, что Tesla станет «без сомнения самой большой робокомпанией в мире». В то же время он описал электромобили компании как «полуразумный роботы на колесах».

Также основатель компании сообщил, что. Tesla Bot создается для мира, построенного людьми и будет заниматься опасными, повторяющимися и скучными задачами. Бот может нести до 20 кг веса и поднимать до 68 кг.

На его голове будет дисплей для полезной информации, а для навигации будут использоваться 8 камер. Интересно, что в Tesla Bot будет установлен тот же компьютер для беспилотного движения и все те же «детали», что и в машинах Tesla.

Прототип Tesla Bot должен появится в следующем году.