Коли робот отримає свій «ChatGPT-момент»: чому головна гонка зараз не в тілі, а в «мозку»

У роботів уже є сильні тіла, але універсального «мозку» ще немає

Гуманоїди навчилися ходити, переносити коробки, балансувати й виконувати добре підготовлені демонстрації. Складніше інше: дати машині нове незнайоме середовище й очікувати, що вона сама зрозуміє ситуацію, спланує дію та безпечно виправиться після помилки.

Голова ACE Robotics Ван Сяоган у розмові з Reuters прогнозує, що до кінця 2027 року embodied intelligence може пережити свій «ChatGPT moment». Це прогноз, а не оголошена дата технологічного прориву, але він добре описує головну гонку сучасної робототехніки.

Embodied AI має замкнути цикл від сприйняття до дії

Чатбот працює зі словами. Робот працює зі світом, де помилка має фізичні наслідки. Йому потрібно одночасно розпізнати об’єкти, оцінити геометрію, спрогнозувати наслідки руху, вибрати безпечну дію й постійно оновлювати план за новими сенсорними даними.

Саме тому у physical AI дедалі більше уваги отримують world models: системи, які моделюють не лише поточну сцену, а й те, як вона може змінитися після конкретної дії.

Kairos намагається поєднати світ і дію в одній моделі

ACE розвиває Kairos — приблизно 4-мільярдну world-action model. В описі проєкту вона поєднує розуміння середовища, генерацію майбутніх станів і прогноз виконуваних дій для різних типів роботизованих платформ.

Частина проєкту відкрита: код, моделі й технічний звіт доступні публічно. Це важливо, бо конкуренція в embodied AI йде не лише між виробниками гуманоїдів, а й між архітектурами, які мають стати переносним intelligence layer для різного hardware.

Головний дефіцит — реальні фізичні дані

Мовні моделі отримали майже весь доступний інтернет-текст. У робототехніки немає аналогічного «інтернету дій». Для навчання потрібні відео, положення кінцівок, контакти, сили, невдалі спроби, зміни середовища та результат кожного руху.

Reuters передає оцінку Вана, що галузь поки накопичила порядку сотні тисяч годин таких даних, тоді як ACE хоче рухатися до мільйонів і десятків мільйонів годин. Один зі способів — носимі сенсори, які перетворюють звичайну людську роботу на навчальні траєкторії.

Чому «ChatGPT moment» не означає масового робота наступного дня

Навіть сильна універсальна модель не вирішує батареї, вартість приводів, надійність, safety, сервіс і швидкість inference на edge hardware. Робот — це одночасно software і складна фізична машина.

Тому сам прогноз ACE розділяє модельний перелом і широке комерційне впровадження: після можливого стрибка здібностей може знадобитися ще кілька років, щоб технологія стала стабільною й економічною у великій кількості сценаріїв.

Найцікавіший сценарій — один intelligence stack для різних тіл

Якщо world-action model навчиться переносити знання між маніпуляторами, мобільними роботами й гуманоїдами, hardware перестане бути єдиною точкою інтелекту. Різні машини зможуть використовувати споріднений модельний стек і швидше освоювати нові задачі.

Саме такий момент і може стати справжнім переломом: не один «ідеальний гуманоїд», а десятки різних роботів, яким уже не потрібно програмувати кожну фізичну дію окремо.

↗