Когда робот получит свой «ChatGPT-момент»: почему главная гонка сейчас не в теле, а в «мозге»

У роботов уже есть сильные тела, но универсального «мозга» пока нет

Гуманоиды научились ходить, переносить коробки, балансировать и выполнять хорошо подготовленные демонстрации. Сложнее другое: дать машине новое незнакомое окружение и ожидать, что она сама поймёт ситуацию, спланирует действие и безопасно исправится после ошибки.

Глава ACE Robotics Ван Сяоган в разговоре с Reuters прогнозирует, что к концу 2027 года embodied intelligence может пережить свой «ChatGPT moment». Это прогноз, а не объявленная дата технологического прорыва, но он хорошо описывает главную гонку современной робототехники.

Embodied AI должна замкнуть цикл от восприятия до действия

Чатбот работает со словами. Робот работает с миром, где ошибка имеет физические последствия. Ему нужно одновременно распознать объекты, оценить геометрию, спрогнозировать последствия движения, выбрать безопасное действие и постоянно обновлять план по новым сенсорным данным.

Поэтому в physical AI всё больше внимания получают world models: системы, которые моделируют не только текущую сцену, но и то, как она может измениться после конкретного действия.

Kairos пытается объединить мир и действие в одной модели

ACE развивает Kairos — примерно 4-миллиардную world-action model. В описании проекта она объединяет понимание среды, генерацию будущих состояний и прогноз исполнимых действий для разных типов роботизированных платформ.

Часть проекта открыта: код, модели и технический отчёт доступны публично. Это важно, потому что конкуренция в embodied AI идёт не только между производителями гуманоидов, но и между архитектурами, которые могут стать переносимым intelligence layer для разного hardware.

Главный дефицит — реальные физические данные

Языковые модели получили почти весь доступный интернет-текст. У робототехники нет похожего «интернета действий». Для обучения нужны видео, положения конечностей, контакты, силы, неудачные попытки, изменения среды и результат каждого движения.

Reuters передаёт оценку Вана, что отрасль пока накопила порядка сотни тысяч часов таких данных, тогда как ACE хочет двигаться к миллионам и десяткам миллионов часов. Один из способов — носимые сенсоры, превращающие обычную человеческую работу в обучающие траектории.

Почему «ChatGPT moment» не означает массового робота на следующий день

Даже сильная универсальная модель не решает батареи, стоимость приводов, надёжность, safety, сервис и скорость inference на edge hardware. Робот — одновременно software и сложная физическая машина.

Поэтому сам прогноз ACE разделяет модельный перелом и широкое коммерческое внедрение: после возможного скачка способностей может понадобиться ещё несколько лет, чтобы технология стала стабильной и экономичной в большом количестве сценариев.

Самый интересный сценарий — один intelligence stack для разных тел

Если world-action model научится переносить знания между манипуляторами, мобильными роботами и гуманоидами, hardware перестанет быть единственной точкой интеллекта. Разные машины смогут использовать родственный модельный стек и быстрее осваивать новые задачи.

Именно такой момент и может стать настоящим переломом: не один «идеальный гуманоид», а десятки разных роботов, которым уже не нужно программировать каждое физическое действие отдельно.

↗