Российский рынок робототехники находится в фазе активного роста. Главный драйвер спроса — дефицит людей и рост стоимости труда. Роботизация становится не столько способом «сэкономить на сотрудниках», сколько способом вообще продолжать масштабировать бизнес там, где людей физически не хватает. Сильная сторона российского рынка — наличие реального спроса и достаточно большого количества прикладных задач.

Роботы уже работают на производствах, складах, в ритейле, логистике и городской среде. Но у классической автоматизации есть ограничения.

Чем менее структурирована и предсказуема среда, тем больше исключений приходится программировать вручную. Если робот должен взять один и тот же объект, лежащий каждый раз немного по-разному, классический подход заставляет разработчика заранее описывать огромное количество вариантов. Эту задачу решает Physical AI — физический ИИ. Он же позволяет перенести часть этой сложности из программирования в обучение модели.

Сегодня мобильный робот может привезти сотруднику целый стеллаж, а человек уже сам находит нужный товар и берет его. В более универсальной системе робот сам переместится к нужному месту, найдет предмет среди других объектов, поймет, как лучше подойти, возьмет его и положит в нужную тару. Для этого нужен физический ИИ. Но ему нужны большие объемы качественных данных о действиях в материальном мире. И здесь принципиальное отличие от обычного генеративного ИИ: интернет уже содержит миллиарды текстов и изображений, но почти не содержит наборов данных с роботами, выполняющими то или иное действие.

Поэтому одним из способов сбора данных становится «телеоперация»: человек буквально управляет роботом и показывает ему, как выполнять операцию.

Если для обучения языковой модели можно собрать огромный датасет из уже существующего в интернете корпуса текста, то для роботов зачастую приходится физически проводить тысячи и десятки тысяч демонстраций. Этот процесс оказывается действительно капиталоемким. В конечном счете экономика физического ИИ должна строиться примерно так же, как экономика современных AI-моделей: один раз создается дорогая технологическая инфраструктура, а затем ее предельная стоимость на каждую новую задачу постепенно снижается.

Что же есть у нас в России для развития физического ИИ? Во-первых, сильная инженерная школа — от механики и электроники до управления и компьютерного зрения. Во-вторых, есть серьезные компетенции в области машинного обучения и ИИ. В-третьих, появляется все больше реальных роботизированных объектов, где технологии можно испытывать не в лаборатории, а на настоящих операциях. При этом главного ресурса пока не хватает — масштаба реального применения. Нам нужны не отдельные успешные роботы, а тысячи машин, работающих в реальных условиях и постоянно генерирующих данные.

Стать абсолютным лидером сразу во всей мировой робототехнике — неразрешимая задача.

Сегодня крупнейшие рынки уже обладают огромными производственными мощностями и парками роботов. Но у робототехники есть важная особенность: она постепенно переходит от соревнования исключительно в «железе» к соревнованию в интеллекте. И здесь окно возможностей остается гораздо шире.

И в этом смысле российская цель заключается не в том, чтобы построить больше всех роботов. Гораздо интереснее построить технологическую платформу, которая позволит быстро превращать реальные операции в данные, данные — в более умные модели, а модели — в новые роботизированные продукты.

Олег Шипитько, гендиректор «Яндекс Роботикс»