В этом параграфе мы перейдём от исследований к практике и посмотрим, в каких сферах уже применяются решения на основе Physical AI.

Массовое масштабирование пока остаётся вызовом, но даже попытки прийти к масштабированию подсвечивают реальные ограничения и точки роста технологии.

Сперва мы ещё раз вспомним, зачем нужен Physical AI и где традиционной робототехники недостаточно. После этого пройдёмся по различным примерам и успехам Physical AI.

Где Physical AI уже вторгся на территорию классической робототехники

Кратко напомним, что главные опоры Physical AI решают важные проблемы классической робототехники:

• Сложность спецификации поведения. Какой написать код для сложного танца?
• Пайплайновая сложность. Так много компонентов, как внести изменение и ничего не сломать?
• Стоимость и скорость масштабирования. Вчера случился резкий рост товаропотока. Вы уже готовы?

В пределе своего развития Physical AI должен заменить классическую робототехнику. Любая задача должна решаться простым промптингом робота-генералиста вне зависимости от его воплощения, будь то робособака, гуманоид, полугуманоид или обычная тележка на складе.

Но Physical AI — молодая область, и не все проблемы ещё решены: например, решения дорогие, а гарантий безопасности почти нет. Более подробно о существующих проблемах в отрасли мы поговорим в главе 6.

Но сейчас стоит понимать, что на внедрение робота на базе Physical AI влияет целый клубок факторов и для каких-то применений понятно, почему есть законченные решения, а где-то прогресс произошёл неожиданно для всех.

Поэтому самое лучшее, что мы можем сделать, — посмотреть на самые распространённые прикладные решения. Приступим!

Мониторинг с помощью робособак

Благодаря успеху Unitree рынок наполнился большим числом доступных автономных робособак. А как мы уже видели ранее в работах, задача передвижения таких роботов уже решена на хорошем уровне. Робособаки подходят лучше, чем любая другая платформа, для решения задачи наблюдения и инспекции. В отличие от мобильных платформ они обладают большей проходимостью, а в сравнении с квадрокоптерами — большей надёжностью и безопасностью при возникновении проблем.

Чаще всего такие роботы используются для:

• мониторинга удалённых объектов, в том числе сопряжённых с опасными условиями: здания, где возможна утечка газа, ядерные объекты;
• контроля за ходом строительства, в том числе с построением высокоточных цифровых двойников;
• транспортировки предметов, особенно по пересечённой местности либо в опасных условиях, например на стройке;
• охраны внутри и за пределами помещений;
• поиска и спасения людей во время чрезвычайных ситуаций.

Задачи манипуляции

Задачи манипуляции — это неотъемлемая часть производственных и складских процессов. На складах работа со штучными товарами — одна из самых дорогих операций. Именно она даёт наибольший вклад в показатель стоимости обработки одного товара (англ. — Cost Per Item, CPI). Поэтому директора складов в первую очередь ищут технологии, которые позволяют автоматизировать и удешевить эту задачу.

На данный момент в мире существует несколько готовых продуктов на базе Physical AI для решения этой задачи. В частности, пикер для отбора от Яндекс Роботикс.

В основе пикера лежит VLA-модель на трансформенной архитектуре. Оказывается, если выбрать правильную архитектуру и собрать большой датасет, то можно обучить модель делать сложные задачи манипуляции.

Похожее решение предоставляет компания RightHand Robotics для рынка фармы.

Основные вызовы в этой области: борьба за скорость, надёжность и переход к мобильной манипуляции с автоматизацией нескольких операций или даже закрытие целых ролей на складе и производстве.

Производство с участием гуманоидов и полугуманоидов

В последние годы появились первые тестовые внедрения гуманоидов и полугуманоидов в производство.

Традиционно все производства и склады создавались под людей. Классическая автоматизация (конвейеры, сортеры и так далее) связана с большими капитальными инвестициями, которых нет у большинства компаний. У многих производств есть сезонность, когда нужно привлекать дополнительных рабочих на периоды пика.

При внедрении классической автоматизации оборудование простаивает в эти периоды. Поэтому в идеале компании хотели бы получить такое решение, которое будет совместимо с текущими процессами. А ещё лучше — робота, которого можно взять в аренду и быстро ввести в рабочие процессы во время пиков. Наиболее близкими типами роботов для таких задач являются гуманоиды и полугуманоиды.

От роботов ожидают продвинутых навыков понимания, чтобы период введения в новую работу был не дольше, чем у людей.

Первопроходцами в данном направлении являются FigureAI и AgilityRobotics. FigureAI запустила пилотный проект с компанией BMW по автоматизации сборки автомобилей.

AgilityRobotics же занимается автоматизацией складов Amazon, в частности решает задачу переноса ящиков с товарами (tote handling). Пока что решения не обладают достаточным запасом надёжности и не настолько гибки, чтобы их можно было брать в аренду.

Сфера развлечений

Роботы всё ещё остаются новинкой для обычных людей, особенно когда они выглядят нестандартно. Никого уже не удивишь роботом-пылесосом. А вот если по улице пробежит гуманоид, то сразу все обратят внимание!

Эта идея и стоит за применением роботов в сфере развлечений. Здесь есть как частные компании, арендующие роботов и показывающие их на выставках, так и игроки, делающие специальное ПО для подражания человеческим действиям.

Вот пример робота от компании Unitree на одной из российских выставок по автоматизации:

В Китае робошоу привлекает большой интерес. Особенно выделяется компания Agibot, которая, помимо особых условий лизинга, создала отдельную модель робота для этой категории, а также специальное приложение, где робота можно научить повторять записанные на видео действия.

Студия Disney — ещё один уникальный игрок в этой области. Уолт Дисней всю жизнь мечтал, чтобы вокруг появились роботы, и приближал этот момент как только можно. Уже в 1963 году он стал внедрять в Диснейленд аниматронику — сложные механизмы, кукол, воспроизводящих звуки и выполняющих заранее определённые действия. По сути они стали одним из прообразов современных роботов.

В 2024 году студия Disney воплотила мечты Уолта Диснея в жизнь, сделав для парка развлечений первого настоящего робота, а не аниматронную куклу. Этого робота зовут BD-X, впрочем благодаря технологиям Physical AI кажется, что это не робот, а настоящий живой персонаж: он может ходить, общаться и даже выражать эмоции.

Робопомощник для дома

Роботы-пылесосы не закрыли нишу уборки дома. Есть ещё много дел: мытьё посуды, стирка белья, мытьё сантехники и т. д. Рынок домашний уборки очень большой, а решений пока нет.

Из первопроходцев можно выделить компанию 1X, которая начала внедрять гуманоидных роботов в дома. Этих роботов пока нельзя назвать готовым продуктом, так как понятно, что во время их работы будет много затруднений, в каждом из которых требуется помощь удалённого оператора. В беспилотном транспорте или в складских операциях такую помощь можно оставить как часть продукта, лишь бы экономика сходилась. В продукте для дома — это явное нарушение частной жизни пользователей и скорее баг, а не фича.

Другие же компании, такие как Sunday Robotics, ищут семьи, готовые приютить робота и позволить разработчикам сделать его полезным хоть где-то. Они понимают, что до роботов-генералистов ещё далеко, поэтому хотят найти пользу на краткосроке через натурное тестирование. А готовые технологии Physical AI помогут обучить робота найденным задачам за разумное время. Третьи, например FigureAI, ведут закрытую разработку робота-помощника. Доподлинно не известно, что этот робот умеет делать, но его видели сортирующим бельё для стирки и разгружающим посудомоечную машину.

В список особых требований, которые предъявляют к домашним робопомощникам, входит работа в сильно неструктурированном и разнообразном окружении, а также критически высокий уровень безопасности. В любой из квартир гораздо сложнее решать задачи, чем на складе, где есть разметка для движения транспорта и много свободного места для перемещения.

Современной робототехнике пока что сложно сделать эффективного и безопасного робота. Говорят, домашний робот должен быть мягким, чтобы стать безопасным. Например, тактильно приятный робот от Figure AI выглядит так:

Роботы-пылесосы — невзятый барьер

Роботы-пылесосы оказались тем самым устройством, которое популяризировало робоустройства.

Впрочем, роботы-пылесосы попали в локальный минимум, когда сложно получить решение с более высокой ценностью за такую же стоимость. Концепция, предложенная в начале 2000-х (мобильная платформа + SLAM + базовый алгоритм планирования), дала столько ценности, что даже без ИИ роботы разлетались как горячие пирожки. Любое радикально новое решение увеличивало габариты и цену устройства.

Только в 2025 году появились устройства с роборуками для убирания носков и крупного мусора с пола. А уже в 2026-м таких роботов можно купить в обычном магазине.

Хотя эти устройства нельзя отнести к Physical AI: у них слишком маленькие размеры и низкая стоимость, чтобы разместить достаточно вычислительной мощности для работы алгоритмов Physical AI. Будут ли они вытеснены полноценными робопомощниками и исчезнут, как видеомагнитофоны? Или мощности даже таких микроустройств будет достаточно для работы Physical AI? Увидим в ближайшем будущем.

Если попытаться подвести итог нашей беседы о реальных применениях Physical AI, то получается такая таблица:

Область	Текущее состояние
Мониторинг с помощью робособак	(Есть готовые решения, внедряется повсеместно)
Роботы-гуманоиды и роботы-полугуманоиды в сфере развлечений	(Есть готовые решения, много примеров)
Манипуляция в рамках статичной операции	(Есть готовые решения для внедрения, первые внедрения)
Простая манипуляция, осуществляемая роботами-гуманоидами и роботами-полугуманоидами	(Есть первые малочисленные кейсы, которые никто не хочет масштабировать)
Домашние универсальные помощники	(Есть видео прототипов, нет готовых кейсов)
Очень сложные бизнес-задачи, решаемые роботами-гуманоидами и полугуманоидами, например выборочный поиск предметов в куче строительного мусора	(Не сделано)

Глядя на эту таблицу, можно сделать вывод, что менее требовательные решения Physical AI уже работают — например, робособаки продаются десятками тысяч в год.

Более сложные решения вроде статичной манипуляции ещё созревают: разработчики исправляют последние проблемы и доказывают свою состоятельность бизнесу перед полномасштабным внедрением.

А в сложных применениях гуманоидов и полугуманоидов остаётся ещё непаханое поле возможностей для научного поиска и бизнес-применений.

В следующей главе мы опустимся на уровень ниже и посмотрим на детальную архитектуру классического пайплайна и системы Physical AI. Рассмотрим преимущества каждого из подходов и поймём, как разница в парадигмах влияет на компоненты и организацию работы.