Yandex Physical AI Garage

Первая в России программа по физическому ИИ, разработанная Яндексом в партнёрстве с ведущими вузами — НИУ ВШЭ, МАИ, НИЯУ МИФИ, МФТИ и Университетом ИТМО. Мы готовим инженеров, которые создают ИИ‑решения для роботов и систем, способных думать и самостоятельно действовать

Выбрать вуз

Пришло Время создавать новый ИИ

Физический ИИ, или Physical AI — технология на стыке физики, машинного обучения и инженерии. Яндекс прямо сейчас активно развивает это направление, создавая роботов‑доставщиков, промышленных роботов и автономный транспорт.

Яндекс Образование объединяет глубокую технологическую экспертизу и инженерный подход в программах по Physical AI. Здесь студенты решают реальные задачи и совершают открытия в прорывной области.

Программа Yandex Physical AI Garage объединяет опыт создания физического ИИ, накопленный в Яндексе, с фундаментальным образованием ведущих университетов страны — чтобы их выпускники были готовы к вызовам, с которыми им предстоит столкнуться в индустрии.
Дарья Козлова,
директор Яндекс Образования
Physical AI — это следующий этап развития искусственного интеллекта, когда модели начинают не просто анализировать данные, а действовать в реальном мире. Образовательные программы в этой области — это возможность подготовить специалистов, которые будут создавать такие решения и формировать новую технологическую среду в ближайшие годы.
Сергей Мельник,
Руководитель подразделения Автономного транспорта и роботов Яндекса

Вузы — участники программы

Открываем доступ к передовым разработкам в Physical AI

1
Проектные школы — «гаражи»
Студенты на месяц погружаются в работу над проектами — от идеи до реализации — вместе с экспертами из команды Автономного транспорта Яндекса
2
Фокус на физическом ИИ
Объединяем обучение ML и робототехнике. Студенты будут создавать системы, в которых ИИ получает «тело» — от роботов-доставщиков до сложных автономных механизмов
3
Инженерное мышление
Учим не просто применять алгоритмы, а проектировать принципиально новые решения, используя физику как фундамент наравне с математикой
4
Сильное межвузовское комьюнити
Формируем сообщество мотивированных студентов вузов, включённых в программу, и экспертов. Вместе они развивают новую индустрию, делятся опытом и создают команды для проектов и стартапов

Как всё устроено

Как попасть

Выбрать вузовскую программу
Программа должна быть среди участников проекта
1
Подать заявку на Yandex Physical AI Garage
Детали — на сайте вуза
2
Пройти отбор
Состоит из двух этапов: внутренний отбор в вузе и собеседование с экспертами Яндекса
3

ЧТО внутри

Курсы по машинному обучению ШАДа
От классического ML до Deep Learning. Анализ временных рядов, мультимодальные ИИ‑системы и передовые архитектуры нейросетей
Модули по AI Robotics и ROS от команды Автономного транспорта и ШАДа
Изучение современных практик работы с PhysAI‑данными, проектирование ML‑экспериментов, исследование функциональной безопасности и многое другое
Практические «гаражи» с командой Автономного транспорта
Интенсивная проектная работа офлайн — обучение через реальные задачи и исследования

Выбрать вуз

Готовим специалистов, которых нет на рынке

ML STREAM

ML Researcher / Experimenter
ML / Algorithms Engineer
ML Tech Architect

Специалисты стрима выполняют исследовательско‑инженерные задачи: от создания и проверки ML‑гипотез до проектирования архитектуры всей ML‑системы. Отвечают за то, чтобы научные идеи превращались в качественные технические решения

PRODUCTION STREAM

ML Backend Engineer
MLOps Engineer
QA / Safety Engineer
FuSa / Functional Safety Engineer

Инженеры‑реализаторы переводят ML‑модели и алгоритмы в работающий продовый код. Обеспечивают инфраструктуру, тестирование и функциональную безопасность системы на всём цикле разработки

Analytics Stream

Data & Metrics Analyst
Data Miner
Annotation Engineer

Инженеры стрима имеют дело с данными на всех участках работы команд. Охватывают задачи от сбора и обработки до разметки и построения метрик, на которых основываются решения команды

Coordination Stream

ML Project Coordinator
ML Product Manager

Специалисты стрима синхронизируют и проводят сквозную медиацию между командами. Обеспечивают связь технической разработки с продуктовыми целями и бизнес‑стратегией

Лица программы

Дарья Козлова
Директор Яндекс Образования
Алексей Толстиков
Руководитель Школы анализа данных Яндекса
Кирилл Баранников
Руководитель направления высшего образования в Яндексе
Сергей Мельник
Руководитель подразделения Автономного транспорта и роботов Яндекса
Никита Семёнов
Руководитель направления ML R&D подразделения Автономного транспорта Яндекса
Максим Спорышев
Руководитель службы поведения и предсказания подразделения Автономного транспорта и роботов Яндекса
Виктор Юрченко
Руководитель группы симуляции сенсоров подразделения Автономного транспорта и роботов Яндекса
Константин Когос
Директор Института интеллектуальных кибернетических систем НИЯУ МИФИ
Вадим Моргачев
Руководитель проекта Проектно‑учебной лаборатории робототехники ФКН НИУ ВШЭ, академический руководитель программы «Проектирование интеллектуальных робототехнических систем»
Артём Борисов
Преподаватель, инженер научно‑исследовательского отдела кафедры «Вычислительные машины, системы и сети» МАИ
Алексей Ведяков
Заместитель декана факультета систем управления и робототехники Университета ИТМО, доцент, кандидат технических наук
Александр Ширяев
Заместитель директора по учебной работе ФПМИ МФТИ
Яков Львович
Заместитель директора ФРКТ, заведующий лабораторией по разработке ПО и систем на кристалле МФТИ