Boston Dynamics et Google DeepMind apprennent à Spot à raisonner lors des inspections industrielles

Boston Dynamics переводит Spot из категории впечатляющих демонстраций в более практичный класс промышленных роботов: четвероногий аппарат получил модель Gemini Robotics-ER 1.6 от Google DeepMind и теперь должен не просто выполнять команды, а интерпретировать обстановку, замечать отклонения и принимать решения во время инспекций без постоянного участия оператора. Для робототехники это важный сдвиг.

Долгое время роботы умели многое, но только если человек заранее описал сценарий почти как программу. Чем сложнее была задача, тем труднее было сделать интерфейс удобным. Идея embodied AI, то есть ИИ с физическим телом и доступом к реальному миру, как раз в том, чтобы сократить этот разрыв.

Boston Dynamics — одна из немногих компаний, которой удалось довести шагающих роботов до коммерческого масштаба: Spot уже работает тысячами экземпляров. Поэтому интеграция новой модели — это не академический эксперимент, а попытка улучшить продукт, который уже используется на объектах. Главный сценарий — не домашние задания из роликов, а промышленная инспекция.

На заводах, энергетических объектах и других сложных площадках Spot должен обходить территорию и проверять, не происходит ли что-то опасное. С Gemini Robotics-ER 1.6 робот может автономно искать разлитые жидкости и посторонний мусор, считывать показания сложных датчиков, манометров и смотровых стекол, а также подключать визуально-языковые модели, если нужно точнее понять ситуацию вокруг.

Иначе говоря, речь идет не о том, чтобы научить робота красиво приносить вещи, а о снижении риска там, где цена пропущенной проблемы может быть высокой. Но самое интересное здесь — что именно разработчики называют пониманием и рассуждением. В мире роботов эти слова звучат все чаще, хотя на практике они означают не философию, а близость поведения машины к человеческой логике.

Если человек просит робота убрать банки из комнаты, он ожидает не только факт выполнения команды, но и здравый смысл: взять банку так, чтобы не пролить остатки жидкости, не поставить стакан с водой на край стола, не создать новую опасность вместо устранения старой. В Google DeepMind говорят, что отслеживают такие случаи через внутренние сценарии семантической безопасности. Цель — чтобы робот не просто понимал глагол в команде, а учитывал последствия действия в физическом мире.

При этом ограничения у нынешнего подхода вполне заметны. Текущая версия модели для Spot в основном опирается на зрение. Например, одна из новых функций оценивает успешность захвата объекта по нескольким камерам.

Это полезно, но в робототехнике давно существуют и другие способы понять, что предмет захвачен надежно: датчики силы, касания, контактная обратная связь. Проблема в данных. В интернете много визуальных примеров того, как взять ручку или открыть дверцу, но почти нет массовых наборов данных с тактильной информацией.

Поэтому учить модели физике контакта пока гораздо сложнее, чем картинкам и тексту. Чтобы закрыть этот разрыв, Boston Dynamics собирается получать больше полевых данных от клиентов, которые будут использовать новые инспекционные функции Spot. Есть и второй практический вопрос — доверие.

Boston Dynamics прямо признает, что выкатывает новые возможности через бета-программы и рекламирует только то, в чем уверена. Для коммерческой инспекции от робота не требуется абсолютное совершенство, но есть порог полезности. Если система слишком часто ошибается и поднимает ложную тревогу, операторы перестают ее слушать.

В компании считают, что реальная ценность начинается где-то выше уровня 80 процентов, когда робот уже помогает, а не раздражает. Это особенно важно на объектах, где часть критической инфраструктуры оснащена датчиками, а часть потенциально опасных мелочей по-прежнему можно заметить только глазами во время обхода. Вывод простой: союз Boston Dynamics и Google DeepMind — это не история про очередной эффектный ролик с робопсом, а про попытку превратить embodied AI в прикладной инструмент с измеримой пользой.

Если Spot действительно научится надежно замечать утечки, читать приборы и безопаснее действовать в неоднозначной среде, рынок получит один из первых убедительных примеров того, как рассуждающий ИИ работает не на экране, а в цехе. А накопленный опыт затем можно будет переносить и на другие платформы, включая более сложных гуманоидных роботов.