Flexion Robotics ensinou robôs a dominar novas habilidades sem humanos — apenas AI e simulação

Швейцарский стартап Flexion Robotics разработал метод обучения гуманоидных роботов новым задачам без участия людей. Вместо операторов-демонстраторов и разметчиков — ИИ и виртуальная симуляция.

Рутина важнее трюков

Современные гуманоидные роботы умеют впечатлять: пробегают марафонские дистанции, выступают на сцене, демонстрируют акробатические возможности. Видеоролики с такими трюками собирают миллионы просмотров и создают образ «роботов будущего», уже живущих среди людей. Но за зрелищными демонстрациями скрывается более прозаичная реальность: реальная ценность таких машин определяется способностью выполнять монотонные, физически тяжёлые или опасные задачи — те, от которых устают, травмируются или просто отказываются люди. Сборка компонентов на конвейере, упаковка и сортировка продукции, перемещение тяжёлых грузов, обслуживание складских стеллажей — вот для чего гуманоиды нужны промышленности. Научить робота каждой конкретной задаче по-прежнему дорого и долго. Традиционный цикл предполагает операторов-демонстраторов, разметчиков данных и инженеров по верификации — весь процесс занимает месяцы. Flexion Robotics поставила задачу исключить людей из этой цепочки.

Симуляция вместо инструктора

Ключевая идея стартапа — перенести весь цикл обучения в виртуальную среду. ИИ-алгоритмы самостоятельно генерируют тысячи вариантов выполнения задачи, оценивают качество каждой попытки и итеративно корректируют поведение модели. Живые тренеры и демонстраторы не нужны — только симулятор и алгоритм обучения с подкреплением.

Преимущества подхода: масштабирование без найма и обучения команды разметчиков безопасная тренировка на опасных, редких и нестандартных сценариях параллельное освоение нескольких навыков одновременно сокращение цикла от постановки задачи до готового умения в разы * снижение стоимости подготовки каждого нового навыка После обучения в симуляторе система переносит выработанные стратегии на физического робота — этот процесс называют sim-to-real transfer. Исторически именно здесь возникали самые серьёзные проблемы: поведение в симуляторе нередко расходилось с реальностью из-за неточностей физической модели, разницы в трении поверхностей и реакции материалов. Точность и стабильность этого перехода Flexion Robotics называет ключевым конкурентным преимуществом.

Конкуренты и контекст

Синтетическое обучение роботов — одна из самых горячих тем в отрасли прямо сейчас. Google DeepMind, Physical Intelligence, Figure AI, 1X Technologies и десятки других стартапов ведут исследования в том же направлении. Большинство из них опираются либо на крупные датасеты с участием людей, либо на дорогостоящее взаимодействие с реальным окружением. Flexion Robotics делает ставку на то, что полностью автоматизированный пайплайн позволит развернуть роботов там, где прежде это было экономически нецелесообразно: небольшие производственные линии, региональная логистика, пищевая промышленность, сельское хозяйство. Если метод подтвердит эффективность в реальных условиях, экономика роботизации может измениться фундаментально.

Что это значит

Убрать людей из цикла обучения — значит сделать роботов быстро адаптируемыми к меняющимся задачам и массово доступными. Если Flexion Robotics добьётся стабильного sim-to-real переноса на практике, компании смогут запускать новые роботизированные операции за недели вместо месяцев. Промышленная автоматизация перестанет быть привилегией крупных корпораций с многомиллионными бюджетами.