Universal Robots e Scale AI lançam a plataforma UR AI Trainer para treinar robôs

Universal Robots вместе со Scale AI представили систему UR AI Trainer — комплект оборудования и софта для сбора обучающих данных прямо на промышленных коботах. Анонс на GTC 2026 нацелен в одну из самых болезненных проблем физического AI: модели неплохо показывают себя в лаборатории, но часто буксуют, когда их переносят на реальную производственную линию, особенно на сборке, упаковке и других задачах с физическим контактом.

Как устроена платформа В основе UR AI Trainer — схема leader-follower.

Оператор руками проводит «ведущего» робота через конкретную задачу, например упаковку смартфона, а второй робот в этот момент синхронно повторяет движения. Система не просто записывает траекторию. Она собирает мультимодальные данные в том же цикле, в котором робот реально взаимодействует с предметами и поверхностями.

Это важно для обучения Vision-Language-Action моделей, которым мало видеть картинку: им нужно понимать, как движение связано с контактом, сопротивлением и точностью выполнения операции. Во время демонстрации система одновременно фиксирует четыре типа сигналов: траектории и кинематику движения усилие и обратную связь по моменту визуальные данные с камеры синхронизацию всех модальностей в единый датасет Ключевая идея в том, что данные собираются на тех же роботах Universal Robots, которые потом могут работать в цехе. Это сокращает разрыв между экспериментальной ячейкой и промышленным внедрением: если модель обучалась на UR3e или UR7e в контролируемой среде, её проще перенести на идентичное оборудование в производстве без полной пересборки пайплайна.

Дополнительно это снижает риск того, что поведение модели развалится при переходе с исследовательского стенда на конвейерную задачу.

Почему важен контакт

Большая часть робототехнических датасетов до сих пор опирается прежде всего на зрение. Для задач вида «подъехать и взять» этого иногда хватает, но на производстве много операций, где робот должен чувствовать момент касания, давление и сопротивление материала. Вкручивание, вставка деталей, прижим, упаковка хрупких предметов, точная сборка — всё это относится к contact-rich manipulation, и именно такие сценарии сложнее всего автоматизировать надёжно.

UR делает ставку на direct torque control и force feedback. Проще говоря, модель получает не только ответ на вопрос, что робот видел, но и что он «ощущал» при правильном выполнении действия. За счёт этого обучение становится ближе к реальной физике процесса, а не к абстрактной демонстрации траекторий в воздухе.

Для производителей это критично: ошибка в контакте с объектом означает не просто неудачное предсказание, а брак, простой линии или повреждение детали.

«Это первое в отрасли решение, которое переносит обучение AI-моделей напрямую из лаборатории в производство», — говорит

Андерс Бек из Universal Robots.

Данные и экосистема

Партнёрство со Scale AI добавляет в эту схему не просто разметку, а полноценный контур работы с данными. Софт Scale встроен в платформу UR AI Trainer и помогает захватывать, структурировать и хранить собранные демонстрации. Логика здесь похожа на flywheel: операторы записывают примеры, модели обучаются на этих данных, роботы улучшают качество выполнения задач, а новые рабочие эпизоды возвращаются в следующий цикл дообучения.

Такой замкнутый контур делает физический AI не разовым экспериментом, а повторяемым производственным процессом. Компании также пообещали выпустить позже в 2026 году крупный промышленный датасет, собранный на роботах UR. На стенде GTC эту идею показывают сразу в двух форматах.

В физическом демо посетители управляют парой UR3e, которые передают движения двум UR7e для задачи упаковки смартфона. Параллельно в NVIDIA Omniverse и Isaac Sim работает виртуальный сценарий с тактильными контроллерами Haply Inverse3, а Generalist AI демонстрирует, как два UR7e уже автономно выполняют ту же задачу. Для Universal Robots это ещё и аргумент масштаба: у компании уже больше 100 тысяч коботов в установках по всему миру.

Что это значит

Рынок робототехники движется от жёстко запрограммированных сценариев к моделям, которые можно доучивать на реальных производственных эпизодах. Если Universal Robots и Scale AI действительно превратят сбор данных на заводе в стандартный инструмент, у промышленных компаний появится более короткий путь от пилота к внедрению, а бизнесу не придётся строить отдельную исследовательскую инфраструктуру с нуля — особенно в задачах, где важны контакт, аккуратность и повторяемость.