Nomagic внедрила VLA-модель в складских роботов и вдвое сократила вызовы операторов

Польская компания Nomagic в июле 2026 года развернула модель класса vision-language-action (VLA) в реальных складских операциях у коммерческих клиентов — и зафиксировала примерно двукратное снижение числа случаев, когда роботу требуется вмешательство оператора. Параллельно компания открыла собственный AI-лаб под руководством бывшего исследователя Google DeepMind.

Что такое VLA-модель и зачем она складскому роботу

Модели класса vision-language-action — это нейронные сети, объединяющие три компонента в единой архитектуре: компьютерное зрение (что робот видит перед собой), понимание контекста (какую задачу нужно решить с этим объектом) и планирование действий (как именно управлять манипулятором). В отличие от классического программирования, где под каждый тип товара или нестандартный сценарий вручную прописываются правила, VLA-модель принимает решения динамически — так же, как человек, который берёт незнакомый предмет, не открывая инструкцию.

До недавнего времени VLA-модели существовали преимущественно в лаборатории: их тестировали на ограниченных наборах объектов в контролируемой среде. Nomagic — варшавская компания, специализирующаяся на манипуляторах для складской логистики, — перенесла эту технологию в боевые условия.

• Тип модели: vision-language-action (VLA)
• Компания: Nomagic, Варшава, Польша
• Результат: ~50% снижение частоты запросов на вмешательство оператора
• AI-лаб: открыт в 2026 году, возглавляет бывший исследователь Google DeepMind
• Стратегия: «mastery before generality» — сначала мастерство в конкретных задачах, потом универсальность

Почему Nomagic ставит на мастерство, а не на универсальность

В гонке роботехники доминирует один нарратив: создать универсального агента, способного действовать в любой среде и с любыми объектами. Именно к этому стремятся Physical Intelligence, Google DeepMind и ряд других крупных лабораторий. Nomagic осознанно выбрала другой путь.

Команду нового AI-лаба компании возглавляет бывший исследователь Google DeepMind — человек, хорошо знакомый с той самой гонкой за обобщаемостью изнутри. Тем не менее внутри Nomagic команда сознательно сужает фокус: глубокое владение конкретным набором складских операций — захват, перекладывание и сортировка разнородных товаров на промышленной скорости — важнее, чем способность справляться с произвольными задачами.

Обоснование прагматично: заказчику, строящему автоматизированный фулфилмент-центр, не нужен робот, умеющий открывать двери или готовить кофе. Ему нужно, чтобы в три часа ночи, когда поступила партия с нестандартной упаковкой, система не «зависла» в ожидании оператора.

Что изменилось в складских операциях

Ключевая метрика в роботизированном фулфилменте — «human-in-the-loop rate»: доля ситуаций, в которых система не может справиться самостоятельно и запрашивает помощь человека. Каждый такой вызов — задержка конвейера, дополнительные операционные расходы и ограничение на масштабирование без наращивания штата.

По данным Nomagic, развёртывание VLA-модели сократило этот показатель примерно вдвое на объектах коммерческих клиентов. Принципиально важно: речь идёт об одном и том же физическом оборудовании — роботы не заменялись. Двукратный прирост самостоятельности получен исключительно за счёт нового «мозга».

Для индустрии это важный сигнал: VLA-модели переступили порог, после которого их можно не только демонстрировать на стендах, но и развёртывать в реальной эксплуатации с измеримым коммерческим результатом.

Что это значит

Nomagic сделала то, что роботехническая индустрия обещает годами: перевела AI-модель нового поколения из исследовательской среды в производственную и получила конкретный измеримый результат. Стратегия «сначала мастерство» может оказаться более коротким путём к реально автономным складам, чем разработка универсального агента.