Лондонская компания Humanoid официально представила KinetIQ Ascend — инновационный подход к обучению гуманоидных роботов, основанный на методе проб и ошибок непосредственно в условиях реального производства. Эта технология, по заявлению разработчика, способна поднять эффективность манипуляций до 99,9% при скорости, сопоставимой или превышающей человеческую.

KinetIQ Ascend является расширением существующего фреймворка KinetIQ, который лежит в основе всех роботов Humanoid. Ключевое отличие нового подхода — использование обучения с подкреплением (reinforcement learning, RL). В отличие от простого копирования человеческих действий, система самостоятельно повторяет задачу, получает обратную связь об успехе или ошибке и итеративно улучшает свои действия. Humanoid запускает RL не в виртуальной симуляции, а прямо на реальном оборудовании, в круглосуточном режиме и в производственных сценариях. Это, по моим данным, первая опубликованная демонстрация сквозного RL на основе зрения для VLA-моделей (vision-language-action), обученных на реальной двурукой гуманоидной платформе в условиях развертывания.

Почему RL, а не имитация?

До этого момента Humanoid, как и большинство конкурентов, полагалась на обучение через имитацию человеческих демонстраций. Однако, как справедливо отмечают в компании, модель, копирующая демонстрации, принципиально не может превысить скорость или качество демонстратора и не учится цене ошибки. Для достижения последних процентов надежности и перехода к сверхчеловеческой скорости требуется принципиально иной подход. KinetIQ Ascend призван закрыть этот разрыв за счет непрерывной практики на реальных задачах. Компания сравнивает этот процесс с масштабированием больших языковых моделей: чем дольше идет обучение, тем выше успешность.

Humanoid уже протестировала KinetIQ Ascend на трех производственных задачах с впечатляющими результатами:

  1. Захват стальных подшипниковых колец: После RL-обучения пропускная способность выросла на 42% — с 291 до 412 колец в час.
  2. Передача предмета человеку: Пропускная способность увеличилась на 85%, средняя длительность эпизода снизилась на 35%, а успешность поднялась с 80% до 98%.
  3. Двуручный подъем контейнера: После нескольких дней обучения пропускная способность выросла со 122 до 279 контейнеров в час, средняя длительность эпизода сократилась с 22,9 до 12,8 секунды, а успешность поднялась с 77,6% до 98,9%.

Важно отметить, что Humanoid проводила параллельное A/B-сравнение с текущей базовой моделью, что критически важно для реальных производственных сред, где результат может меняться из-за освещения, положения объектов и износа оборудования. Компания также выявила два ключевых вывода: улучшение самого сложного этапа операции может повысить результат всей задачи, а приобретенный навык переносится на объекты, которых робот не видел во время RL-обучения.

Промышленная цепочка и конкуренция

Humanod активно строит промышленную цепочку в Европе. В компании работает более 250 специалистов, а офисы расположены в Лондоне, Бостоне и Ванкувере. В мае было объявлено о партнерстве с Bosch, который станет контрактным производственным партнером для выпуска модели HMND 01 на европейском рынке. Кроме того, Humanoid заключила поэтапное обязывающее соглашение со Schaeffler, предусматривающее развертывание от 1000 до 2000 роботов на глобальных производственных площадках партнера к 2032 году.

Анонс KinetIQ Ascend происходит на фоне ускорения гонки в гуманоидной робототехнике. Американская Figure привлекла более $1 млрд, Apptronik — более $935 млн, а Китай с 2024 года направил на развитие отрасли не менее $20 млрд. Тем не менее, реальные продажи пока ограничены: в прошлом году было реализовано около 12 000 гуманоидных роботов, в основном для исследовательских целей.

Мнение эксперта: KinetIQ Ascend — это значительный шаг вперед, который решает ключевую проблему современной робототехники: переход от лабораторных демонстраций к надежной промышленной эксплуатации. Способность учиться на собственных ошибках в реальной среде, а не в симуляции, позволяет роботам адаптироваться к непредсказуемым условиям. Если Humanoid удастся масштабировать этот подход, мы станем свидетелями не просто эволюции, а настоящей революции в автоматизации производства, где роботы будут не просто инструментами, а полноценными, самообучающимися членами команды.