Лондонская компания Humanoid представила KinetIQ Ascend — инновационный подход к обучению гуманоидных роботов, основанный на методе проб и ошибок в реальных производственных условиях. Разработчик утверждает, что эта технология позволит достичь 99,9% успешных манипуляций на скорости, сопоставимой с человеческой или даже превышающей её.
KinetIQ Ascend расширяет существующий фреймворк KinetIQ, используя обучение с подкреплением (reinforcement learning, RL). В отличие от простого копирования человеческих действий, система самостоятельно повторяет задачу, получает обратную связь об успехе или ошибке и постепенно улучшает свои показатели. Ключевое отличие — запуск RL не в симуляции, а непосредственно на реальном оборудовании в круглосуточном режиме. Humanoid утверждает, что это первая опубликованная демонстрация сквозного RL на основе зрения для производственных VLA-моделей, обученных на реальной двурукой гуманоидной платформе.
Почему Humanoid делает ставку на RL
Ранее Humanoid, как и многие конкуренты, обучала системы через имитацию человеческих демонстраций. Однако, по мнению компании, такой подход имеет фундаментальное ограничение: модель не может превзойти скорость или качество демонстратора и не учится цене ошибки. KinetIQ Ascend призван закрыть этот разрыв за счет практики на реальных задачах, аналогично масштабированию больших языковых моделей — чем дольше обучение, тем выше успешность.
Тестирование KinetIQ Ascend на трех производственных задачах показало впечатляющие результаты:
- Перемещение стальных подшипниковых колец: пропускная способность выросла на 42%, до 412 колец в час против 291 у базовой модели.
- Передача предмета человеку: пропускная способность выросла на 85%, средняя длительность эпизода снизилась на 35%, а успешность поднялась с 80% до 98%.
- Подъем контейнера двумя руками: после нескольких дней обучения пропускная способность выросла с 122 до 279 контейнеров в час, а успешность — с 77,6% до 98,9%.
Компания также отметила, что улучшение самого сложного этапа операции может повысить результат всей задачи, а навык переносится на объекты, которых робот не видел во время RL-обучения. Важно, что замеры проводились через параллельное A/B-сравнение с текущей базовой моделью, что критически важно для реальных производственных сред, где результат может меняться из-за освещения, положения объектов или износа оборудования.
Humanoid строит промышленную цепочку в Европе
В компании работает более 250 инженеров и исследователей. В мае Humanoid объявила о партнерстве с Bosch, который станет контрактным производственным партнером для выпуска модели HMND 01 на европейском рынке. Кроме того, компания подписала поэтапное обязывающее соглашение со Schaeffler, предусматривающее развертывание от 1000 до 2000 роботов на глобальных производственных площадках партнера к 2032 году.
Конкуренция усиливается
Анонс KinetIQ Ascend появился на фоне ускорения гонки в гуманоидной робототехнике. Американская Figure привлекла более $1 млрд при оценке $39 млрд, а Apptronik закрыла раунд на $935 млн. Китай с 2024 года направил на развитие робототехники не менее $20 млрд, хотя реальные продажи пока ограничены — около 12 000 гуманоидных роботов в прошлом году, в основном для исследовательских целей.
Мой анализ: Humanoid демонстрирует, что ключ к массовому внедрению гуманоидных роботов в промышленность лежит не в симуляции, а в реальном обучении на производственных задачах. KinetIQ Ascend — это не просто улучшение, а смена парадигмы, которая может дать компании критическое преимущество в гонке за надежность и скорость, необходимые для замены человека на конвейере.