Лондонская компания Humanoid представила KinetIQ Ascend — революционный подход к обучению гуманоидных роботов, основанный на методе проб и ошибок непосредственно на реальных производственных задачах. Разработчик утверждает, что эта технология способна поднять точность манипуляций до 99,9% при скорости, сопоставимой с человеческой или превышающей её.
KinetIQ Ascend расширяет существующий фреймворк KinetIQ. В отличие от традиционного имитационного обучения, где робот просто копирует действия человека, новый метод использует обучение с подкреплением (RL). Система самостоятельно повторяет задачу, получает сигнал об успехе или ошибке и на основе этого непрерывно оптимизирует своё поведение. Ключевое отличие — RL запускается не в симуляции, а круглосуточно на реальном оборудовании и в производственных сценариях. Humanoid заявляет, что это первая опубликованная демонстрация сквозного RL на основе зрения для VLA-моделей, обученных на реальной двурукой гуманоидной платформе в условиях развертывания.
Почему ставка на RL — это смена парадигмы
Ранее Humanoid, как и многие конкуренты, полагалась на имитацию человеческих демонстраций. Однако, как справедливо отмечают в компании, «модель, копирующая демонстрации, не может превысить скорость или качество демонстратора и не учится цене ошибки». Последние проценты надежности и переход к сверхчеловеческой скорости требуют иного подхода. KinetIQ Ascend закрывает этот разрыв за счет непрерывной практики на реальных задачах. Это напоминает масштабирование больших языковых моделей: чем дольше обучение, тем выше успешность.
Тестирование KinetIQ Ascend на трех производственных задачах продемонстрировало впечатляющие результаты:
- Укладка подшипниковых колец: После RL-обучения пропускная способность выросла на 42% — до 412 колец в час против 291 у базовой модели.
- Передача предмета человеку: Пропускная способность увеличилась 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, средняя длительность эпизода сократилась с 22,9 до 12,8 секунды, а успешность поднялась 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. При этом прирост замерялся 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.
Промышленная экспансия и гонка гигантов
Humanod активно строит промышленную цепочку в Европе. В компании работает более 250 инженеров и исследователей. Недавно было объявлено о партнерстве с Bosch, который станет контрактным производственным партнером для выпуска роботов HMND 01 на европейском рынке. Кроме того, подписано 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. Figure привлекла более $1 млрд при оценке $39 млрд, Apptronik закрыла раунд на $935 млн, а Китай с 2024 года направил на развитие отрасли не менее $20 млрд. Однако реальные продажи пока ограничены — в прошлом году было реализовано около 12 000 гуманоидных роботов, в основном для исследовательских целей.
Мнение эксперта: KinetIQ Ascend — это именно тот шаг, который отделяет лабораторные эксперименты от промышленного внедрения. Переход от имитации к самостоятельному обучению на реальных ошибках — единственный путь к созданию truly автономных роботов, способных работать в непредсказуемой среде. Если Humanoid удастся масштабировать этот подход, мы станем свидетелями начала новой эры в автоматизации производства.