Лондонский разработчик гуманоидных роботов Humanoid представил KinetIQ Ascend — методологию обучения, которая позволяет роботам осваивать производственные операции методом проб и ошибок в реальных условиях. Технология базируется на обучении с подкреплением (reinforcement learning, RL) и, по заявлению компании, способна довести успешность манипуляций до 99,9% при скорости, сопоставимой с человеческой или превышающей её.

KinetIQ Ascend расширяет возможности фреймворка KinetIQ, который лежит в основе всех роботов Humanoid. Ключевое отличие нового подхода в том, что RL-обучение запускается не в симуляции, а непосредственно на реальном оборудовании в круглосуточном режиме. Это первая публично анонсированная демонстрация сквозного RL на основе зрения для VLA-моделей (vision-language-action), обученных на реальной двурукой гуманоидной платформе в условиях промышленного развертывания.

Ранее Humanoid, как и большинство конкурентов, полагался на имитационное обучение — копирование человеческих демонстраций. Однако такой подход имеет фундаментальное ограничение: модель не может превзойти демонстратора ни по скорости, ни по качеству, и не учится на собственных ошибках. KinetIQ Ascend решает эту проблему за счет непрерывной практики, аналогично масштабированию больших языковых моделей — чем дольше обучение, тем выше успешность.

Результаты тестирования на производственных задачах

Humanoid провел A/B-тестирование KinetIQ Ascend на трех реальных операциях:

  1. Захват стальных подшипниковых колец из контейнера и размещение на конвейере. После RL-обучения пропускная способность выросла на 42% — с 291 до 412 колец в час.
  2. Передача предмета из контейнера человеку. Пропускная способность увеличилась на 85%, средняя длительность эпизода сократилась на 35%, а успешность выросла с 80% до 98%.
  3. Двуручный подъем контейнера со стола в произвольной ориентации. После нескольких дней обучения пропускная способность выросла со 122 до 279 контейнеров в час, время эпизода сократилось 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. Это критически важно для реальных производственных сред, где условия постоянно меняются.

Промышленная стратегия и конкуренция

Humanoid активно строит производственную цепочку в Европе. В мае компания объявила о партнерстве с Bosch, который станет контрактным производителем роботов HMND 01 для европейского рынка. Ранее было заключено поэтапное соглашение со Schaeffler о развертывании от 1000 до 2000 роботов на глобальных площадках партнера к 2032 году.

Анонс KinetIQ Ascend происходит на фоне обострения гонки в гуманоидной робототехнике. Figure привлекла более $1 млрд при оценке $39 млрд, Apptronik получил $935 млн от инвесторов, включая Google и Mercedes-Benz. Китай с 2024 года направил на развитие робототехники не менее $20 млрд, хотя реальные продажи пока ограничены — около 12 000 гуманоидных роботов в основном для исследовательских целей.

Мой экспертный комментарий: KinetIQ Ascend — это не просто эволюция, а смена парадигмы в обучении промышленных роботов. Переход от имитации к RL на реальном оборудовании решает фундаментальную проблему «потолка» скорости и качества, который неизбежен при копировании человеческих действий. Если Humanoid удастся масштабировать этот подход на тысячи роботов в партнерстве с Bosch и Schaeffler, компания может стать одним из ключевых игроков в индустриальной робототехнике, опередив конкурентов, которые все еще полагаются на симуляции и демонстрации.