Единый «мозг» для роботов — это модели «зрение — язык — действие». Робот получает картинку с камер и фразу вроде «убери посуду» и сразу выдаёт движения. Раньше каждую задачу программировали отдельно, теперь одна модель учится на данных множества роботов и переносит навык на новые руки и новые дома. Для бизнеса это путь к роботам, которых не нужно перепрограммировать под каждую мелочь.
Как это работает
Внутри — та же архитектура, что у чат-ботов, только с другим входом и выходом. Картинка с камер режется на кусочки и превращается в числа, фраза — тоже. Модель смотрит на всё вместе и вместо слов выдаёт действия: короткие отрезки движения для каждого сустава, много раз в секунду. Так «возьми красную чашку» становится траекторией руки.
Учат такую модель в три слоя. Из интернета она узнаёт, как выглядят вещи и что значат слова. Из демонстраций — как двигаться: операторы управляют разными роботами вручную, а каждое движение записывается вместе с картинкой. Из симуляции — что бывает, если ошибиться. Чем больше разных роботов и мест в данных, тем лучше модель справляется с тем, чего не видела.
Physical Intelligence, Google DeepMind и NVIDIA учат одну модель на данных множества роботов. Результат виден на π0.5: робот убирает в квартире, которую видит впервые. Обычно под такой моделью работает быстрый контроллер нижнего уровня — он держит равновесие и ограничивает силу, чтобы ошибка нейросети не стала опасной. С 13.10.2026 Physical Intelligence открыла коммерческий доступ к своей модели по API.
Где уже работает
- π0.5 от Physical Intelligence — уборка в квартире, которую робот видит впервые
- Physical Intelligence — коммерческий доступ к модели по API с 13.10.2026
- Google DeepMind — модели Gemini Robotics, обученные на данных многих роботов
- Сбер — открытая модель Green-VLA под MIT для гуманоида «Грин»
- AgiBot — свои модели, которые переводят картинку с камер в движения рук
Что учесть
- Доступ — бета по API: условия, цены и лимиты могут меняться
- Модель не заменяет тело: нужен робот с подходящими руками и камерами плюс команда интеграции
- Из России западные облачные модели недоступны — открытые модели работают на своём железе
- В незнакомой обстановке модель ошибается чаще: проверяй на своей задаче и ограничивай силу