Роботы на GPT-6 умеют творить без предварительного обучения, но пока не могут нормально работать руками — в Unitree объяснили почему

GPT-6 Astra уже рисует картины и играет в шахматы без дообучения, но застегнуть молнию на куртке для неё всё ещё нерешаемая задача.

Задача, которая упирается в так называемую проблему «последнего миллиметра». Ван Синсин из Unitree Robotics прямо заявляет: когнитивный слой справляется с абстрактным планированием, но физическая реализация буксует из-за катастрофической неточности актуаторов, калибровки и отсутствия тактильной обратной связи. Нейросеть генерирует идеальную траекторию, а манипулятор с десятком степеней свободы дрожит на финише, потому что бюджетные сервоприводы не умеют компенсировать микроскопические отклонения при контакте с объектом. Инженеры вынуждены мириться с тем, что софт развивается экспоненциально, а кинематика застряла в ограничениях материаловедения и стоимости компонентов. Чтобы закрыть этот разрыв, Unitree пилит систему Rehearsal — замкнутый цикл, где ИИ сам пишет управляющий код, прогоняет его в симуляции, тестирует на физическом носителе и корректирует веса на основе реальной тактильной обратной связи. Вживую эти «творческие» навыки пока не демонстрируют, ограничиваясь записями, что вполне предсказуемо для стадии, когда надежный захват хрупкого предмета остается чистой лотереей.

Лотереей, в которой индустрия системно проигрывает из-за тотального дефицита реальных данных. Отсутствие качественной телеметрии о взаимодействии с физическим миром вынуждает китайских разработчиков, включая Moore Threads, массово генерировать синтетические датасеты, подменяя реальность математической аппроксимацией. Сбор «живых» данных с манипуляторов экономически нецелесообразен на текущем этапе, а ускорители Nvidia стоят непозволительно дорого для массового тестирования. Собственные чипы Ван Дона пока лишь декларируются как панацея^* для локальной робототехники, но до реальной интеграции в производственный стек пока далеко.

Далеко. И речь не только о кремнии, но и о самой парадигме: робототехника еще недавно довольствовалась примитивными скриптами, а теперь требует колоссальных мощностей для обработки мультимодальных потоков. Переход от текущей GPT-6 к ожидаемой через 1–2 года GPT-7 обещают как радикальный прорыв в embodied AI, но пока рынок видит лишь точечные видеодемонстрации без предварительного аппаратного финтюнинга.

Финтюнинга, который не обманет законы физики.

Никита Карпов

Главный редактор

Пишу о гаджетах, нейросетях и том, как технологии меняют нашу жизнь. Проверяю всё на себе, чтобы вы не тратили деньги зря.