Пять платформ, создающих основу физического AI в 2026 году
От симуляции до фабрик данных — это слои инфраструктуры, которые превращают обученную модель в робота, способного выполнять реальную работу.
Ключевые моменты
- Набор инструментов NVIDIA Isaac, охватывающий симуляцию, обучение и развёртывание, является в настоящее время самой широкой единой платформой разработки физического AI.
- Applied Intuition, первоначально созданная для автономных автомобилей, теперь используется для валидации и тестирования в сфере грузовых перевозок, обороны, добычи полезных ископаемых и робототехники.
- Scale AI сообщила о поставке более 150 000 часов тренировочных данных физического AI в течение 2025 года и приобрела 10 новых клиентов в области робототехники в том же году.
- Hugging Face LeRobot — это бесплатный инструментарий с открытым исходным кодом, который предоставляет небольшим лабораториям доступ к инструментам обучения роботов, которые они не могли бы позволить себе разработать самостоятельно.
- Инфраструктура физического AI теперь охватывает симуляцию, сбор данных, тестирование и непрерывное обучение, а не только чистую вычислительную мощность.
На протяжении большей части бума AI одно имело значение больше всего остального: вычисления. Больше чипов, более крупные модели, более масштабные тренировки. Эта формула работала, когда работой AI было писать текст или генерировать код.
Физический AI разрушает эту формулу.
Робот — это не просто модель, работающая на сервере. Он должен видеть изменяющуюся окружающую среду, решать, как её касаться и перемещаться, действовать через конкретное механическое тело и восстанавливаться при сбоях. Создание робота требует прохождения цикла: реальные демонстрации, физическая симуляция, обучение политике (обучение робота через миллионы практических запусков), структурированная оценка, развёртывание и анализ отказов. Это гораздо более сложный конвейер, чем кластер GPU.
The Robot Report провела исследование и определила пять платформ, которые стали несущими стенами этого нового стека. Ни одна из них не производит роботов. Все они делают возможным создание роботов.
Кто эти пять?
Они охватывают четыре отдельные функции: вычисления и симуляция, валидация, производство данных, открытые инструменты и непрерывное обучение.
| Платформа | Основная функция | Ключевой факт |
|---|---|---|
| NVIDIA Isaac | Симуляция, обучение, развёртывание на граничных устройствах | Партнёры включают Google DeepMind и Disney Research на движке физики Newton |
| Applied Intuition | Валидация и тестирование | Создана во времена автономных автомобилей; теперь охватывает оборону, добычу полезных ископаемых и робототехнику |
| Scale AI | Сбор и аннотирование данных | 1000+ часов данных демонстрации собирается в день |
| Hugging Face LeRobot | Инструменты с открытым исходным кодом и общие наборы данных | Бесплатна; разработана для лабораторий, которые не могут создавать собственную инфраструктуру данных |
| (Пятая платформа) | Непрерывное обучение и развёртывание | Исходная статья урезана перед полным описанием |
NVIDIA — это самый глубокий фундамент. Её набор инструментов Isaac, включающий Isaac Sim для виртуальных окружений, Isaac Lab для обучения роботов новым навыкам и Isaac GR00T для разработки гуманоидных роботов, объединяет вычисления, физику, синтетические данные, обучение моделей и развёртывание на граничных устройствах в одной экосистеме. NVIDIA также совместно разработала Newton — бесплатный движок физики с открытым исходным кодом, созданный с Google DeepMind и Disney Research и курируемый Linux Foundation. Newton моделирует, как объекты давят на поверхности, сопротивляются трению и деформируются под нагрузкой — именно тот физический уровень детализации, который нужен робот-манипулятору для работы с хрупким предметом без его повреждения.
Applied Intuition началась с автономных автомобилей, где вы не можете позволить себе узнать о неисправности программного обеспечения, разбив реальный грузовик. Она создала инструментарий для параллельного запуска тысяч смоделированных сценариев тестирования, а затем продала эту же дисциплину командам робототехники. Переносится ли преимущество в навигации транспортных средств на манипулирование роботами, где отказы связаны с ловкостью и силой, а не с рулением, — это вопрос, на который ответят её клиенты в течение следующих двух лет.
Scale AI решает проблему, для которой нет интернет-ярлыка. Данные для обучения робота нельзя собрать с веб-сайтов. Каждый полезный пример должен быть физически продемонстрирован, записан, синхронизирован по камерам и датчикам, очищен и размечен. Scale создала централизованные фабрики данных и распределённые сети сборщиков данных для индустриализации этого процесса. Она сообщила The Robot Report, что её сеть собирает более 1000 часов данных демонстрации в день, и сообщила о поставке более 150 000 часов данных физического AI в течение 2025 года, добавив 10 клиентов в области робототехники, включая Generalist AI и Physical Intelligence.
Hugging Face LeRobot — это ответ с открытым исходным кодом. Её бесплатный инструментарий включает предварительно обученные политики (готовые инструкции, с которых робот может начать), общие наборы данных и стандартизированные форматы данных. Университетская лаборатория или стартап из двух человек не должны переизобретать каждое колесо перед запуском первого эксперимента. Наш отчёт от 24 июля о NEURA Robotics, создающей центры обучения роботов на трёх континентах, показал, насколько дорого обходится сбор данных робота в реальном мире без общей инфраструктуры; LeRobot — это версия этого решения с меньшим бюджетом.
Что это означает для обычных людей?
Лучше протестированные, более надёжные роботы быстрее попадают на рынок и в услуги, когда основная инфраструктура зрелая. Каждая платформа здесь — это по сути подушка безопасности: больше симуляций, больше данных, больше тестирования перед тем, как робот будет работать рядом с людьми.
Гонка за владение этими слоями инфраструктуры также имеет коммерческое значение. Какие платформы станут стандартными инструментами, будет определять, какие производители роботов добьются успеха, а какие окажутся заперты в экосистеме кого-то другого.
Часто задаваемые вопросы
Нужно ли мне что-то понимать из этого, чтобы использовать роботов, которых эти платформы помогают создавать?
Нет. Эта инфраструктура невидима для конечных пользователей, так же как водопровод внутри смартфона невидим. Она определяет, насколько надежным и способным окажется устройство.
Можно ли доверять программному обеспечению робототехники с открытым исходным кодом?
Открытый исходный код означает, что код общедоступен для чтения, поэтому любой может проверить его на проблемы. Эта прозрачность обычно считается преимуществом безопасности, а не риском, особенно для исследований и некритичных приложений.
