Physical AI: роботы и автономные системы в B2B

Коротко. Physical AI — программное обеспечение, которое управляет физическими машинами: мобильными роботами, манипуляторами, дронами, транспортом. Система видит среду, выбирает действие и выполняет движение. Для покупателя главное — не «интеллект», а производительность участка, число вмешательств человека и безопасность. Модель решает, что делать; как и можно ли — решает независимый регулятор и контур аварийной остановки.

Слои системы

Из чего состоит робот как программа

Робот — это не одна модель, а семь слоёв. Сбой почти всегда случается на стыке слоёв, поэтому вопросы на встрече стоит задавать по каждому.

  1. L7ВосприятиеВидеть и понимать окружение

    Камеры, лидары, датчики глубины и модели распознавания превращают сигнал в объекты: что это, где, в какой позе.

    Где ломается: Свет, пыль, блики и новые предметы, которых не было в обучении.

    Вопрос на встрече: Как система ведёт себя при плохом освещении и на предметах, которых не видела?

  2. L6ЛокализацияЗнать, где я

    Робот строит карту и определяет своё место на ней — по камерам, лидару и одометрии.

    Где ломается: Однообразные коридоры, переставленные стеллажи, отражающие поверхности.

    Вопрос на встрече: Что происходит, если склад переставили за ночь?

  3. L5ПланированиеРешить, как дойти и как взять

    Планировщик ищет путь без столкновений и траекторию руки до точки захвата.

    Где ломается: Узкие проходы, люди рядом, непредвиденные препятствия.

    Вопрос на встрече: Как планировщик уступает дорогу людям и сколько времени теряется?

  4. L4УправлениеВыполнить движение точно

    Регуляторы постоянно сравнивают план с фактом и корректируют моторы десятки и сотни раз в секунду.

    Где ломается: Износ, нагрузка выше расчётной, проскальзывание.

    Вопрос на встрече: Какие пределы скорости и усилия заданы и кем их можно менять?

  5. L3ИсполнениеСвязать модули в одну систему

    Промежуточный слой передаёт сообщения между модулями, запускает и останавливает задачи, следит за состоянием.

    Где ломается: Потеря связи между модулями, зависшие задачи.

    Вопрос на встрече: Как система сообщает об ошибке и что делает до прихода человека?

  6. L2ИнтеллектВыбрать стратегию

    Модели, обученные на демонстрациях или методом проб, выбирают, что делать дальше; языковые модели переводят команду человека в задачу.

    Где ломается: Уверенные ошибки, поведение вне обученных ситуаций.

    Вопрос на встрече: Какие решения модели проверяет независимый контроль до исполнения?

  7. L1ИнфраструктураСвязать роботов, людей и системы

    Обмен с системами склада и производства, сбор телеметрии, обновления, управление парком.

    Где ломается: Обновление, которое сломало работающий участок; зависимость от облака.

    Вопрос на встрече: Работает ли участок, если пропал интернет?

Граница безопасности. Слой «Интеллект» предлагает действие. Слои «Управление» и «Исполнение» проверяют пределы скорости, усилия и зон, а аварийная остановка работает независимо от всех моделей и от связи.

Симулятор

Дерево поведения: как робот принимает решения

Поведение описывают деревом: последовательность проверок и действий, а у каждой — запасной вариант. Измените условия и запустите задачу «найти коробку и доставить» — дерево покажет, по какой ветке пойдёт робот.

Классы систем

Шесть классов и где они работают

AMRв работе

Автономные мобильные роботы

Где: Склады, распределительные центры, внутризаводская логистика

Ценность: Перевозка грузов между точками без разметки на полу

Как мерить: Задачи в час, доля вмешательств, окупаемость против погрузчика с водителем

ARMв работе

Манипуляторы

Где: Сборка, упаковка, сортировка, обслуживание станков

Ценность: Повторяемые движения с точностью и без усталости

Как мерить: Такт, доля брака, время переналадки под новую деталь

LEGпилоты

Четвероногие платформы

Где: Инспекция подстанций, трубопроводов, горных выработок, опасных зон

Ценность: Обход объекта по маршруту с датчиками там, где человеку опасно

Как мерить: Покрытие обходов, найденные дефекты, часы людей вне опасной зоны

SWMпилоты

Рои дронов

Где: Мониторинг полей и трасс, инвентаризация складов, поиск

Ценность: Много дешёвых устройств, которые делят задачу между собой

Как мерить: Площадь за смену, полнота данных, устойчивость к потере устройства

AUTпилоты

Автономный транспорт

Где: Карьерная техника, закрытые территории, агротехника

Ценность: Движение по заданным маршрутам в контролируемой среде

Как мерить: Часы работы без водителя, простои, происшествия

HUMисследования

Человекоподобные роботы

Где: Среды, построенные под человека: цеха, склады, сервис

Ценность: Работа в существующей инфраструктуре без её перестройки

Как мерить: Пока — доля задач пилота, выполненных без вмешательства

Подходы

Двенадцать подходов к программированию роботов

Sim-to-Real

Сначала обучить в симуляции, потом перенести на реальное устройство.

Дешевле и безопаснее, но разрыв между симуляцией и цехом нужно закрывать отдельно — спросите, как.
Цифровой двойник

Копия робота или участка, которая живёт рядом с реальной.

Мониторинг и проверка изменений до того, как они попадут в цех.
Обучение по демонстрации

Человек показывает действие, система превращает его в навык.

Новую операцию можно добавить без программиста — но нужны качественные демонстрации.
Обучение с подкреплением

Модель учится через награды за удачные действия.

Хорошо для ходьбы и баланса; требует много симуляции и аккуратных правил награды.
Модели «зрение — язык — действие»

Команда словами и картинка с камеры превращаются в последовательность действий.

Гибкость в постановке задач; обязательна независимая проверка безопасности.
Модели мира

Внутренняя модель среды, чтобы предсказывать последствия действий.

Меньше проб на реальном оборудовании, лучше поведение в новых ситуациях.
Роевой интеллект

Координация множества устройств без единого центра.

Устойчивость к потере устройства; сложнее отлаживать и доказывать безопасность.
Вычисления на устройстве

Распознавание и решения прямо на роботе.

Работа без стабильной связи и с малой задержкой; ограничения по мощности.
Федеративное обучение

Устройства учатся вместе, не отправляя все исходные данные.

Подходит, когда видео и данные нельзя выносить с объекта.
Событийная архитектура

Робот реагирует на события, а не опрашивает всё подряд.

Проще встраивать в процессы склада и производства.
Деревья поведения

Сценарий поведения как дерево проверок и действий вместо цепочки условий.

Поведение читаемо и проверяемо — его можно показать заказчику.
Прогнозирующее управление

Регулятор постоянно пересчитывает ближайшие движения с учётом прогноза.

Плавное и точное движение в динамичной среде.

Архитектура

Облако, объект, робот, контроллер

Облако

Обучение моделей, хранение видео и телеметрии, аналитика, цифровые двойники.

может быть недоступно
Сервер объекта

Управление парком, распределение задач, обмен с системами склада и производства.

работает без интернета
Вычислитель на роботе

Зрение, локализация, выбор действия — с малой задержкой.

работает без сервера
Контроллер и аварийная остановка

Моторы, пределы, остановка. Независим от всех уровней выше.

работает всегда

Для продавца и покупателя

Как продавать и покупать Physical AI

Десять вопросов на первой встрече

  1. Какую операцию автоматизируем и сколько раз в смену она выполняется?
  2. Как выглядит эта операция в самый неудобный день: грязь, свет, сбои поставок?
  3. Что будет мерилом успеха пилота — задачи в час, вмешательства, безопасность?
  4. Кто отвечает за участок, где работает робот, и кто его останавливает?
  5. С какими системами склада или производства нужен обмен данными?
  6. Можно ли выносить видео и данные с объекта и куда?
  7. Какая связь на объекте и что должно работать без неё?
  8. Кто обслуживает оборудование и как быстро приходят запчасти?
  9. Какие требования промышленной безопасности и сертификации применимы?
  10. Что делаем, если пилот не достиг цели: критерии остановки заранее?

Метрики пилота

Задачи в час
производительность в реальной смене
Вмешательства на 100 задач
сколько раз понадобился человек
Готовность
доля времени, когда система может работать
Время до восстановления
как быстро участок снова работает после сбоя
Стоимость одной операции
с обслуживанием, энергией и людьми
Происшествия
любые контакты и опасные ситуации — цель ноль

Где проваливаются проекты

Пилот в идеальных условиях

Как выглядит: Демонстрация на чистом стенде, а работать нужно в пыльном цехе в три смены.

Что делать: Пилот на реальном участке и в реальную смену, даже если результат будет хуже.

Окупаемость считают по роботу, а не по процессу

Как выглядит: Робот быстрый, но ждёт, пока человек подвезёт деталь.

Что делать: Считать производительность всего участка до и после.

Интеграция «потом»

Как выглядит: Робот работает сам по себе, данные в систему склада вносят руками.

Что делать: Обмен с учётными системами — часть пилота, а не второго этапа.

Безопасность как приложение к договору

Как выглядит: Зоны, скорости и аварийная остановка обсуждаются после поставки.

Что делать: Оценка рисков и сценарий остановки — до подписания.

Модель управляет моторами напрямую

Как выглядит: Решение модели исполняется без независимой проверки.

Что делать: Модель решает «что», регулятор и контур безопасности — «как» и «можно ли».

Нет плана обслуживания

Как выглядит: Через полгода робот стоит из-за одной детали.

Что делать: Запас ключевых запчастей, обученный местный инженер, срок реакции в договоре.

Лаборатория без железа

С чего начать, не покупая роботов

Основы можно освоить на обычном компьютере: архитектуру модулей, симуляцию и обучение по демонстрациям. Все проекты ниже — открытые.

  1. ROS 2

    Открытая среда, в которой модули робота обмениваются сообщениями: узлы, темы, сервисы, действия. С неё начинают почти все.

    Документация →
  2. Gazebo

    Открытый симулятор: виртуальная комната, робот, препятствия и датчики.

    Документация →
  3. MuJoCo

    Открытый физический движок для движения, контакта и обучения управлению.

    Документация →
  4. LeRobot

    Открытая библиотека для обучения роботов по демонстрациям: датасеты, модели, сбор данных.

    Документация →
  5. BehaviorTree.CPP

    Открытая библиотека деревьев поведения — тот же принцип, что в симуляторе выше.

    Документация →

Вопросы

Чем Physical AI отличается от обычной автоматизации?

Классическая автоматизация повторяет заданную программу в предсказуемой среде. Physical AI добавляет восприятие и выбор действий: система видит изменения и подстраивается. Цена — вероятностное поведение, поэтому нужен независимый контур безопасности.

С чего начать компании, которая думает о роботах?

С одной частой, тяжёлой или опасной операции, у которой можно посчитать текущую стоимость. Пилот — на реальном участке, с метриками и критериями остановки, записанными заранее.

Можно ли управлять роботом через облако?

Планировать, обучать и следить — да. Критические движения и аварийная остановка должны работать локально, без зависимости от связи.

Нужна ли продавцу техническая глубина?

Достаточно понимать слои системы и где они ломаются. Это позволяет задать правильные вопросы на встрече и не обещать того, что пилот не покажет.