Робот, который не может открыть дверь
Представьте на секунду. У вас есть робот стоимостью 250 тысяч долларов. Он оснащен камерами с разрешением 4K, лидарами, тактильными сенсорами и процессорами, которые обрабатывают терабайты данных в секунду. Вы просите его: "Принеси мне воды из кухни".
Он едет к кухне. Останавливается перед дверью. И замирает.
Дверь закрыта. Ручка круглая. Робот протягивает манипулятор, касается ручки, пытается повернуть. Не получается. Он пробует снова. И снова. Через три минуты попыток система перегревается, и робот возвращается с пустыми руками.
Это не сценарий плохого фантастического фильма. Это реальность лабораторий робототехники до 2024 года. И именно эту проблему решает Physical Intelligence - стартап, который в феврале 2026 года привлек 700 миллионов долларов при оценке в 1.2 миллиарда.
Physical Intelligence основан в 2024 году Сергеем Левиным, бывшим профессором UC Berkeley. Компания не строит роботов. Она создает "мозги" для них - ИИ-системы, которые учатся выполнять физические задачи методом проб и ошибок, как это делают дети.
Почему ChatGPT бесполезен для роботов
Здесь нужно сделать важное различие. Когда мы говорим "ИИ для роботов", мы не имеем в виду GPT-5 или Claude 4.5. Эти модели блестяще генерируют текст, но абсолютно беспомощны в физическом мире.
Проблема в том, что языковые модели обучаются на текстах. Они знают, что "дверь открывается поворотом ручки". Они могут написать поэму о дверях. Но они не понимают, что такое крутящий момент, трение, центр тяжести.
Физический интеллект - это другой зверь. Он обучается не на текстах, а на видео реальных действий и симуляциях физических процессов. Каждый раз, когда робот пытается открыть дверь и терпит неудачу, система запоминает: "такой угол захвата не работает". Через тысячи попыток она выявляет закономерности.
Сергей Левин называет это "обучением через взаимодействие". В интервью TechCrunch от января 2026 он сказал: "Мы не программируем алгоритмы. Мы создаем условия, в которых ИИ сам открывает физические законы".
Что умеют роботы с физическим интеллектом в 2026 году
Демо-видео Physical Intelligence выглядят одновременно впечатляюще и... обыденно. Вот что показывают на закрытых показах для инвесторов:
- Робот наливает воду из кувшина в стакан, не проливая
- Собирает разбросанные по столу детали конструктора Lego
- Разворачивает конфету, не разрывая обертку
- Подметает пол, обходя препятствия
- Сортирует белье для стирки по цветам и тканям
Звучит просто? Попробуйте объяснить любой из этих пунктов языковой модели. "Налей воду" - кажется очевидным. Но сколько нужно наклонить кувшин? Как контролировать поток? Что делать, если стакан почти полон?
Человек решает эти задачи интуитивно. Робот с физическим интеллектом учится методом тысяч проб. В симуляторе он "проливает" виртуальную воду миллионы раз, прежде чем делает это правильно в реальности.
Технологический стек: что внутри
Physical Intelligence не раскрывает детали своей архитектуры, но из патентов и публикаций сотрудников можно собрать картину.
| Компонент | Описание | Аналоги в 2026 |
|---|---|---|
| Физический движок | NVIDIA Omniverse с кастомными модификациями для тактильной обратной связи | Isaac Sim, MuJoCo 3.2 |
| Архитектура ИИ | Трансформеры с вниманием к пространственным признакам + рекуррентные сети для временных последовательностей | RT-3, Gato 2.0 |
| Обучение с подкреплением | PPO с иерархическими целями - сначала "подойти к объекту", потом "взять", потом "использовать" | DreamerV3, Decision Transformer |
| Аппаратная платформа | Собственные разработки + интеграция с Boston Dynamics Spot, Tesla Optimus | Jetson AGX Thor, Qualcomm RB5 |
Ключевое отличие от подходов 2024-2025 годов - масштаб данных. Physical Intelligence использует не тысячи, а миллионы часов видео реальных действий. Плюс триллионы симуляций в виртуальных средах.
Как отмечалось в материале про ИИ-агентов в робототехнике, главный прорыв последнего года - переход от "обучения на демонстрациях" к "обучению через взаимодействие". Робот больше не копирует движения человека. Он сам открывает эффективные стратегии.
Бизнес-модель: кто купит это и зачем
700 миллионов инвестиций - это не про благотворительность. Физический интеллект решает конкретные бизнес-проблемы:
- Логистика и склады. Amazon тестирует системы Physical Intelligence для сортировки посылок нестандартных форм
- Производство. Tesla использует аналогичные технологии для Optimus - робота, который должен собирать автомобили
- Медицина. Роботы-ассистенты в операционных, которые подают инструменты хирургам
- Домашние роботы. Samsung и LG лицензируют технологии для следующего поколения роботов-пылесосов и помощников по дому
Но есть нюанс. И он финансовый.
Обучение одной задачи (например, "складывать полотенца") требует тысяч часов симуляций на кластерах из сотен GPU. Стоимость - десятки тысяч долларов. Пока что это дорого даже для корпораций.
Физический интеллект страдает от той же проблемы, что и большие языковые модели в 2022-2023: колоссальные затраты на обучение. Но как и с GPT, здесь работает эффект масштаба - чем больше задач учит система, тем дешевле становится каждая следующая.
Этические ловушки и ограничения
Давайте начистоту. Робот, который учится методом проб и ошибок, - это потенциально опасно. В симуляции он может "убивать" виртуальных людей миллионами способов, чтобы понять, что так делать нельзя.
Physical Intelligence использует несколько уровней безопасности:
- Все обучение происходит сначала в симуляциях
- Реальные роботы работают в клетках с экстренной остановкой
- Система имеет "врожденные" запреты - например, не прикладывать силу выше определенного порога к живым объектам
Но гарантий нет. И это беспокоит не только общественность, но и инвесторов.
Кстати, о философских аспектах. Если вам интересно, как мышление машин соотносится с человеческим, рекомендую курс "Философия искусственного интеллекта". Там как раз разбирают эти дилеммы.
Что будет дальше: прогноз на 2027-2028
Physical Intelligence - не единственный игрок. В 2026 году на рынке физического ИИ работают:
- Covariant (бывший Embodied Intelligence) - фокус на складской робототехнике
- Google DeepMind Robotics - проект RT-3 и более новые разработки
- OpenAI - тихо работают над физическими агентами, хотя публично отрицают
- Российские команды - как мы писали в обзоре CES 2026, здесь тоже есть движение
Мой прогноз: к 2028 году мы увидим первые коммерчески успешные применения в нишевых задачах. Не универсальные домашние роботы - они появятся лет через 10-15. А специализированные системы:
- Роботы для уборки офисов ночью
- Автоматические сортировщики на заводах
- Роботы-помощники в домах престарелых (подать воду, помочь встать)
Главный барьер - не технология. А доверие. Люди готовы простить ошибку голосовому помощнику. Но роботу с физическим телом - нет. Одна разбитая ваза, один ушибленный палец - и продукт мертв.
Physical Intelligence это понимает. Поэтому их девиз: "Сначала научиться делать правильно. Потом делать быстро".
Последний совет тем, кто следит за темой. Не ждите робота-дворецкого. Смотрите на конкретные бизнес-кейсы. Где физический интеллект уже экономит деньги? На складах. В логистике. В монотонных производственных операциях.
И помните: робот, который идеально складывает полотенца, - это не развлечение. Это ответ на демографический кризис, старение населения и дефицит рабочих рук. Просто об этом редко говорят в пресс-релизах.
