14 причин, почему робототехника — это сложно

Развитие ИИ движется вперёд, но практически весь видимый прогресс происходит в сфере работы со знаниями, то есть действий, происходящих внутри компьютера.

В среде разработчиков ИИ Сан‑Франциско широко распространено мнение о том, что к этой сфере скоро присоединятся и роботы. Параллельно с гонкой разработки ИИ широкого спектра применений идёт столь же агрессивная гонка разработки роботов широкого спектра применений — гуманоидных машин с физическим интеллектом. Искусственных работников, способных готовить пищу и убираться, быть грузчиками… и делать всё остальное, в том числе и производить себе подобных, приводя (по многим прогнозам) к экономическому росту, который носящему характеристику «взрывного».

Иными словами, распространено мнение, что ИИ в дата‑центрах вскоре заместит весь интеллектуальный труд, а ИИ в человекоподобных телах скоро заменит весь физический труд. Однако здесь есть важная разница: мы уже видим прогресс в сфере интеллектуального труда, но физический ИИ пока в основном остаётся ограниченным испытательными полигонами и демонстрационными видео. Пока не существует робота, эквивалентного ChatGPT, которого бы могли приобрести мы с вами.

Поэтому приходится ограничиваться видеодемонстрациями. К сожалению, этот инструмент плохо подходит для оценки прогресса. Возможно, мы видим в них одну успешную попытку на сотню неудачных. Сценарий демонстрации может быть тщательно выстроен так, чтобы избегать сложностей, к которым робот пока не готов. Видео может быть смонтировано так, как будто робот действует быстрее и чётче, чем на самом деле. Есть пример очень впечатляющей демонстрации… с подозрительно большим количеством смены ракурсов.

(Пока я ещё не видел практически ни одного видео с последних World Humanoid Robot Games. Они ценны тем, что на публичной платформе меньше возможностей для выборочного представления фактов. В паре просмотренных мной видео можно заметить впечатляющие возможности, но они не затрагивают многие сложности, которые я перечислил ниже… К тому же в этих видео есть множество громких провалов.)

Демонстрации привлекают внимание к тем действиям, которые роботы уже умеют делать. Возникает вопрос: а чего они не могут? В этом посте я составлю список технических сложностей, которые нам предстоит преодолеть на пути к реализации искусственных работников с широкой функциональностью. Когда в следующий раз вы увидите робота, делающего нечто впечатляющее, задайтесь вопросом: какие из перечисленных в статье возможностей продемонстрировал робот и какие сложности попытался обойти сценарий видео?

(Стоит отметить, что некоторые задачи становятся проще, если использовать роботов на колёсах, а не строго гуманоидных. Колёсный робот может перевозить больший вес, поэтому сила, выносливость и мощность электроники для него не так критичны. Ниже для него и вероятность упасть. Однако такие роботы не могут взбираться по лестницам¹, перешагивать через завалы или наклоняться, чтобы взять что‑то из шкафа.)

Руки, ловкость и координация

Человеческая рука — это инженерное чудо. У неё есть примерно два десятка «степеней свободы» (соединений и/или направлений, в котором может изгибаться каждое соединение) и приблизительно 17 тысяч тактильных датчиков. Наш мозг способен управлять руками с невероятным изяществом, используя тактильные, визуальные и даже аудиальные сигналы для точного и чёткого исполнения всевозможных изощрённых задач.

Современные «манипуляторы» роботов остаются лишь жалким их подобием. Руки некоторых роботов могут дотянуться до человеческого стандарта по тому или иному физическому атрибуту. Например, какие‑то имеют до 27 степеней свободы. Однако ни один не сравнится по гибкости, чувствительности, силе, надёжности и другим физическим атрибутам. Именно сочетания факторов так особенно сложно достичь, несмотря на то, что демонстрации становятся всё более впечатляющими. Например, некоторым компаниям удалось уместить на кончиках пальцев роботов тысячи тактильных датчиков, но ни у одной не получилось пока обеспечить работоспособность этих крошечных датчиков под тяжёлой нагрузкой².

Вероятно, по уровню сложности с проблемой физического производства сравнима и проблема управления. Робот должен уметь подобрать нужное сочетание позиций соединений для ухватывания сложного предмета, планировать последовательность движений для складывания одежды, переворачивания омлета или затягивания болта в ограниченном пространстве; он должен уметь обращаться с мягкими и гибкими материалами (для чего может понадобиться мгновенная реакция на внезапное изменение формы).

Визуальное понимание

За последние десять‑двадцать лет произошёл большой прогресс в сфере машинного зрения (computer vision, CV); он и привёл к буму глубокого обучения, ставшего началом развития LLM). Но ориентирование в сложных визуальных сценах — выбор предмета в куче других, понимание, как его нужно ухватить, определение, куда поставить ногу и как не уронить что‑то другое — всё ещё нерешённая задача.

Планирование и реагирование

Робот общего назначения должен уметь разбивать задачу на отдельные этапы и соотносить эти этапы со своим окружением. Как маневрировать рукой, чтобы добраться отвёрткой до детали станка? Как быстрее всего расчистить путь к бутылке со специями в глубине полки? В каком порядке подбирать предметы с пола гостиной?

Для истинной автономности потребуется планировать задачи бо́льших масштабов и сложности: приготовление блюда, прочистка засора в раковине, починка двигателя. Не говоря уже о том, что требуется изменение планов в случае неожиданностей — заржавевшего болта, испортившегося продукта, прибежавшего на кухню ребёнка.

Понимание задачи

Если современный ИИ терпит неудачу при выполнении интеллектуальной задачи, часто причина заключается в недостаточности контекста. Роботам тоже понадобится контекст: где хранятся припасы? Какую степень прожарки предпочитает владелец? Какая степень помощи требуется пожилому человеку в доме престарелых, обычно ли его прихрамывание или это признак того, что он споткнётся?

Получив контекст, роботы должны будут рассуждать, планировать и пользоваться суждениями и здравым смыслом. Системы LLM наподобие ChatGPT и Claude добились большого прогресса в этих областях, но сфера физических действий содержит дополнительные трудности³. Успеху LLM сильно поспособствовали огромные массивы данных, которые можно было использовать при обучении — существенная доля от всех написанных книг, веб и другие источники. Сложно будет найти в столь же больших масштабах данные для физических задач.

Совместные действия

ИИ‑агенты в основном работают в изоляции и в статичных средах. Они редко попадают в ситуации, когда обстановка меняется на лету или требует координации. Когда же такие ситуации возникают, всё часто идёт наперекосяк. Изоляцию проще организовать в виртуальном мире, где ограниченные рабочие пространства можно создавать по щелчку пальцев и нет грузов, которые невозможно поднять в одиночку. Роботам же часто требуется взаимодействовать с людьми или друг с другом.

Скорость

Современные роботы общего назначения часто движутся гораздо медленнее людей. Ограничения скорости связаны с силой, управлением (чем выше скорость, тем меньше времени на планирование и реагирование) и безопасностью (быстро движущийся робот сильнее ударит человек и от него сложнее увернуться).

В некоторых областях применения черепашья скорость может быть вполне приемлемой: меня не волнует, что домашнему роботу понадобилась целая ночь на уборку и складывание выстиранного белья. Но в качестве повара или сиделки медленный робот почти бесполезен, а на складе он может быть помехой. К тому же ему сложнее будет выполнять достаточный объём работы, чтобы оправдать себя экономически.

Сила

Некоторые промышленные роботы крайне сильны, однако гуманоидные роботы (или другие высокомобильные роботы «общего назначения») обычно довольно немощны. Сложно сочетать силу с приемлемой массой, большим количеством соединений и манёвренным каркасом. Мощные двигатели выделяют больше тепла и быстрее разряжают аккумуляторы, а по этим двум параметрам роботы уже испытывают серьёзные трудности (см. ниже). Стоит также отметить, что сильный тяжёлый робот больше угрожает безопасности.

Мобильность

До сих пор ведутся споры о подходящем форм‑факторе для роботов общего назначения, особенно о их нижней части. Должны ли они ездить на колёсах или иметь ноги? Две ноги, четыре или какое‑то другое число? Колёса дешевле, устойчивее и надёжнее; ноги лучше перешагивают препятствия и взбираются по лестницам. Двуногая конструкция более манёвренная, но с большей вероятностью может упасть. В любом случае, вопрос заключается в следующем: может ли робот надёжно перемещаться по своей рабочей среде?

Безопасность

Сложности, связанные с безопасностью роботов общего назначения, практически безграничны. Сбойный или неисправный робот может столкнуться с человеком, упасть на него, бросить в него или пролить на него что‑нибудь, разбить стекло или устроить пожар.

Безопасность LLM‑агентов частично базируется на проверке отдельных действий, например, попыток отправить письмо или удалить файл. Роботы движутся постоянно, и сложно выделить какие‑то конкретные действия как потенциально опасные и требующие проверки.

Если беспилотный автомобиль попадёт в ситуацию, с которой не может справиться, или у него возникнет сбой, то он может остановиться на обочине или, в худшем случае, просто нажать на тормоз. Внезапно замерший робот общего назначения может оставить что‑нибудь на плите, упасть на полушаге или уронить человека, которому помогает.

И, разумеется, опасность может быть инициирована действием человека, например, ребёнком, пробегающим перед роботом. Я бы предпочёл, чтобы мой ребёнок столкнулся с мягким человеком, чем с металлическим роботом, и я бы больше положился на человеческие рефлексы и адаптируемость, которые позволят не наткнуться на маленького сорванца.

(Чем, сильнее, тяжелее и функциональнее робот, тем выше риски.)

Выносливость

Современные двуногие роботы обычно способны работать без перезарядки несколько часов. Подозреваю, что это не будет ограничивающим фактором: если требуется обходное решение, мы его найдём: будь то замена аккумуляторов, проложенные по полу зарядные линии или кабель, соединённый с большим «аккумулятором на колёсах»⁴.

Неожиданностью для меня стало то, что серьёзным препятствием для длительной работы стал перегрев. Робот ростом с человека выделяет почти вдвое больше тепла, и у роботов нет столь же изящных механизмов (циркуляция по телу и потоотделение) для распределения и рассеяния тепла.

Также есть вопрос надёжности. Роботы состоят из большого количества подвижных деталей, многие из которых довольно привередливы, потому что спроектированы для оптимизации размера, веса и характеристик. В результате этого современные попытки реализации гуманоидных роботов общего назначения сталкиваются с частыми поломками. (В отличие от человеческого тела, постоянно восстанавливающегося от износа и порчи, а также имеющего существенных способностей самопочинки и компенсации мелких поломок.)

Генерализация и пограничные случаи

Машины Waymo испытывают трудности с пограничными случаями. Они ездят по затопленным дорогам и горящим фейерверкам. И это несмотря на то, что беспилотные автомобили разрабатываются уже два с лишним десятка лет, а машины Waymo проехали более 350 миллионов километров — в 250 раз больше, чем среднестатистический американец проезжает за всю свою жизнь.

(Впрочем, к езде по фейерверкам я бы не стал сильно придираться: 250-летние годовщины стран случаются не так часто. Но я не понимаю, как разработки Waymo одновременно могут быть настолько надёжными, что имеют невероятно хорошую статистику безопасности, и настолько небрежными, что спокойно выбирают путь по глубокой воде.)

При езде автомобили встречают множество причудливых пограничных случаев: классический пример этого — утка, за которой гналась женщина с метлой в инвалидной коляске. Но гораздо больше неожиданных ситуаций ждёт роботов, работающих в домах и организациях. Они будут сталкиваться с более широким спектром задач, пользоваться обширным набором оборудования (разные инструменты и конструкции корпусов для взаимодействия с этими инструментами) в более широком спектре окружений. Достижение надёжной работы за пределами контролируемой среды испытательного полигона — это, наверно, самая большая из трудностей.

Вычислительные ресурсы

Для обеспечения ловкости, координации, визуального понимания, планирования, реагирования и кооперации с необходимой скоростью, безопасностью и надёжностью потребуется много вычислительных ресурсов. Внедрение вычислительных мощностей внутрь самого робота приведёт к повышению цены, ускорению разряда аккумуляторов и усилению перегрева. Если же мозги роботов останутся в облаке, то замедлится их реакция и появятся новые режимы сбоев (отключение Wi‑Fi → неработающий робот).

Масштабирование

С момента выпуска ChatGPT LLM быстро масштабировались, потому что уже имеющееся оборудование (GPU) и производственные мощности (заводы по изготовлению чипов) можно было легко адаптировать под новый сценарий использования.

Крупномасштабных цепочек поставок для производства сложных роботов пока не существует. Даже после того, как у нас появятся работающие конструкции, могут понадобиться годы для их масштабного производства, внедрения и обслуживания. Такое нельзя организовать мгновенно: компании Tesla понадобилось 14 лет на прохождение пути от первых коммерческих продаж до первого миллиона произведённых автомобилей в год⁵. Один из аналитических расчётов показал, что даже после достижения экономической выгодности сложных гуманоидных роботов может потребоваться множество лет, чтобы масштабировать производства до выпуска десятков миллионов роботов в год. Для сравнения: всего спустя два месяца после выпуска у ChatGPT уже было 100 миллионов пользователей⁶.

Политические и общественные трудности

Политические, законодательные, организационные и культурные барьеры: на широту и способ применения роботов могут влиять страх увольнений и вопросы безопасности. Многие законы писались без учёта присутствия роботов — должен ли робот учитываться при проверке минимальной укомплектованности персоналом? Будет ли бизнес стремиться как можно скорее использовать роботов? Будет ли он испытывать опасения в связи с надёжностью, безопасностью, ответственностью и обслуживанием? Захотят ли клиенты, чтобы их обслуживал робот?

Кибербезопасность, надзор, злоупотребления: сложный робот может стать идеальным преступником — надёжным пособником, неспособным предать своего владельца⁷. Чтобы предотвратить это, может потребоваться постоянный контроль за всеми роботами, что порождает новые опасения. К тому же необходимо обеспечить крайне высокую кибербезопасность роботов.

Вопросы конфиденциальности: пользователи уже задаются вопросами о конфиденциальности при использовании роботов‑пылесосов. Гуманоидный домашний робот будет иметь возможность слышать и видеть намного больше пылесоса.

Затраты: я не думаю, что после устранения прочих препятствий цена станет большим ограничивающим фактором. Незнающий усталости работник по цене нового автомобиля — выгодная покупка, а гуманоидные роботы будут гораздо меньше и легче, чем автомобиль, имея при этом меньше подвижных деталей⁸. Возможно, из‑за дороговизны компонентов, производственных процессов и обучения первые модели будут гораздо дороже машины, но даже первые дорогостоящие роботы найдут свою нишу, например, в выполнении работ повышенной опасности.

Помните о разрыве между демонстрацией и реальностью

Прежде, чем роботы станут функциональными, надёжными, практичными работниками вне пределов контролируемой среды, необходимо будет преодолеть множество препятствий. Разумеется, представленный мной список не полон, и я лишь вскользь упомянул мыслительную составляющую — понимание, планирование, действия и реакции.

Демонстрационные видео дают общее представление о том, на что способны роботы в идеальных условиях. Кроме того, они могут быть предназначены для того, чтобы отвлечь нас от существующих ограничений. В случае интеллектуальной работы всегда присутствует разрыв показателей ИИ между бенчмарками и реальными задачами. Подозреваю, что в физическом мире разрыв между демонстрацией и реальностью ещё больше. Эксперименты с LLM, проверка их возможностей — это доступный, дешёвый и безопасный (по большей мере!) процесс. При оценке возможностей роботов гораздо больше приходится полагаться на контролируемые демонстрации и заявления производителей. Нам сложнее точно очертить границы их возможностей.

Пока я дописывал свой пост, в замечательном блоге Understanding AI опубликовали статью «Почему гуманоидные роботы ещё не скоро догонят живых работников». Я ещё её не читал, но уверен, что изучить её стоит.

Чтобы получить приблизительное представление о возможностях современных роботов, прочитайте отчёт Epoch за февраль 2026 года.

Примечания

1. Существуют четырёхногие роботы, «ногами» которых служат колёса, переключающиеся между вращением и ходьбой; такие роботы способны подниматься по лестницам, однако пока нет признаков того, что такие конструкции получают широкое распространение.

2. Можно найти обходные решения. Например, в конструкциях некоторых роботов нехватка тактильных ощущений частично компенсируется камерами: дополнительными «глазами» на запястьях и других частях тела; робот даже может использовать дистанционные камеры через Wi‑Fi. Кроме того, роботы могут иметь нечеловеческие органы чувств, например, ультразвуковые.

3. Пример того, чему роботам нужно будет научиться, см. в объяснении важности интуитивных знаний в работе биолаборатории.

4. В одной недавней демонстрации был показан робот, безостановочно сортирующий посылки в течение 200 часов и обработавший 250 тысяч посылок. При этом… использовалось три робота, работавших по очереди, пока другие заряжаются. Это должно было продемонстрировать надёжность и выносливость.

5. С 2008 по 2022 год.

6. Ежемесячные активные пользователи.

7. Если считать, что преступник смог избежать документального следа, связывающего его с роботом.

8. По крайней мере, в сравнении с автомобилем с двигателем внутреннего сгорания.