Вот только то, что происходит «на земле», еще более удивительно. На выставке CES 2026 компания Boston Dynamics продемонстрировала робота Atlas с запястьями, которые сгибаются назад, и туловищем, вращающимся на 180 градусов. В других местах человекоподобные роботы начинают отличаться еще более поразительными способами. Некоторые могут менять батареи, загибая обе руки за спину. Другие ходят на ногах с обратными суставами. Человеческий силуэт все еще присутствует, но движения внутри него совершенно изменились.
Но разве копирование природы раньше не приносило успеха? Иногда приносило. Подушечки пальцев геккона натолкнули инженеров на идею сухих клеев. Текстура акульей кожи появилась в купальниках для соревнований. Но в обоих случаях инженеры заимствовали физические принципы, лежащие в основе, а не форму. Те, кто пытался скопировать природные формы целиком, обычно наталкивались на препятствие.
На протяжении веков люди пытались создавать орнитоптеры, которые махали бы крыльями, как птицы, но ни один из них не стал практическим путем к полету человека. Братья Райт совершили прорыв не потому, что просто имитировали, а потому, что вышли за рамки простого махания крыльями и сосредоточились на принципах подъемной силы и управления.
Если эволюция потратила миллионы лет на совершенствование конструкции, почему инженеры просто не скопируют ее? Этот вопрос был задан лаборатории Hubo в KAIST. Лаборатория создала HUBO, робота, победившего в конкурсе DARPA Robotics Challenge 2015 года, и сегодня ее возглавляет профессор Пак Хэ-вон. Недавние работы его команды дают представление о масштабе их деятельности. Гуманоидные ноги, способные развивать скорость 12,6 километров в час. Четвероногий робот, способный ходить прямо по вертикальным стенам. Одноногий прыгун, способный выполнять сальто в воздухе и приземляться на ту же ногу.
Подражание природе не всегда является правильным решением
При скорости 12,6 километров в час человеку нужно перейти на бег. Робот, созданный командой профессора Пак Хэ-вона в KAIST, может бежать с такой скоростью на двух ногах. Он скользит, выполняя движения, напоминающие лунную походку Майкла Джексона, передвигается по пересеченной местности, умеет ходить гусиным шагом.
Робототехники десятилетиями заимствуют приемы природы. Роботы профессора Пака действительно выглядят так, будто они созданы в соответствии с этой традицией. Но он работает в обратном направлении. Вместо того, чтобы изучать животное для создания робота, он выбирает проблему и создает машину для ее решения.
«Если вы разрабатываете технологии для высокоскоростного передвижения, колеса могут быть эффективным выбором, – рассуждает профессор Пак. – Нет необходимости имитировать движения гепарда».
Автомобиль на колесах обгоняет гепарда. Эволюция никогда не ставила перед собой цель создать самого быстрого бегуна. Она создала того, у кого больше всего шансов выжить.
«Изучение природных организмов дает нам представление об уровне производительности, которого можно достичь при грамотном проектировании, – продолжает профессор Пак. – Это служит полезным ориентиром для определения направления исследований и разработок. Важно рассматривать природу как одну из точек отсчета. Вместо того чтобы напрямую ее воспроизводить, целесообразнее использовать ее как источник идей».
Гуманоиды сталкиваются с тем же вопросом. Человеческое тело работает на мышцах, сухожилиях и химической энергии. Робот работает на металлических каркасах, двигателях и электричестве. Для точного воспроизведения движений человека необходимы искусственные мышцы, но двигатели по многим практическим показателям все же превосходят имеющиеся в продаже искусственные мышцы. Так зачем же ограничивать возможности робота, заставляя его двигаться, как тело, которого у него нет?
MARVEL, четвероногий робот из лаборатории профессора Пака, был разработан для более суровых задач. Исследователям нужен был робот, способный свободно передвигаться по стальным конструкциям верфей, мостов и больших резервуаров для хранения – мест, где ремонтные бригады рискуют получить смертельные травмы в результате падений.
Лапы геккона или когти насекомых могут показаться подходящей моделью для робота, лазающего по стенам. Но настоящая промышленная сталь ржавая, покрыта слоями старой краски и засохшей грязью. Сцепление, подобное тому, что используют гекконы, вряд ли смогло бы удержать тяжелое оборудование на таких поверхностях.
Вместо этого исследователи создали MARVEL с электропостоянными магнитами в ногах. Обычные электромагниты постоянно потребляют энергию, чтобы оставаться включенными. Электропостоянные магниты работают иначе. Короткий электрический импульс изменяет внутреннее расположение полюсов магнита, включая или выключая сцепление. Ноги MARVEL фиксируются и разблокируются примерно за пять миллисекунд.
Как только магниты сцепляются, сама стена становится опорой для робота. Три ноги остаются зафиксированными, а четвертая делает шаг вперед. MARVEL перемещается со скоростью 0,7 метра в секунду по вертикальным стенам и со скоростью 0,5 метра в секунду, вися вниз головой на потолке. Сила сцепления достигает почти 54 килограммов, чего достаточно, чтобы нести не только собственный вес, но и тяжелые инструменты.
«Если рассматривать судостроительного робота с точки зрения биомиметики, можно прийти к выводу, что он должен быть похож на человека-рабочего и обращаться с инструментами так же, как и он, – говорит профессор Пак. – В конечном итоге, важно разработать систему, которая соответствует рабочей среде и поставленной задаче».
Искусственный интеллект сам по себе не может создать идеального робота
Проектирование корпуса – это лишь половина проблемы. Искусственный интеллект и обучение с подкреплением изменили подход роботов к обучению движениям, но то, что работает в симуляции, должно по-прежнему хорошо работать на реальном оборудовании.
Команда профессора Пака обучает своих роботов с помощью обучения с подкреплением. Искусственный интеллект управляет телом робота и методом проб и ошибок учится ходить, падая и поднимаясь, как это делает маленький ребенок. Повторение этого процесса тысячи раз на реальном оборудовании заняло бы целую вечность. Поэтому исследователи вместо этого обучают роботов в симуляции.
Внутри симуляции команда профессора Пака запускает одновременно около 400 копий одного и того же робота. Каждая копия падает и восстанавливается в разных условиях, и полученные знания в режиме реального времени поступают в единую сеть искусственного интеллекта. Само время можно сжать. То, что потребовало бы около года физической практики, укладывается примерно в четыре часа на высокопроизводительном компьютере. Профессор Пак сказал, что половины дня обучения с подкреплением достаточно, чтобы заставить робота ходить.
Проблема в том, что робот, обученный в симуляции, не всегда выдерживает контакт с реальностью. Робот, который на экране кувыркается, как гимнаст, может потерять равновесие и упасть в тот момент, когда его поместят на реальный пол. Робототехники называют это разрывом между симуляцией и реальностью. Симуляции не могут уловить все нюансы физики реального мира, и эти различия достаточно велики, чтобы сбить с толку ИИ, который обучался в более простом мире. Именно для преодоления этого разрыва и пригодится опыт команды KAIST в области аппаратного обеспечения.
Один из подходов, использованных исследователями, заключался в том, чтобы заставить реального робота вести себя больше как его смоделированный двойник. Одна из главных причин, по которой ИИ с трудом управляет физическим роботом, – это трение в суставах. Традиционные роботы используют стандартные редукторы с высокими передаточными числами для усиления мощности двигателя. Это дает роботу мощную силу. В то же время внутреннее трение делает все жестким, как будто едешь на велосипеде, застрявшем на высокой передаче.
«В зубчатой передаче с высоким передаточным отношением очень трудно заставить ее вращаться снаружи, – отмечает профессор Пак. – Если прикрепить рычажный механизм и ударить по нему молотком, сопротивление будет настолько сильным, что зубья шестерни могут разлететься на куски».
Большинство симуляций плохо учитывают это трение. Искусственный интеллект, научившийся ходить в виртуальном мире с практически нулевым трением, теряет равновесие в тот момент, когда сталкивается с жестким сопротивлением реального сустава. Поэтому команда профессора Пака создала собственный привод, который уменьшил передаточное число примерно в десять раз по сравнению с обычными значениями, одновременно увеличив мощность двигателя. Это квазипрямой привод, концепция, впервые предложенная в Массачусетском технологическом институте. Меньшее трение в оборудовании означало, что реальный робот двигался больше как в симуляции. После корректировки обучение ИИ фактически сохранилось.
Команда KAIST также подошла к проблеме с другой стороны. Вместо того, чтобы подгонять оборудование под моделирование, они подгоняли моделирование под оборудование. Поскольку команда профессора Пака разработала и создала собственные двигатели, у них были подробные данные о том, как эти двигатели ведут себя на самом деле.
Эти данные важны. Большинство симуляций предполагают, что крутящий момент остается неизменным независимо от скорости вращения двигателя. Реальные двигатели работают иначе. Чем быстрее вращается двигатель, тем ниже доступный крутящий момент. Чем медленнее вращается двигатель, тем выше доступный крутящий момент. Обучение ИИ на упрощенной версии заставит его использовать возможности оборудования за пределами его возможностей. Команда профессора Пака использовала в процессе обучения свои фактические кривые зависимости крутящего момента от предела, поэтому ИИ научился определять предельные значения крутящего момента двигателя и оставался ниже них.
Все это объединяется в прыгающем роботе из KAIST. Вся машина – это одна нога. Ни рук, ни второй стопы для опоры. Решение такой задачи на равновесие – невероятно сложная задача. На данный момент профессор Пак уже заставил работать четвероногого робота. Вместо того чтобы переходить к двуногому, он сразу перешел к одноногому. Потому что, если алгоритм сначала справится с самым сложным случаем, то двуногий робот не будет проблемой.
Исследователи загрузили в симуляцию все данные о реальном роботе: смещающийся центр тяжести, инерцию и физические ограничения его приводов. Затем они запустили почти тот же алгоритм обучения с подкреплением, который использовали для четвероногого робота. Искусственный интеллект научился балансировать на одной ноге. Он начал прыгать. Вскоре он уже делал сальто в воздухе, каждый раз чисто приземляясь.
«Создание прыгающего робота подтвердило, что наш алгоритм обучения с подкреплением и конструкция аппаратного обеспечения могут применяться в самых разных условиях, – подчеркивает профессор Пак. – Это дало нам возможность изучить, как наши технологии двигателей и методы обучения с подкреплением могут быть использованы для разработки роботов самых разных форм».
Профессор Пак не разделяет мнение, что программное обеспечение может решить все проблемы. Он наблюдал, как молодые исследователи тратили дни на отладку кода, когда настоящая проблема заключалась в незакрепленном винтике или поврежденном паяном соединении. Когда робот не может ходить, люди в первую очередь обращаются к алгоритму. Они корректируют параметры, перезапускают симуляции, переписывают логику управления. Между тем, реальная неисправность находится прямо в аппаратной части. Никакое количество кода не затянет винтик. Знания об аппаратной части никуда не денутся только потому, что искусственный интеллект стал лучше.
«Независимо от того, насколько сложна технология управления, существуют пределы того, чего можно достичь, если аппаратное обеспечение не справляется, – констатирует создатель роботов. – В разработке роботов управление и аппаратное обеспечение имеют решающее значение. Ни то, ни другое нельзя рассматривать изолированно».
Могут ли человекоподобные роботы стать частью нашей повседневной жизни?
Вложения в человекоподобных роботов сейчас колоссальные. Но многие технологии выглядели столь же многообещающими, но так и не получили развития. Компания Honda потратила более двух десятилетий на разработку ASIMO, прежде чем тихонько отказаться от этой идеи. Робот, который проходит по сцене на выставке, – это не то же самое, что робот, который выдерживает смену на заводском конвейере.
Гуманоидный робот профессора Пака создается для заводского цеха. Целевая грузоподъемность составляет 25 килограммов и более. Большинство гуманоидных роботов на рынке имеют грузоподъемность значительно ниже этого показателя. Он выбрал это число из-за текущего положения дел в Южной Корее. Страна обладает одним из крупнейших в мире производственных секторов, но рабочая сила быстро стареет. Молодые люди не выстраиваются в очередь на сварочные работы или работу на конвейере. Нехватку кадров компенсируют более опытные квалифицированные рабочие и иностранные рабочие, которых недостаточно. Робот, способный переносить только легкие предметы, бесполезен в таких условиях. Создаваемые его исследователями квазипрямые приводы и специальные двигатели предназначены именно для такой работы.
Однако заводские цеха – не единственный возможный рынок. Профессор Пак упомянул дроны. Десятилетиями ими занимались только военные и несколько инспекторов инфраструктуры. Затем создатели контента на YouTube стали нуждаться в аэрофотосъемке и стали искать что-то, способное управлять камерой. Компании, производящие дроны, выпустили дешевые квадрокоптеры с неплохим креплением для камеры. За несколько лет вокруг практически не существовавшей потребности выросла индустрия потребительских дронов. Профессор Пак считает, что человекоподобные дроны могут пойти по тому же пути. Возможно, именно такое применение, которое действительно подтолкнет к их внедрению, еще никто в отрасли не предполагал.
«Я считаю, что роботы должны дополнять людей, а не конкурировать с ними. Я надеюсь, что в конечном итоге роботы будут использоваться для обогащения жизни людей и освобождения их от рутины, позволяя им заниматься более полезной и приносящей удовлетворение работой», – резюмировал профессор Пак.
