Командная работа: гуманоидов и манипуляторы объединили в систему под контролем единого искусственного интеллекта 👁️
🫂 Китайский стартап MindOn Robotics, основанный в 2025 году бывшими исследователями Tencent, представил модель Mind-0. Она одновременно управляет несколькими типами роботов: двумя Unitree G1 и парой стационарных двуруких манипуляторов.
«Реальный мир требует разнообразия оборудования, гуманоиды хорошо подходят для перемещения в среде, созданной для людей, тогда как стационарные роботы эффективнее справляются с точными и повторяющимися операциями. Необходимо объединить их в рамках единой системы управления»
1️⃣ В робототехнике существует проблема гетерогенности. Гуманоид, манипулятор или мобильный робот отличаются кинематикой, набором датчиков и способами управления, поэтому перенос навыков между ними остаётся сложной инженерной задачей.
Архитектура Mind-0 построена на разделении высокоуровневого и низкоуровневого управления. Верхний уровень отвечает за понимание задач, планирование и принятие решений. Нижний представляет собой набор специализированных контроллеров, которые переводят общие команды в конкретные движения с учётом кинематики и особенностей каждой платформы.
Благодаря этому одна и та же модель понимает, что необходимо сделать, но реализует задачу по-разному на человекоподобном роботе и на стационарном манипуляторе.
Но главная фишка проекта связана с датасетами для обучения. Многие современные робототехнические системы собирают данные через телеоперации, когда человек напрямую управляет роботом и демонстрирует выполнение задачи.
Mind-0 обучалась на эгоцентрических данных (egocentric data/first-person view) и данных о движениях всего тела человека (whole-body data).
Первые — это записи действий с камеры на голове или в очках оператора, показывающие мир так, как его видит сам человек. А вторые — это запись того, как одновременно движутся все основные его части тела при выполнении задачи (motion capture).
2️⃣ Вторая проблема — разрыв между симуляцией и реальным миром. Модель может показать хорошие результаты в виртуальной среде, но столкнуться с неожиданными ошибками после переноса (ретаргетинга) на физического робота.
Для её решения MindOn разработал систему компенсации исполнения в реальном мире (Real-World Execution Compensation Model).
По словам компании, она использует ограниченный объём данных с реальных роботов для корректировки различий между симуляцией и физическим исполнением задач.
В результате разработчики заявляют о достижении субсантиметровой точности манипуляций гуманоидом Unitree G1.
2️⃣ Прорыв? Возможно, но надо наблюдать. Компания не раскрывает показатели успешности выполнения задач, статистику отказов или результаты сравнительных испытаний.
Кроме того, остаётся открытым вопрос, насколько «единым» является Mind-0 на практике и какой объём специализированных алгоритмов скрывается внутри контроллеров отдельных роботов.
Тем не менее сама идея общего интеллекта для различных робототехнических платформ может оказаться одним из наиболее перспективных направлений развития воплощения в ближайшие годы.
Так что «Автофабы» Филипа Дика уже на подходе.
Самое время перечитать и 💚💚💚💚💚
