Flexion Robotics: Универсальный «мозг» для любых человекоподобных роботов

Большинство компаний в сфере человекоподобной робототехники гонятся за созданием более совершенного «тела». Flexion Robotics, стартап из Цюриха, вышедший из тени в конце 2025 года, делает ставку на обратное: ключевое преимущество будет не у того, у кого лучше «железо», а у того, кто создаст лучший «мозг», способный работать на любом «теле». При общем объеме финансирования в $57,35 млн и впечатляющей демонстрации на конференции ICRA 2026 (более 95% успешных автономных действий в 300 испытаниях), подход Flexion, основанный на приоритете симуляции, является одной из самых ярких и нестандартных стратегий в этой области .

Ключевая идея Flexion: Только программное обеспечение, без привязки к «железу»

Flexion Robotics не производит роботов. Вместо этого компания создает универсальный программный стек для автономного управления — то, что сама компания называет «Android для андроидов». Этот стек может лицензироваться любым производителем человекоподобных роботов . Архитектура спроектирована так, чтобы разворачиваться одновременно на 14 различных платформах андроидов, а цель компании — сократить время, необходимое для адаптации нового робота к новой задаче, с нескольких лет до одной недели .

«Мы создаем виртуальный мир, в который помещаем этих роботов, — заявляют в компании. — Обучение в симуляции, перенос в реальный мир с минимальным участием человека» .

Метод обучения: Перенос из симуляции в реальность (Sim-to-Real) в промышленных масштабах

Технический подход Flexion строится на трех взаимосвязанных принципах:

1. Обучение в симуляции с переносом в реальность (sim-to-real). Все политики управления роботами обучаются исключительно внутри виртуального физического симулятора в огромных масштабах — до 4000 виртуальных роботов одновременно. Затем обученные нейросети переносятся на реальное оборудование и работают с первого раза, без дополнительной настройки (zero-shot deployment) . Компания использует обучение с подкреплением (RL), при котором роботы учатся сами через пробы и ошибки: действуют, оценивают результаты и корректируют поведение до достижения цели . Результатом является не набор команд, а нейросетевая политика, преобразующая восприятие окружающей среды в действия .

2. Комбинация обучения по демонстрации (Imitation Learning) и обучения с подкреплением (Reinforcement Learning). Flexion использует остаточное обучение с подкреплением поверх базовых навыков, полученных из демонстраций. Это означает, что робот сначала осваивает фундаментальные навыки манипуляции и перемещения на основе данных, собранных с человека. Затем, с помощью RL, он адаптирует эти навыки к реальным условиям, которые невозможно идеально смоделировать в симуляторе . Компания также применяет обратную связь «от реальности к симуляции» (real-to-sim), где данные из реального мира используются для уточнения параметров симуляции, делая ее более точной для будущего обучения .

3. Модульная трехуровневая архитектура. Стек автономного управления разделяет высокоуровневое мышление, планирование движений и низкоуровневый контроль :

• Уровень команд (Reasoning): Агент на основе большой языковой модели (LLM) или визуально-языковой модели (VLM). Он интерпретирует задания, описанные естественным языком (например, «убери в офисе»), разбивает их на подзадачи и планирует многошаговые последовательности действий .
• Уровень генерации движений (Planning): Диффузионная модель, которая прокладывает путь робота в пространстве, избегая препятствий .
• Уровень исполнения (Reflexes): Основанный на RL контроллер всего тела, который выполняет точные и устойчивые движения на физическом роботе .

Такая конструкция «разделяет намерение (определяемое языком) и осуществимость (определяемую физикой), используя симуляцию для моторных навыков, а реальные данные — только выборочно» .

Автономная уборка офиса: От команды до действия

В ноябре 2025 года Flexion опубликовала видео, на котором человекоподобный робот полностью автономно убирается в офисе, получив лишь короткую команду от пользователя. Никаких скриптов, заранее просчитанных траекторий или телеуправления . Агент на основе VLM воспринял сцену, осмыслил задачу и разработал стратегию по подбору и перестановке предметов «от начала и до конца» . Та же система демонстрировалась и в работе на открытом воздухе — она самостоятельно собирала и утилизировала мусор .

ICRA 2026: Подтверждение в реальных условиях

На Международной конференции по робототехнике и автоматизации (ICRA 2026), проходившей 9–11 июня 2026 года, Flexion провела публичную демонстрацию автономного человекоподобного робота. За три дня, в ходе 300 испытаний, роботы действовали полностью автономно с успешностью более 95% и без какого-либо вмешательства человека . Этот результат подтвердил, что метод переноса навыков из симуляции в реальность работает в условиях неконтролируемой конференц-среды — что является одной из самых сложных задач для демонстрации возможностей роботов.

Чем Flexion отличается от конкурентов

Характеристика	Flexion Robotics	Типичные конкуренты (Tesla Optimus, Boston Dynamics, Figure, 1X)
Основной продукт	Универсальное ПО для автономности — без собственного «железа»	Вертикально интегрированные «железо + софт»; каждая компания строит своего робота
Платформенная стратегия	Работает на любых андроидах; одновременно на 14 платформах	Привязан к одной собственной аппаратной платформе
Парадигма обучения	Приоритет симуляции (sim-to-real); политики обучаются в симуляции и переносятся без донастройки	Смесь реальных данных с телеуправления, RL в реальном мире и симуляции; большинство сильно зависит от сбора реальных данных
Цель совместимости	Сократить время настройки нового робота под новую задачу с лет до недели	Каждая новая задача требует месяцев инженерной работы под конкретное «железо»
Финансирование	$57,35 млн всего ($50 млн Series A + $7,35 млн Seed)	Конкуренты часто привлекают гораздо больше для запуска производства (например, Figure AI собрал более $675 млн)
Ключевые инвесторы	DST Global, NVIDIA NVentures, Prosus Ventures, Moonfire, Redalpine	Смесь венчурных, стратегических и корпоративных инвесторов

Ключевые стратегические отличия:

• Модель лицензирования ПО. Flexion позиционирует себя как горизонтальный слой интеллекта, который может лицензировать любой производитель андроидов, сознательно избегая «ловушки вертикальной интеграции», в которую, по их мнению, попали Tesla или Figure .
• Независимость от «железа». Обучение единого стека на 14 различных платформах одновременно делает «мозг» Flexion переносимым между разными морфологиями, что контрастирует с отраслевым стандартом «один робот — один стек» .
• Полностью симуляционный цикл обучения. В то время как конкуренты часто используют реальные данные с телеуправления для обучения по демонстрации, Flexion обучает политики в симуляции и переносит их в реальный мир с первого раза, требуя минимального сбора реальных данных .

Оговорки и открытые вопросы

Следует отметить, что специальная статья в Wired за июнь 2026 года, посвященная автономной работе Flexion в офисе, не была обнаружена в доступных источниках. Наиболее детальные свидетельства об автономной уборке офиса исходят из собственного поста Flexion в LinkedIn (ноябрь 2025 года) и отчета об ICRA 2026 . Заявления компании о сокращении времени настройки до «одной недели» и работе на 14 платформах еще предстоит проверить в коммерческих масштабах. И хотя результаты ICRA 2026 впечатляют, отрасль все еще ждет сторонних бенчмарков, которые сравнят роботов, работающих на ПО Flexion, с вертикально интегрированными конкурентами в реальных условиях.

Ставка Flexion заключается в том, что будущее человекоподобной робототехники будет меньше похоже на iPhone — tightly integrated hardware-software bundle — и больше на Android: универсальную операционную систему, которую может принять любой производитель. Если их методология обучения в симуляции продолжит демонстрировать реальные результаты, эта ставка может оказаться выигрышной.