Flexion Robotics: Универсальный «мозг» для любых человекоподобных роботов

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

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.