Flexion Robotics: Стартап, що створює «універсальний мозок» для будь-якого людиноподібного робота

«Ми створюємо віртуальний світ, у який можемо помістити цих роботів, — кажуть у компанії. — Навчений у симуляції, масштабований на реальний світ із мінімальною участю людини» .

Методологія навчання: масштабування sim-to-real

Технічний підхід Flexion обертається навколо трьох взаємопов’язаних рішень:

1. Навчання на основі симуляції (sim-to-real). Усі політики роботів навчаються повністю всередині віртуальної фізичної симуляції в масштабі — до 4000 віртуальних роботів одночасно — а потім переносяться на реальне обладнання з нульовим донавчанням . Компанія використовує навчання з підкріпленням (RL), де роботи вчаться самостійно через спроби та помилки: діючи, оцінюючи результати та коригуючи дії, доки не досягнуть успіху . Результатом є не сценарій, а політика нейронної мережі, яка перетворює сприйняття на дію .

2. Поєднання імітаційного навчання та навчання з підкріпленням. Flexion використовує залишкове навчання з підкріпленням на основі базових імітаційних моделей. Це означає, що робот вивчає фундаментальні навички маніпуляції та локомоції з демонстраційних даних людини, а потім використовує RL для адаптації цих навичок до реальних умов, які симулятор не може ідеально змоделювати . Компанія також використовує зворотний зв’язок «real-to-sim», де дані з реального світу уточнюють параметри симуляції для більш точного майбутнього навчання .

3. Модульна тришарова архітектура. Стек автономного ПЗ розділяє високорівневе міркування, планування руху та низькорівневе керування :

• Командний рівень (Міркування): Агент на основі великої мовної моделі (LLM) або візуально-мовної моделі (VLM), який інтерпретує описи завдань природною мовою, як-от «прибери в офісі», розбиває їх на підзавдання та планує багатокрокові робочі процеси .
• Рівень генерації руху (Планування): Дифузійна модель, яка визначає запланований шлях робота та уникає перешкод у 3D-просторі .
• Виконавчий рівень (Рефлекси): На основі RL трекер всього тіла, який виконує надійні, адаптивні рухи на фізичному роботі .

Такий дизайн «відокремлює намір (керований мовою) від здійсненності (регульованої фізикою), використовуючи симуляцію для рухових навичок і вибірково — реальні дані» .

Автономні офісні завдання: від команди до дії

У листопаді 2025 року Flexion опублікував відео, на якому людиноподібний робот автономно прибирає офіс, починаючи з простого запиту користувача — без сценаріїв, без попередньо обчислених траєкторій і без телеоперації . Агент на основі VLM сприймав сцену, міркував про завдання та планував наскрізну стратегію для підбирання та перестановки об’єктів . Цю ж систему також демонстрували для навігації на відкритому повітрі з метою автономного збору та утилізації сміття .

ICRA 2026: Жива валідація

На Міжнародній конференції з робототехніки та автоматизації (ICRA 2026), що проходила з 9 по 11 червня 2026 року, Flexion провів живу автономну демонстрацію гуманоїдів. Протягом 300 випробувань за три дні роботи працювали повністю автономно з понад 95% успіхом і без втручання людини . Результат підтвердив, що підхід sim-to-real працює в масштабі в неконтрольованому середовищі конференції — що є надзвичайно складним завданням для робототехнічних демонстрацій.

Чим Flexion відрізняється від інших у сфері гуманоїдів

Ключові стратегічні відмінності:

• Модель лише ПЗ / ліцензування платформи. Flexion позиціонує себе як горизонтальний інтелектуальний шар, який будь-який виробник гуманоїдів може ліцензувати, свідомо уникаючи «пастки вертикальної інтеграції», в яку потрапляють Tesla або Figure .
• Апаратно-агностичне узагальнення. Навчання одного стека на 14 різних платформах паралельно має зробити мозок Flexion портативним для різних морфологій — на відміну від галузевої норми «один робот — один стек» .
• Повністю симуляційний цикл навчання. Хоча більшість конкурентів використовують дані реальної телеоперації для імітаційного навчання, Flexion навчає політики в симуляції та переносить їх на реальний світ без донавчання, потребуючи мінімального збору реальних даних .

Застереження та відкриті питання

Спеціальної статті Wired від червня 2026 року, присвяченої автономності Flexion в офісних завданнях, знайти не вдалося. Найдетальніші докази демонстрації офісних завдань походять із власного допису Flexion у LinkedIn (листопад 2025 року) та звіту про результати ICRA 2026 . Заяви компанії про скорочення часу налаштування до «одного тижня» та роботу на 14 платформах ще потрібно перевірити в комерційних масштабах. І хоча результати ICRA 2026 вражають, галузь все ще чекає на незалежні порівняльні тести роботів на базі Flexion з вертикально інтегрованими конкурентами в реальних умовах.

Ставка Flexion полягає в тому, що майбутнє людиноподібної робототехніки буде схоже не на iPhone — тісно інтегрований комплект «заліза» та ПЗ, — а на Android: універсальну операційну систему, яку може використовувати будь-який виробник. Якщо його методологія навчання на основі симуляції продовжить давати реальні результати, ця ставка може виправдатися.