Чому індустрії фізичного ШІ в Китаї бракує даних про взаємодію з реальним світом

Ключове вузьке місце китайської індустрії гуманоїдних роботів дедалі більше пов’язане не з апаратним забезпеченням, а з даними. Робот може ходити, танцювати або виконувати бездоганну, заздалегідь підготовлену демонстрацію. Проте для надійної автономної роботи йому потрібні значно складніші записи: як машина сприймає світ, рухається, торкається предметів, помиляється, ковзає та виправляє власні дії. 514

Всесвітня конференція роботів 2026 року в Пекіні зробила цей поворот особливо помітним. Поряд із відшліфованими показовими виступами учасники демонстрували обладнання для дистанційного керування роботами, системи захоплення рухів, носимі сенсори, тактильні та силові датчики, а також інфраструктуру для збору навчальних даних. 4913

Дефіцит даних про фізичний світ

За цифрами, які неодноразово звучали в контексті конференції, доступний масив даних про реальну фізичну взаємодію, що відповідає нормативним вимогам, становить приблизно 500 000 годин. Водночас для комерційного розгортання універсальних моделей фізичного ШІ галузь часто називає потребу в десятках мільйонів годин. Це означає нестачу понад 99%. Водночас йдеться саме про галузеву оцінку, а не про універсальний науковий норматив: необхідний обсяг залежить від завдання, конструкції робота, середовища та вимог до безпеки. 357

Порівнювати ці дані зі звичайними масивами відео з інтернету некоректно. На відео можна побачити, як людина бере чашку, але зазвичай там немає інформації про положення суглобів робота, силу захоплення, момент контакту, тертя, ковзання чи коригувальний рух. Саме ці параметри визначають, чи зможе робот повторити дію, якщо чашка виявиться важчою, поверхня — вологою, а предмет — трохи зміщеним.

Чому ефектна демонстрація ще не є автономністю

Запрограмований сценарій здатен приховати найскладніші аспекти робототехніки. Предмети, освітлення, траєкторія та час виконання можуть бути заздалегідь контрольованими, а оператор — втручатися щоразу, коли виникає непередбачена ситуація. У результаті глядач бачить нібито автономну машину, хоча демонстрація не доводить, що робот навчився стійкої політики переходу від сприйняття до дії.

Для комерційного використання цього недостатньо. Робот має працювати з предметами різної форми, поверхнями, точками захоплення, захаращенням і людьми поруч. Він також повинен розпізнавати помилки та відновлюватися після них. У завданнях із численними контактами важливо записати не лише те, чи досягнуто кінцевої мети, а й послідовність спостережень, дій, фізичних станів і виправлень. Саме тому спеціалізовані набори даних для фізичного ШІ поєднують мультимодальні спостереження з діями та їхніми наслідками. 333440

Збирати такі дані стає дедалі складніше

Перші набори для навчання роботів могли обмежуватися короткими й повторюваними демонстраціями. Наступний етап — це довгі багатокрокові завдання з постійною фізичною взаємодією: сортування, складання, пакування, прибирання, маніпуляції на виробництві, у магазинах, лікарнях і домівках.

Це збільшує навантаження на збір даних у трьох напрямках:

• Більше різноманіття. Одне й те саме завдання потрібно записувати з різними предметами, матеріалами, плануванням простору та умовами довкілля.
• Більше інформації про невдачі. Прослизання, зіткнення, невдалі захоплення та спроби відновлення можуть бути не менш цінними для навчання, ніж успішні демонстрації. 33
• Більше синхронізованих сигналів. Камери, глибина сцени, поза робота, рух суглобів, сила, дотик та інші потоки сенсорів потрібно узгодити в часі, щоб модель навчилася пов’язувати сприйняття з дією.

Масштабування тут складне: реальні роботи дорогі в експлуатації, фізичні експерименти потребують контролю безпеки, а якісні дані потрібно відбирати й структурувати, а не просто накопичувати. Великий відеоархів сам по собі не стає корисним набором для навчання роботів.

Новий сектор постачання даних

Спеціалізовані постачальники даних починають заповнювати проміжок між поведінкою людини та інформацією, придатною для машини. Вони можуть залучати й навчати операторів, дистанційно керувати роботами, записувати рухи людини, оснащувати робочі процеси сенсорами, синхронізувати потоки, відсіювати невдалі траєкторії та готувати результати для розробників моделей.

Телеприсутність цінна тим, що фіксує дії на реальному роботі, а не лише рухи людини, яка виконує аналогічне завдання. VR- та інші універсальні контролери можуть передавати команди роботу, тоді як носимі системи й обладнання для захоплення рухів записують детальніші рухи тіла, рук і кистей людини, після чого переносять їх на машину. 1

Так формується новий рівень ланцюга фізичного ШІ. Компанії створюють не лише корпуси роботів і моделі, а й демонстрації та сенсорні записи, які поєднують ці компоненти. На WRC учасники прямо представляли збір даних як частину інфраструктури фізичного інтелекту — зокрема системи, що фіксують рухи голови та рук під час повсякденних справ. 49

Навіщо Китаю полігони навчання по всій країні

Полігони навчання дають змогу тренувати, тестувати й порівнювати роботів у контрольованих, але наближених до реальності умовах. Там можна відтворювати фабрики, склади, житлові будинки, магазини та об’єкти сфери послуг, отримуючи повторювані сценарії без зведення всіх випробувань до лабораторної рутини.

За даними, наведеними в публікаціях про звіт Китайської академії інформаційно-комунікаційних технологій за 2026 рік, до кінця червня в Китаї працювали понад 70 таких полігонів, ще 46 перебували на етапі будівництва або планування. Об’єкти охоплювали понад половину адміністративних регіонів провінційного рівня, а промислове виробництво було найпоширенішим напрямом і фігурувало у 86% описаних полігонів. 1822

Однак сама інфраструктура не розв’яже проблему, якщо нею активно не користуватися. Її призначення — стати ресурсом даних і майданчиком для випробувань у реальних умовах, а не просто ще одним місцем для показових виступів. Логіка задуманої системи така: навчання в реальному світі створює дані, дані вдосконалюють модель, краща модель дає змогу ширше впроваджувати роботів, а нові впровадження генерують додаткові операційні дані. 1422

Держава підштовхує роботів із виставкових залів у реальний світ

У 2026 році Міністерство промисловості та інформаційних технологій Китаю і Комісія з нагляду та управління державними активами запустили спеціальну програму реального навчання гуманоїдних роботів і систем фізичного ШІ. Вона охоплює промислові, сервісні та спеціалізовані сценарії — від виробництва, логістики й медицини до державних послуг та аварійно-рятувальних робіт. 2425

Урядове повідомлення визначило серед цілей комерційне впровадження 10 000 гуманоїдних роботів і понад 100 високорентабельних прикладних сценаріїв до кінця 2026 року. 26 Підхід полягає в тому, щоб зробити саме впровадження частиною навчальної інфраструктури: місцеві органи влади та державні підприємства мають надавати майданчики, де системи можна випробовувати, перевіряти й удосконалювати в робочих умовах. 24

Це не гарантує, що поставлених цілей буде досягнуто або що роботи стануть універсально автономними. Але показує зміну державного акценту: від одного лише виробництва апаратного забезпечення — до циклу «дані, реальні сценарії та розгортання», необхідного для комерційної надійності.

Чому роботам недостатньо відео, тексту чи даних автономного водіння

Відео, мова та симуляція залишаються важливими. Вони можуть навчити модель розпізнавати предмети, розуміти інструкції та бачити, як людина виконує дію. Симулятори дають масштаб і допомагають охопити сценарії, які дорого або небезпечно відтворювати фізично. Дослідження стандартів даних для фізичного ШІ також вказують на потребу поєднувати реальні дані, симуляцію та різні сенсорні модальності, а не покладатися на одне джерело. 232

Однак ці джерела не описують повністю завдання керування. Під час маніпуляцій робот може мусити оцінювати:

• положення та орієнтацію предмета у тривимірному просторі;
• кути й швидкість руху власних суглобів, а також механічну реакцію системи;
• силу, потрібну для захоплення, штовхання, вставляння чи піднімання;
• момент контакту, ковзання або зіткнення;
• спосіб коригування дії, якщо очікуваний рух не спрацював.

Тому різні методи збору даних доповнюють один одного:

• VR-телеприсутність записує продемонстровані людиною команди через інтерфейс, які можна перевести в рухи робота. 1
• Носиме захоплення рухів фіксує намір і рухи тіла, рук та кистей людини, після чого їх можна адаптувати до конкретного робота. 1
• Силовий зворотний зв’язок і тактильні сенсори показують контакт, опір, тиск і ковзання, які звичайне зображення може не зафіксувати. 733
• Дані про крутний момент двигунів і пропріоцепцію розкривають внутрішній стан робота та реакцію його механізмів під час дії. 3946
• Траєкторії реальних роботів виявляють похибки калібрування, затримки, шум сенсорів, механічні обмеження та недосконалість середовища, які людське відео або симуляція можуть лише приблизно відтворити. 3234

Дані автономного водіння можуть допомогти зі сприйняттям і навігацією, але спритні маніпуляції мають інший простір дій. Водіння здебільшого є завданням, орієнтованим на транспортний засіб, і передбачає мінімум безперервних контактів з іншими предметами. Натомість захоплення, вставляння деталей і складання залежать від сили контакту, податливості механізмів і здатності відновлюватися після помилки.

Головний стратегічний висновок

WRC 2026 не свідчить, що Китай втратив інтерес до апаратного забезпечення роботів. Радше індустрія усвідомлює: одними корпусами розрив в автономності не закрити. Перевага дедалі більше може перейти до організацій, здатних збирати, стандартизувати та законно використовувати великі обсяги мультимодальних даних про фізичну взаємодію.

Шлях китайської індустрії гуманоїдних роботів від сценічних трюків і машин під дистанційним керуванням до надійної автономності лежить через поєднання реальних впроваджень, підготовлених операторів, оснащених сенсорами середовищ, спільних стандартів даних і багаторазових випробувань. Цей конвеєр уже будують, але розрив між сотнями тисяч годин доступних записів і десятками мільйонів, про які говорять у контексті комерціалізації, залишається головним обмеженням. 31314