Автономные системы становятся интереснее не на сцене, а на стройплощадках, испытательных полигонах и в симуляторах. Built Robotics и Penn xLAB объявили о работе над physical AI для строительства, а IEEE Spectrum описал, как General Motors применяет ИИ для ускорения проектирования автомобилей и лунных роверов. Общая линия проста: машины учатся выполнять ограниченные, дорогие и проверяемые задачи.

Редакционная иллюстрация к статье

Стройка проверяет лучше презентации

Строительная площадка сложна для роботов: погода, пыль, люди, нестандартные действия. Поэтому это хороший фильтр. Автономный экскаватор должен не впечатлить две минуты, а повторять операцию, безопасно останавливаться, вести журнал и работать рядом с бригадой.

Built Robotics давно делает комплекты автономности для тяжелой техники. Penn xLAB добавляет исследовательский опыт в моделях, которым нужно понимать движение, силу и пространство. Первые победы будут выглядеть скромно: точнее подготовка площадки, меньше рутинных ошибок, безопаснее повторяющиеся маневры.

Проектирование тоже часть робототехники

Пример GM важен потому, что роботы улучшаются не только за счет датчиков и приводов. Быстрые циклы проектирования позволяют проверить форму, охлаждение и алгоритмы управления до сборки железа. Для лунного ровера это особенно важно: ремонтная бригада туда не приедет.

Но симуляция не равна грязи, вибрации и усталой смене. Модель помогает сузить выбор. Реальность все равно нужно проверять скучными тестами.

За чем следить

Серьезный рубеж — не громкие заявления об общем интеллекте, а робот, который документирует работу, безопасно отказывает и дает понятные журналы. Если машина выкопала не там, нужны координаты и причина решения, а не красивая история.

Вывод: автономность приходит как дисциплинированный помощник существующей техники. Это менее эффектно, зато намного правдоподобнее.