Робототехнике нужен не новый демо-ролик, а надёжность

У робототехники пока нет одного понятного “ChatGPT-момента”. В 2026 году есть сильные модели, яркие гуманоиды, дешёвые учебные платформы и рост промышленных заказов. Но главный барьер остаётся тем же: физический ИИ должен не только впечатлять роликами, а надёжно выполнять полезную работу в реальном мире.

Тема недели складывается из нескольких сигналов: TechCrunch пишет о “GPT-2 era” для робототехники, Google DeepMind продвигает Gemini Robotics 2, Mistral показывает Robostral Navigate, Microduck вызывает большой интерес как открытая платформа за $399, а The Robot Report фиксирует рост заказов промышленных роботов. Вместе это не история об одном релизе, а проверка зрелости всей отрасли.

Почему 80% успеха мало

В программном продукте 80% удачных ответов иногда достаточно для черновика. В робототехнике это может означать падение, столкновение, сломанный предмет, простой линии или опасность для человека рядом. Именно поэтому цитата из TechCrunch о том, что клиентам не нужен general-purpose robot with 80% success rate, звучит как практическое правило, а не скепсис ради скепсиса. Реальная метрика — повторяемость, восстановление после сбоя, безопасность и стоимость обслуживания.

Данные и перенос из симуляции

Текстовые модели выросли на огромных массивах данных. Роботам сложнее: нет универсального открытого корпуса всех движений рук, дверных ручек, коробок, мокрых полов, бликов, разных камер и разных тел. Simulation helps, but sim-to-real remains hard. То, что ходит в MuJoCo или красиво хватает на лабораторном столе, должно пережить батареи, сенсоры, пыль, людей и неровный объект.

Что показывают новые модели

Gemini Robotics 2 важна как пример frontier research: vision-language-action model, embodied reasoning, whole-body control, dexterity, multi-robot collaboration and on-device adaptation. Но часть возможностей остаётся early-access or partner preview. Robostral Navigate интересен как 8B navigation model with single RGB camera and no LiDAR; результат 76.6% on R2R-CE is notable, but benchmark success is not the same as hospital, warehouse or hotel reliability.

Зачем важен Microduck

Microduck не нужно переоценивать как домашнего помощника. Его сила в другом: маленький, относительно дешёвый, открытый робот может дать школам, maker spaces and labs практический опыт с policy training, sensors, gait, battery, failure recovery and real hardware. Такие платформы не решают data crisis alone, but they widen the developer base.

Гуманоиды и скучная промышленность

Humanoid robots attract capital because they promise one body for human spaces. But customers buy outcomes. Unitree’s market story shows momentum and research demand, while industrial orders show where ROI is clearer today. A3 numbers reported by The Robot Report — 8,940 robots and $622M in Q2 2026 — remind us that boring automation already sells when task, service and uptime are understood.

Практический чек-лист

Ask what task the robot performs today, not in the roadmap. Ask how many uninterrupted cycles were measured, who resets failures, what data is collected, how updates are validated, what safety standard applies and whether a narrower robot would solve the same problem cheaper. For home robots, privacy and recovery matter. For factories, serviceability and uptime beat cinematic demos.

Вывод

Robotics is progressing, but the next milestone is likely not one spectacular launch. More likely it will be a slow Apple II / IBM PC moment: cheaper platforms, better datasets, stronger simulation, safer deployment and enough useful robots in enough hands that reliability stops being surprising.

Почему это важно сейчас

Свежие обсуждения Hacker News по Gemini Robotics 2, Microduck and Robostral показывают не только интерес к роботам, но и зрелость вопросов. Люди спрашивают о дверных ручках, падениях, батареях, зарядке, лицензиях, военных сценариях, безопасности рядом с людьми и реальной полезности. Это хороший знак: аудитория перестаёт оценивать робота по эффектности alone and starts asking deployment questions.

Для отрасли это полезнее, чем очередной спор о том, когда “робот-дворецкий” войдёт в дом. Первые массовые wins могут быть в складах, инспекции, логистике, лабораториях, сельском хозяйстве, обучении and narrow service tasks. General-purpose humanoid remains attractive, but economics usually arrive through narrower jobs first.

Что считать хорошей метрикой

Для робота важна не только средняя success rate. Нужны данные о худших случаях: как часто система не знает, что делать; как быстро останавливается; кто и за сколько минут возвращает её в работу; что происходит при потерянной связи, разряженной батарее, изменённой раскладке, новом объекте или человеке в зоне движения. Хороший deployment report должен включать не только красивые задания, но и список отказов.

Ещё один вопрос — кто владеет learning loop. Если клиент не получает логи, не понимает обновления и не может проверить новую policy before rollout, робот становится чёрным ящиком на колёсах или ногах. Для промышленности это вопрос безопасности и простоя; для дома — доверия и приватности.