Роботы с развитым ИИ: ученые и индустрия о том, как сделать научную фантастику реальностью

Дискуссию «Роботы + ИИ: чему и где учиться, чтобы создавать будущее?» открыла модератор встречи, директор по стратегическому развитию Университета ИТМО Дарья Козлова. Главный тезис: физический искусственный интеллект — это стремительно развивающаяся область, требующая междисциплинарного подхода к исследованиям и нового взгляда на архитектуру образовательных программ.

О том, какие научные задачи и вызовы стоят перед физическим ИИ, рассказал руководитель международной лаборатории биомехатроники и энергоэффективной робототехники, Университета ИТМО Сергей Колюбин. Он отметил, что физический ИИ — это не только роботы, а более широкая область, в которой алгоритмы учатся понимать глобальный контекст законов природы. Такой ИИ существует и вне воплощения — например, в прогнозах климатологов или расчетах химиков. А когда речь заходит о машинах, взаимодействующих с окружающим миром с конкретным форм-фактором, корректнее использовать термин «воплощенный ИИ».

Что касается современных фронтирных исследований в области воплощенного ИИ, то в первую очередь они связаны с пространственным интеллектом. Речь о способности ИИ понимать свое окружение, состояние ситуации, в которой он находится, и доступные ему инструменты. Еще один сложный блок — принятие решений и сенсомоторная координация.

Серьезным вызовом для ученых в сфере воплощенного ИИ остается поиск данных для обучения. Так, критически важны сенсорный опыт и восприятие разных типов информации, но объем данных, необходимый для обучения воплощенного ИИ колоссальный — и его нельзя получить только из готовой информации. Исследователи либо используют готовые видеоархивы, либо генерируют видео самостоятельно. Для обучения роботов очень важно, чтобы картинка была достоверна с точки зрения законов физики. Генерация таких данных — одна из передовых задач.

Решения этих вызовов находят применение в индустрии уже сейчас. Кроме роботов-доставщиков, уже плотно вошедших в нашу жизнь, активно развивается направление роботов-манипуляторов.

«Мы в ИТМО сосредоточились на задачах контактной манипуляции — когда роботу нужно не просто взять и переложить объект, а совершить с ним более сложные действия. Например, сложить одежду, протянуть кабель или правильно расставить пробирки в лаборатории. Таких сценариев множество, и именно в этом прелесть воплощенного ИИ — универсальность. Как только мы находим решение, которое можно использовать на большое количество сценариев, мы получаем колоссальный экономический эффект — нам не нужно под каждую задачу разрабатывать новую систему. Универсальный форм-фактор робота — это смена парадигмы», — рассказал Сергей Колюбин.

Разработка гуманоидных роботов, напротив, пока создает исследователям больше технических сложностей, чем экономической целесообразности. Однако, по мнению профессора, в процессе создания таких устройств тренируются команды, которые в состоянии решать задачи высокого уровня сложности.

«Сообщество, которое сейчас работает над физическим ИИ, по сути, сформировалось из специалистов по классическому ИИ и компьютерному зрению: они увидели новую перспективу. В свою очередь, робототехники осознали ценность новых методов и поняли, что движение здесь двустороннее — это развивает и сам ИИ. Благодаря этому синтезу у систем принятия решений появился стратегический уровень — они учатся понимать последовательность действий и принимать решения. Теперь полная автоматизация процессов с помощью роботов становится реальностью», — отметил Сергей Колюбин.

Как обучать междисциплинарных специалистов, способных развивать физический ИИ сегодня, — еще один вызов, но уже в области высшего образования. Директор по развитию технологий искусственного интеллекта Т-Технологий Алексей Шпильман считает, что с распространением искусственного интеллекта наступил кризис науки и преподавания классической модели.

«Раньше мы считали результатом научной деятельности публикацию. Сейчас из-за ИИ статей становится больше, но и читает их тоже ИИ. И здесь мы все чаще приходим к выводу, что нам нужен результат — наука не должна быть просто генератором статей, она должна приносить пользу. Надо учить студентов любознательности, умению ставить интересные вопросы и добиваться их решения. Если с генерацией идей ИИ справляется, то довести их до результата, который еще и принесет экономическую выгоду, может только человек», — считает Алексей Шпильман.

Ведущие вузы страны уже оценили важность изучения физики для ИТ-направлений. Будущим специалистам в области воплощенного ИИ особенно ценно понимать, где им пригодятся полученные навыки на стыке двух областей науки. Так считает директор института интеллектуальных кибернетических систем НИЯУ МИФИ Константин Когос. Образовательная программа, позволяющая изучать физический ИИ на практике в индустрии уже существует — ее в 2025 году Яндекс запустил совместно с ИТМО, НИУ ВШЭ, МАИ, НИЯУ МИФИ и МФТИ.

В ИТМО это специальный трек программы «Робототехника и искусственный интеллект». Главные фишки обучения — возможность работать в офисе Яндекса и пользоваться ресурсами компании для своих инженерных проектов, а также создавать команды совместно со студентами из других вузов.