Роботы Figure научились работать в паре и заправлять постель без центрального управления

Американская компания Figure представила впечатляющую демонстрацию возможностей своих человекоподобных роботов. Два гуманоида продемонстрировали скоординированную совместную работу, выполнив типичные домашние задачи без централизованного управления. Управление машинами осуществляет искусственный интеллект Helix-02, который позволяет роботам действовать автономно и синхронизировать свои движения.

Роботы Figure научились работать в паре и заправлять постель без центрального управления

Особенность демонстрации заключается в том, что роботы координировали действия исключительно через визуальное наблюдение друг за другом. Отсутствие прямого канала связи и общего планировщика делает эту разработку прорывом в области робототехники. Такой подход открывает новые возможности для применения гуманоидов в реальных условиях, где требуется гибкое взаимодействие.

На опубликованном видео два робота Figure вошли в комнату и приступили к уборке разбросанных вещей. Машины повесили пальто, аккуратно закрыли ноутбук и убрали наушники на свои места. Затем роботы совместно застелили постель, продемонстрировав сложную координацию движений. Они подняли одеяло, расправили его и заправили кровать, общаясь между собой только кивками головы. Весь процесс занял менее двух минут, что сопоставимо со скоростью выполнения задачи человеком.

Ключевым достижением стала способность роботов работать без центрального контроллера или прямого канала связи. Каждая машина полагалась исключительно на собственные камеры и систему интерпретации окружающей среды. Роботы самостоятельно определяли намерения друг друга, наблюдая за движениями партнёра. С каждым выполненным действием сцена динамически менялась, заставляя гуманоидов непрерывно адаптировать свои решения для достижения общей цели. Такая адаптивность критически важна для работы в реальных условиях, где невозможно заранее спланировать каждый шаг.

Наиболее сложной задачей для роботов стала работа с постельным бельём. В отличие от жёстких предметов с фиксированной геометрией, одеяло представляет собой деформируемый объект без стабильной формы или заданных точек захвата. Ткань постоянно складывалась, растягивалась и смещалась под натяжением, создаваемым обоими роботами. Машинам потребовалось предсказывать действия друг друга и постоянно корректировать захват, позу и движения в режиме реального времени. Это потребовало значительной доработки системы Helix AI, в которую уже были заложены базовые навыки уборки дома и складывания белья.

Для обеспечения совместной работы разработчики усовершенствовали модель искусственного интеллекта. Обновлённая версия Helix System AI добавляет роботам механизмы управления всем телом на основе визуального восприятия. Это улучшает навигацию в сложных условиях, включая движение по неровной местности и лестницам. Ранее роботы осознавали только собственные движения и положение суставов, не учитывая особенности окружающей среды. Теперь система анализирует входные данные с боковых стереокамер, преобразуя плоское RGB-изображение в трёхмерную пространственную модель окружения в реальном времени.

Благодаря новой архитектуре роботы одновременно «видят» и «чувствуют» местность во время движения. Разработка системы велась с применением метода обучения с подкреплением в компьютерной симуляции. Для тренировки использовался широкий набор случайных ландшафтов и различных условий среды. Примечательно, что при переходе от виртуальной симуляции к реальным условиям не потребовалось дополнительной калибровки или тонкой настройки системы. Это свидетельствует о высокой универсальности разработанных алгоритмов.

Усовершенствованная архитектура значительно повысила устойчивость роботов при ходьбе. Машины научились удерживать равновесие на лестницах и других сложных поверхностях даже при меняющихся условиях освещения. Помимо простого перемещения, гуманоиды теперь способны выполнять широкий набор манипуляций с объектами. Система позволяет роботам адаптироваться к различным типам поверхностей и препятствий без предварительного программирования под конкретную задачу.

Читайте также: