Сбербанк представил GreenWAM - ИИ-модель, которая одновременно управляет роботом и предсказывает, как изменится окружающая сцена после его действий. Разработку проверили в виртуальных средах и на человекоподобном роботе «Грине». Модель обучена на данных 20 семейств роботов, от двуруких манипуляторов до антропоморфов с кистями. В тесте WorldArena 1.0 GreenWAM заняла второе место среди 128 моделей по сходству прогноза с реальной записью и точнее воспроизвела геометрию сцены, чем модели NVIDIA, Стэнфорда и AgiBot. В управлении роботом модель выступает на уровне лучших мировых разработок: в RoboTwin 2.0 - 67,5% успешных задач против 58,4% у π0.5, в LIBERO-plus - 86,8% без дополнительного обучения. На роботе «Грине» доля успешных задач выросла с 88,9% до 95,6% в знакомых условиях и с 80% до 84% в новых. По сути команда Сбера, единственная в России, кто сегодня разрабатывает собственную систему Physical AI для гуманоидных роботов. ————————— ✔️Подписывайтесь на лучший  канал PRO Роботов 🥲Мы в Max

Вообще в области Physical AI вокруг происходит все больше и больше интересного, и не только в относительно хорошо освещаемой сфере человекообразных роботов. Автономные устройства всех сортов и типов активно выходят из пилотов в реальную практику самых разных бизнесов: логичестических, транспортных, сервисных. Вот только вчера писал тут про беспилотный грузовик, сегодня мне попадается заметка про стартап, который всерьез занят автопилотами для малой авиации (не теми, что могут вести аппарат на эшелоне, а теми, которые полностью заменяют пилота в кабине). У Reliable Robotics все очень неплохо, он поднял очередной раунд, у девятилетнего стартапа продукты на стадии окончательной сертификации у регулятора. Это не специально разработанные беспилотники, а системы автономного управления серийных летательных аппаратов. Сейчас стартап ожидает получения одобрения для эксплуатации со страхующим пилотом в кабине в течение 18-24 месяцев, а к 2028 ожидает, что пилот на борту уже не будет требоваться, страхующие операторы смогу находиться в наземных центрах управления воздушным движением, при этому существующей инфраструктуры будет достаточно, новую городить не придется. Логика, очень знакомая по автономным грузовикам и отчасти легковушкам. Полная (или по крайней мере массовая) автономизация любого транспорта становится реально ближе https://techfundingnews.com/reliable-robotics-raises-115m-at-1b-valuation-to-take-pilotless-aircraft-through-faa-approval/

Не везет ИИ с руками человеческими. Довольно долго подсчет пальцев на сгенерированных картинках развлекал всех, причастных к генеративной графике. А теперь вот пальцы оказались камнем преткновения в гуманоидных роботах. Маск, комментируя задержки с его любимым Оптимусом, недовольно констатирует:

"The hands and arms and the fine motor skills are incredibly difficult to get right. Like shockingly difficult."

Что, в принципе, неудивительно: рука, как и мозг, уникально развитый у человека орган в сравнениями с любыми животными. Но инженеры, занятые Physical AI, победят, конечно, в итоге и эту проблему, как победили проблемы изображения кистей рук в генеративной графике и видео. https://www.businessinsider.com/elon-musk-designing-humanoid-hand-challenges-optimus-2026-10

DYNA показала робота, который работает целую смену. DYNA Robotics⁠ представила Taku / DYNA 2.1 — колёсного полу-гуманоида с двумя руками. Самое интересное - DYNA демонстрирует часовой непрерывный цикл работы в коммерческой прачечной. Архитектура тоже любопытная: верхний уровень — vision-language orchestrator для планирования workflow, ниже — модель DYNA-2 для manipulation и whole-body controller для движения. Компания говорит, что DYNA-2 обучена на 1 млн часов человеческих и роботизированных данных. DYNA заявляет, что её роботы уже развёрнуты у клиентов в отелях, прачечных и ресторанах, однако независимых данных о количестве установок пока нет. Мне нравится, что DYNA предлагает сменить саму метрику робототехники. Не success rate одной операции, а Mean Time Between Interventions — сколько робот реально работает до того, как понадобится человек. Для коммерческого Physical AI это гораздо более честный показатель. Официальная страница DYNA с видео.⁠ ————————— 🤖 Подписывайтесь на лучший  канал PRO Роботов

HapticVLA: как научить робота чувствовать без датчиков касания? Одна из ключевых задач Physical AI заключается в том, чтобы научить роботов взаимодействовать с физическим миром, в том числе контролировать силу захвата и аккуратно работать с хрупкими предметами. В нашей работе HapticVLA мы предложили использовать тактильные сенсоры только во время обучения. Сначала модель учится с их помощью, а затем полученные знания переносятся в VLA-модель, которая работает без датчиков касания. В экспериментах HapticVLA достигла 86,7% успешных выполнений на трёх задачах с предметами разной степени хрупкости: пластиковой банкой, вафлями и яйцами. Наш подход позволяет использовать тактильную информацию для обучения роботов без необходимости оснащать их дополнительными сенсорами при реальном применении. Я начал работу над HapticVLA после поступления на совместную магистерскую программу AI Robotics Яндекса и Сколтеха. Параллельно с учёбой исследование заняло около полугода. Статья на arxiv — Спасибо Мише за годные инсайды прямиком с IROS! На самом деле очень сложно с нуля за полгода сделать проект, который залетит и будет принят на топовую конфу, поэтому это мощно! Накидайте Мише реакций за эксклюзив и пишите вопросы в комменты, пока он там на месте. @ai_newz

🤘 Sharpa собрала полный стек для обучения ловкости: робот + тактильная кисть + перчатка На IROS 2026 Sharpa одновременно показала D01, W02 и AE01 — и здесь интересна именно связка трёх устройств. D01 — робот для ловких манипуляций с 66 DoF, двумя руками грузоподъёмностью по 5 кг, Jetson Thor и тактильной e-skin. Заявленная частота управления — до 1000 Гц. W02 — человеческого размера 21-DoF кисть с тактильным сенсингом по всей поверхности. AE01 — 22-DoF экзоскелетная перчатка с обратной связью для телеуправления и сбора человеческих демонстраций. Sharpa То есть получается замкнутый pipeline: человек показывает движение → перчатка собирает данные → робот обучается → тактильные сенсоры дают обратную связь при реальном контакте. Одна из главных проблем Physical AI сейчас — не количество роботов, а качественные данные для манипуляций. Sharpa пытается продавать сразу всю инфраструктуру их получения и выполнения действий. А вы ждете видео с IROS 2026?

🤖 Всё никак не добирался написать, но новость интересная и точно заслуживает вашего внимания. Недавно мы выложили в открытый доступ Kandinsky WM 1.0 — линейку генеративных моделей для Physical AI Один из больших трендов сейчас — развитие Physical AI Foundational Models (FM), которые способны полноценно моделировать физический мир. И многие сильные команды приходят к Physical AI FM именно через видеогенерацию. Это довольно естественный путь: обучаясь на видео, модель получает представление о движении, динамике и взаимодействии объектов. Следующий шаг — связать эту модель с действиями агента. Отсюда, в частности, вырастает направление World Action Models: моделей, которые связывают действия робота с тем, как вследствие этих действий изменится наблюдаемый мир (и, наоборот, как выбрать оптимальное действие робота в соответствии с наблюдаемым / предсказанным поведением мира, среды). При этом сама видеогенерация постепенно становится частью более широких omni-моделей. Например, Cosmos 3 от NVIDIA умеет работать с текстом, изображениями, видео, звуком, действиями на вход и на выход и может использоваться для разных robotics задач. Atlas от World Labs работает с текстом, изображениями, видео и 3D и позволяет восстанавливать реальные сцены и строить на их основе симуляции. Мы развиваем Kandinsky в том же направлении: используем накопленный опыт в видеогенерации, чтобы строить модели для роботов и беспилотников. Kandinsky WM 1.0 — наш первый открытый релиз в этом треке. Мы выложили open source три специализированные модели: 🚗 K5-AV (Autonomous Vehicle) для генерации автомобильных сцен, 🦾 K5-RO (Robotics) для генерации различных сцен манипуляции с предметами, 🌍 K5-PH (Physics) для генерации сцен со сложной физикой в целом: движением людей, протеканием процессов и взаимодействием объектов. Все модели получены дообучением нашей базовой модели генерации видео Kandinsky-5 Video Lite (2B). Модели умеют генерировать 5 секунд видео по первому кадру и текстовому описанию (то есть работают в режиме I2V). Разрабатывали эти модели мы в первую очередь для генерации синтетических данных для обучения других моделей — в основном VLA — которые управляют роботами и беспилотными авто. Особенно важны тут редкие сценарии: сцены ДТП, видео экстремальной погоды или кейсы с отказом оборудования. Собирать такие данные в реальности дорого, очень сложно, а иногда и просто небезопасно. С помощью генеративной модели такие данные можно получасть практически неограниченно. Но у такого подхода есть и обратная сторона: если VideoGen модель неправильно воспроизводит физику, то в обучающие данные для VLA попадут ошибки. К сожалению, такого рода галлюцинации характеры для всех современных VideoGen моделей, потому что при их обучении больше фокусируются на эстетическом (визуальном) качестве, чем на физической достоверности. Улучшить физичность по сути можно 2 способами: добавляя больше данных со сложной динамикой в претрейн и используя различные приёмы на этапе alignment (например, RL с физическими reward-моделями). Претрейн у нас уже был фиксирован (Lite), поэтому мы фокусировались на alignment: cначала делали SFT на качественных данных каждого домена (AV, RO, PH). Затем — RL с хитрыми reward-моделями за физическую достоверность (подробности можно почитать в статье на хабр) ⚡️По бенчмаркам: на Physics-IQ Verified для модели K5-PH получили рост общего score 16,0 (Lite) → 25,8 (Lite SFT PH) → 30,8 (K5-PH). Бенчмарк проверяет, как модели в режиме генерации видео продолжают реальный физический эксперимент по первому кадру. Домены экспериментов: механика твёрдых тел, динамика жидкостей, оптика, термодинамика и магнетизм. Модели сейчас тестим с коллегами из Центра робототехники (ребята в том числе помогали с обучающими данными для K5-RO) и с AIRI в рамках развития симулятора XSIM World. Веса и код моделей выложены под открытой лицензией MIT. Полезные ссылки: 👉 Хабр 👉 GitHub 👉 HuggingFace @dendi_math_ai

Утром прочитал свежую аналитику: В первой половине 2026-го стартапы в сфере physical AI (робототехника, автономный транспорт, аэрокосмос, дроны, промышленная автоматизация, сенсорика) привлекли $47,4 млрд на 521 сделку. То есть за одно полугодие физический AI собрал больше, чем за три предыдущих года. Логика инвесторов примерно такая: то, что раньше было слишком капиталоёмко строить, теперь дешевле. Compute и foundation-модели стали доступнее, симуляции точнее, сенсоры и железо дешевле. Хардвер перестаёт быть просто продуктом — он становится каналом дистрибуции для софта и данных: чем больше устройств в поле, тем больше проприетарных данных, тем сильнее продукт. Что это значит для фаундеров, даже если вы не в робототехнике: 🟢Инвесторы, которые ещё вчера писали чеки только в чистый софт, сейчас активно смотрят в сторону «software + hardware + sensors». Если у вашего продукта есть физический компонент — данные с устройств, IoT, сенсоры — это не повод стесняться, а потенциально сильный аргумент для питча. 🟢Модель ценообразования смещается к outcome-based и usage-based — то есть инвесторов больше не пугает связка железа и подписки, если экономика юнита сходится. Стоит пересмотреть, можно ли встроить физический слой в свой продукт как источник данных, а не только как капзатраты. 🟢 Деньги идут туда, где можно измерить ROI — предиктивное обслуживание, риск-менеджмент, автономные операции. Если готовите стартап в этой нише, делайте акцент не на технологичности, а на конкретных операционных метриках для клиента. Андрей Резинкин | Money For Startup

Тут еще новость про LTX LTX больше не хочет быть просто генератором видео. Компания отделяется от Lightricks и объявляет себя разработчиком открытых world models - моделей, которые должны не просто генерировать видосы, а понимать движение, пространство, свет, взаимодействие объектов и последствия действий. Вот эти вот все симуляции для роботов, беспилотников, игр и промышленности. Техническая база - семейство LTX-2. Это модель примерно на 22 млрд параметров, которая генерирует видео и синхронизированный звук внутри одной архитектуры. Внутри два связанных потока: около 14 млрд параметров для видео и 5 млрд для аудио, соединённых cross-attention. Выделение в самостоятельную компанию показывает, что Lightricks нехило так колбасит, что LTX собирается продавать не только генерацию видео. Главной аудиторией становятся студии, разработчики, робототехнические стартапы, промышленные компании и создатели систем Physical AI. В общем две новости: Lightricks сплитуется на две компании, а LTX превращается в генератор миров. https://ltx.io/blog/introducing-ltx-as-an-open-world-models-company @cgevent