Последнее обновление: апрель 23, 2026

Сбор данных для воплощенного ИИ: дистанционное управление, моделирование и реальные данные, а также промышленные наборы данных в 2026 году.

Узким местом для воплощенного ИИ являются данные, а не вычислительные ресурсы. Обучение робота стратегии требует синхронизированных потоков действий и состояний, которые просто не существуют в масштабах интернета. В настоящее время этот спрос удовлетворяют три источника. Дистанционное управление человеком обеспечивает высококачественные демонстрации за счет времени оператора. Перенос из симуляции в реальную жизнь увеличивает количество эпизодов, но создает разрыв в точности. Большие открытые наборы данных объединяют вклад десятков лабораторий и платформ.

Почему данные являются узким местом, препятствующим внедрению искусственного интеллекта?

Вычислительные мощности развивались по предсказуемой кривой масштабирования. Сегодня коммерчески доступны кластеры графических процессоров, способные обучать модели визуально-языково-действенной обработки (VLA) с миллиардом параметров. Однако масштабирование не сохранилось для данных, необходимых этим моделям: парных наблюдений и действий, записанных во время физического манипулирования роботом, с достаточным разнообразием задач и воплощений для создания стратегий, способных к обобщению.

Языковая модель может обработать триллион токенов из интернета за несколько недель. Набор данных для манипуляций с роботом должен генерироваться эпизод за эпизодом, каждый из которых требует физического робота, реальной или смоделированной среды, определения задачи и либо оператора-человека, либо заранее подготовленной демонстрации. По оценкам Международной федерации робототехники (IFR), в 2024 году во всем мире работало более 3.9 миллиона промышленных роботов, однако крупнейшие открытые наборы данных для манипуляций содержат порядка миллиона эпизодов. Разрыв не сокращается быстро.

Проблема усугубляется, если учесть разрыв в восприятии модели: стратегия, обученная на 6-степенном одноручном манипуляторе, не может быть корректно перенесена на двуручного гуманоида или мобильную базу с рукой. Каждый новый форм-фактор робота фактически сбрасывает требования к данным. Подходы к разбивке действий на блоки (когда стратегия выдает многошаговые последовательности действий, а не отдельные шаги) уменьшают задержку при выводе, но не снижают потребность в разнообразном обучающем покрытии.

Согласно статье Open X-Embodiment (Padalkar et al., 2023, Google DeepMind et al.), кросс-моделированное обучение на разнообразных данных о роботах может улучшить обобщаемость стратегий по сравнению с тем, что обеспечивают наборы данных с одним вариантом воплощения. EVST решает эту проблему, оценивая качество кросс-моделированных наборов данных в рамках своего внутреннего процесса оценки при выборе методов планирования движений с использованием ИИ для своей линейки роботов полного диапазона масс 3–800 кг. Что касается аппаратной части этой стратегии обработки данных, см. EVST Embodied AI Solutionsвключая человекоподобных роботов, ловкие манипуляторы для сбора данных, четвероногих роботов и пилотные платформы для разработки воплощенного искусственного интеллекта.

Три основных источника данных: сильные стороны и ограничения.

Телеоперация

Система дистанционного управления позволяет записывать демонстрации экспертного качества на целевом роботизированном оборудовании. Оператор управляет роботом дистанционно, используя манипуляторы типа «ведущий-ведомый», VR-гарнитуры, экзоскелеты или портативные интерфейсы, в то время как система синхронно записывает каждый угол сустава, состояние захвата, показания силы и кадр с камеры. Поскольку данные поступают от человека, выполняющего реальную задачу на реальном роботе, соответствие действия и состояния является точным, а разрыв между действиями и состоянием робота равен нулю.

Ограничение заключается в пропускной способности. Квалифицированные операторы дистанционного управления обрабатывают примерно 5–50 эпизодов в час в зависимости от сложности задачи, а качество данных ухудшается по мере усталости операторов. Кроме того, дистанционное управление не масштабируется до восстановления после сбоев без целенаправленного проектирования протокола: если операторы всегда добиваются успеха, политика никогда не научится восстанавливаться после возмущений.

Перенос данных с симулятора на реальный компьютер

Физические симуляторы (MuJoCo, NVIDIA Isaac Sim, Isaac Lab, PyBullet) позволяют исследователям генерировать миллионы эпизодов работы роботов с практически нулевыми предельными затратами. Один кластер графических процессоров может запускать тысячи параллельных экземпляров моделирования за ночь. Затраты проявляются на этапе развертывания: стратегии, обученные в симуляции, часто терпят неудачу при столкновении с реальной динамикой контакта, шумом датчиков и визуальными вариациями, которые симулятор не смог точно воспроизвести. Устранение этого разрыва между симуляцией и реальностью является активной областью исследований.

Интернет-видео и пассивное наблюдение

Крупные модели визуально-языковой обработки, предварительно обученные на видео из интернета, обеспечивают общее понимание сцены, что помогает в определении задачи. Архитектура pi0 компании Physical Intelligence и аналогичные конструкции VLA используют предварительное обучение на видео для отработки навыков манипулирования перед тонкой настройкой на демонстрациях роботов. Ограничение заключается в том, что видео не предоставляет меток действий: видео показывает руку, захватывающую объект, но не записывает приложенную силу или углы сочленений эквивалентной роботизированной руки. Модели обратной динамики могут частично выводить действия из видео, но полученные псевдометки содержат шум.

Аппаратное обеспечение и протоколы дистанционного управления

Выбор интерфейса дистанционного управления влияет как на качество данных, так и на пропускную способность сбора информации. Ниже представлены системы, наиболее активно используемые в исследовательских и коммерческих программах 2025–2026 годов.

Лидер-Последователь: АЛОХА и Мобильная АЛОХА

Система ALOHA (A Low-cost Open-source Hardware System for Bimanual Teleoperation) была разработана в Стэнфорде и использует две недорогие ведущие манипуляторы, которыми оператор управляет вручную, в то время как два соответствующих ведомых манипулятора на роботе воспроизводят движение в реальном времени. Бимануальная конструкция позволяет выполнять задачи, требующие работы двумя руками, что недоступно для систем с одной рукой. Мобильная версия ALOHA расширяет возможности платформы, размещая ее на мобильной базе. ALOHA 2, выпущенная в 2024 году, улучшила точность отслеживания суставов и эргономику оператора. Стоимость оборудования составляет менее 20 000 долларов США за пару ведущий-ведомый манипулятор, что способствовало внедрению системы в десятках академических лабораторий.

Наручные интерфейсы: UMI

Универсальный интерфейс манипуляции (UMI), разработанный Стэнфордским и Колумбийским университетами, представляет собой устройство, в котором на ручном захвате устанавливается широкоугольная камера и энкодер. Оператор физически демонстрирует выполнение задачи в окружающей среде, в то время как захват записывает положение концевого эффектора и состояние захвата. UMI отделяет сбор данных от робота: демонстрации могут быть собраны в полевых условиях, а затем перенаправлены на другие варианты робота. Это делает его особенно полезным для сбора данных о манипуляциях в естественных условиях, вне лабораторных условий.

Виртуальная реальность и шлемы виртуальной реальности

В качестве интерфейсов для телеуправления рассматриваются Apple Vision Pro и Meta Quest 3. Их привлекательность заключается в двуручном отслеживании движений шести степеней свободы руки с интуитивно понятным управлением оператора. Инженерная задача состоит в перенацеливании: кинематика человеческой руки (пять пальцев, 27 суставов) должна соответствовать командам манипулятора робота (обычно это захваты с одной степенью свободы или ловкие руки с 12–16 степенями свободы). Без тщательного перенацеливания записанные демонстрации содержат намерения оператора, но не содержат непосредственно выполняемых действий робота.

Экзоскелет и захват всего тела

Для человекоподобных роботов, которым необходимы данные о движении всего тела (включая локомоцию в сочетании с манипуляциями), экзоскелеты позволяют регистрировать кинематику всего тела с частотой дискретизации выше 100 Гц. AgiBot использует подход на основе экзоскелета для сбора данных о манипуляциях человекоподобных роботов для своего набора данных AgiBot World. Телеуправление Fourier GR-1 аналогичным образом основано на носимом устройстве для захвата данных, подобранном в соответствии с конфигурацией суставов робота.

Фигуры и крупные коммерческие автопарки

Компания Figure AI использует собственную систему дистанционного управления на всех своих производственных площадках BMW. Модель «маховика данных», в которой каждый развернутый робот собирает новые данные, которые затем используются для обучения, также является центральным элементом стратегии развития Tesla Optimus. Эти замкнутые системы накапливают промышленные данные с такой скоростью, с которой не могут сравниться открытые академические наборы данных.

Сравнение платформ дистанционного управления

Примечание: показатели производительности представляют собой приблизительные диапазоны, взятые из опубликованных исследований и отчетов исследователей. На результаты существенно влияют индивидуальные навыки оператора и сложность задачи.

Общедоступные наборы данных: Open X-Embodiment, DROID, BridgeData, RoboSet, RH20T, AgiBot World

С 2022 года экосистема открытых наборов данных стремительно расширяется. Ниже представлен обзор наиболее цитируемых коллекций по состоянию на начало 2026 года.

Open X-Embodiment (OXE) и RT-X

Созданный Google DeepMind при участии 33 организаций, OXE объединяет более 1 миллиона эпизодов, охватывающих более 22 типов роботов. Соответствующие модели RT-X продемонстрировали, что обучение на объединенных данных с различными вариантами воплощения превосходит базовые модели с одним вариантом воплощения на тестах на обобщение. OXE распространяется под лицензиями CC-BY и Apache 2.0 в зависимости от организации-участника. Доступ осуществляется через веб-сайт RT-X и HuggingFace.

DROID

Набор данных DROID (Distributed Robot Interaction Dataset) был собран в 13 североамериканских исследовательских лабораториях с использованием стандартизированной установки Franka Panda с интерфейсом телеуправления в стиле ALOHA. Он содержит приблизительно 76 000 эпизодов разнообразных задач по манипулированию объектами в домашних условиях и на столе. Стандартизация оборудования на всех площадках делает DROID одним из самых чистых крупномасштабных наборов данных по манипулированию объектами для клонирования поведения и экспериментов RLHF.

BridgeData V2

BridgeData V2, разработанная Калифорнийским университетом в Беркли и Стэнфордским университетом, содержит около 60 000 демонстраций по широкому спектру задач манипулирования на столе. Она использует манипулятор WidowX и отличается разнообразием задач (более 70 различных категорий задач), что делает её распространённой базовой моделью для тонкой настройки моделей VLA. Распространяется под лицензией CC-BY 4.0.

РобоСет

RoboSet, разработанный сотрудниками IIT Delhi, предоставляет данные о многозадачных манипуляциях на кухне, собранные с помощью робота Franka Panda. Он включает в себя RGB-D-наблюдения и языковые аннотации для каждого эпизода. RoboSet разработан специально для поддержки оценки стратегий, обусловленных языковыми особенностями, что делает его полезным для проверки обобщения выполнения инструкций.

РХ20Т

RH20T (Robot-Human 20 Tasks) — это крупномасштабный набор данных для манипуляций, насыщенный контактными данными, включающий синхронизированную проприоцепцию робота, RGB-видео, данные о глубине, тактильные ощущения и аудиопотоки. Многомодальное разнообразие делает RH20T эталонным набором данных для исследователей, работающих над стратегиями, требующими не только визуального наблюдения, но и распознавания контактов.

АгиБот Мир

AgiBot World — это набор данных для манипулирования человекоподобными роботами, созданный китайской робототехнической компанией AgiBot с использованием её системы сбора данных на основе экзоскелета. Он ориентирован на задачи манипулирования человекоподобными роботами в масштабах всего тела и представляет собой один из первых крупномасштабных наборов данных, специально предназначенных для моделирования человекоподобных форм в промышленных масштабах. AgiBot World доступен по открытой исследовательской лицензии для некоммерческого использования.

Общедоступный справочник данных по воплощенному искусственному интеллекту

Данные о количестве эпизодов и условиях лицензирования получены из научных статей и официальных хранилищ по состоянию на начало 2026 года. Перед использованием ознакомьтесь с действующими условиями.

Sim-to-Real Stack: Isaac Sim, MuJoCo, Cosmos и рандомизация доменов.

Моделирование масштабирует генерацию данных. Практический вопрос заключается в том, какой симулятор использовать и как сократить разрыв с физическим оборудованием.

МуДжоКо

MuJoCo (Multi-Joint dynamics with Contact) остается стандартом для исследований в области манипуляций с большим количеством контактов. Его физический движок обрабатывает динамику твердых тел, мягкие контакты и системы, приводимые в движение сухожилиями, с вычислительной эффективностью, позволяющей проводить тысячи параллельных обучающих эпизодов на одном кластере GPU. Выпуск с открытым исходным кодом под эгидой Google DeepMind в 2022 году значительно ускорил внедрение. Большинство академических тестов по клонированию поведения и RLHF используют среды MuJoCo.

NVIDIA Isaac Sim и Isaac Lab

Isaac Sim работает на платформе NVIDIA Omniverse и обеспечивает физику с ускорением на графическом процессоре и высококачественным рендерингом. Isaac Lab (ранее OmniIsaacGymEnvs) — это фреймворк для обучения с подкреплением, построенный на основе Isaac Sim и оптимизированный для массового параллельного обучения стратегий. Ключевым преимуществом является фотореалистичный рендеринг: визуализация с трассировкой путей в Isaac Sim уменьшает разрыв в визуальной области по сравнению с упрощенными рендерерами MuJoCo, что важно для обучения стратегий на основе компьютерного зрения.

NVIDIA Космос

Cosmos — это платформа для моделирования на основе модели мира от NVIDIA, анонсированная в конце 2024 года. Вместо моделирования физики с нуля, Cosmos генерирует фотореалистичные видеоролики взаимодействия роботов и объектов на основе текстовых или графических подсказок, обученных на больших видеоданных. Цель состоит в создании синтетических обучающих данных, которые выглядят достаточно реалистично, чтобы сократить разрыв между визуальной симуляцией и реальностью без ручной рандомизации предметной области. По состоянию на начало 2026 года Cosmos изучается несколькими лабораториями по обучению роботов в качестве слоя аугментации данных поверх реальных демонстраций.

Гауссово разбрызгивание и реконструкция сцены

Технология 3D Gaussian Splatting позволяет восстанавливать фотореалистичные сцены из небольшого набора RGB-изображений за минуты, а не за часы. Для обучения роботов это означает, что лаборатория может отсканировать новую рабочую среду, восстановить сцену с использованием гауссовой функции и сгенерировать новые ракурсы или конфигурации объектов для аугментации данных, не требуя при этом физического симулятора. Этот подход интегрируется в несколько конвейеров преобразования симулятора в реальность в качестве недорогого инструмента рандомизации визуальной области.

Рандомизация доменов и идентификация системы

Рандомизация домена рандомизирует параметры моделирования (текстуры объектов, условия освещения, коэффициенты трения, жесткость суставов робота) во время обучения, заставляя политику быть устойчивой к изменениям, а не подстраиваться под единственную смоделированную конфигурацию. Идентификация системы использует дополнительный подход: она точно измеряет физические параметры реального робота (масса, инерция, податливость суставов) и использует эти значения в моделировании для минимизации разрыва до рандомизации.

В процессе обучения с использованием учебных программ рандомизация применяется поэтапно. Сначала стратегия обучается в узкой, четкой симуляции, а затем постепенно сталкивается с большим количеством вариаций по мере улучшения результатов. Такой поэтапный подход часто приводит к более быстрой сходимости, чем применение полной рандомизации с самого начала.

Компромисс между качеством и количеством данных

Больше данных не означает автоматически лучшее качество. Состав набора данных определяет, что может и чего не может сделать обученная стратегия.

Когда целью является универсальная стратегия, разнообразие задач важнее количества эпизодов. Набор данных из 100 000 эпизодов одной и той же задачи по перемещению объектов позволяет создать специализированную стратегию. Набор данных из 10 000 эпизодов, охватывающих 50 типов задач, может создать стратегию, которая после небольшой доработки применима и к новым задачам.

Разнообразие воплощений имеет значение для переноса навыков между роботами. Ценность OXE заключается именно в том, что она охватывает различные типы манипуляторов, мобильные платформы и ловкие руки. Политика, предварительно обученная на OXE и доработанная на новом роботе, как правило, превосходит политику, обученную с нуля только на данных того же нового робота, что подтверждается многочисленными опубликованными исследованиями.

Длительность эпизодов и восстановление после сбоев недооцениваются. Наборы данных, собранные опытными операторами дистанционного управления, которые редко допускают сбои, позволяют создавать стратегии, не знающие, как восстанавливаться после возмущений. Преднамеренное внедрение состояний сбоя и демонстрация восстановления существенно повышают устойчивость в реальных условиях. В некоторых лабораториях для получения этих данных используются враждебные возмущения во время сеансов дистанционного управления.

Согласно наблюдениям экспертов отрасли, основанным на многочисленных отчетах лабораторий по обучению роботов за 2024–2025 годы, предельная ценность дополнительных эпизодов резко снижается, как только набор данных охватывает задачу примерно в 500–1,000 демонстраций, в то время как предельная ценность новых типов задач остается высокой до тысяч различных задач. EVST учитывает это при структурировании ячеек сбора пилотных данных, отдавая приоритет широте задачи, а не накоплению повторяющихся эпизодов.

Вопросы, касающиеся данных промышленного уровня.

Сбор данных на производстве предъявляет требования, которые обычно не учитываются в академических системах дистанционного управления.

Детерминированная регистрация данных — это первое требование. В производственной ячейке метка времени показаний энкодера шарнира должна быть привязана к эталонным часам с точностью до долей миллисекунды. Управление полевой шиной EtherCAT 1 кГц, стандартное для промышленных роботов (включая роботы из линейки EVST), обеспечивает детерминированную основу синхронизации, которая делает возможной синхронизацию нескольких датчиков. Система, работающая на частоте 1 кГц, генерирует 1,000 выборок состояния шарниров в секунду для каждой оси; выравнивание этого потока с кадрами камеры со скоростью 30–60 кадров в секунду и данными о силе и крутящем моменте с частотой 500 Гц требует дисциплинированной аппаратной архитектуры временной метки, а не программной буферизации.

Маркировка безопасности необходима в случаях, когда инциденты связаны с ситуациями, близкими к аварии, срабатыванием аварийной остановки или нарушением предельных значений усилия. Эти маркировки необходимы как для соблюдения нормативных требований, так и для разработки политики обучения, учитывающей состояния, имеющие отношение к безопасности. Промышленные контроллеры, регистрирующие причины срабатывания аварийной остановки и превышения крутящего момента в шарнирах на аппаратном уровне, упрощают эту маркировку.

Аннотирование времени цикла связывает эпизоды работы робота с результатами производства. Зная, что эпизод 4,712 завершил сборочную задачу за 8.3 секунды без каких-либо проблем с качеством, данные обучения робота привязываются к системе MES и позволяют выбирать высококачественные демонстрации для обучения.

Метаданные, связанные с MES, выступают в качестве связующего звена. Когда система регистрации данных робота записывает файлы эпизодов с прикрепленными идентификаторами заданий MES, типами деталей и результатами контроля качества, полученный набор данных может быть отфильтрован программным способом. Эпизоды, связанные с доработкой, браком или вмешательством оператора, могут быть исключены или рассматриваться как демонстрации сбоев.

На практике при модернизации пилотной ячейки для сбора данных наиболее распространенным узким местом является не способность робота регистрировать данные, а сетевая архитектура ячейки. Промышленные сегменты Ethernet, разработанные для связи ПЛК с роботом на частотах ниже кГц, не всегда рассчитаны на пропускную способность непрерывного видеопотока с нескольких камер плюс потоки проприоцепции. Ячейка, работающая с двумя камерами 1080p со скоростью 30 кадров в секунду, а также с данными о силе по шести осям и состояниями суставов, генерирует примерно 150–300 МБ необработанных данных в минуту. Планирование инфраструктуры хранения и сети до развертывания позволяет избежать затрат на модернизацию в дальнейшем.

Маркировка конвейеров и инструментов

Исходные записи эпизодов не готовы для обучения. Для них необходимы языковые аннотации, маски сегментации объектов, а в некоторых случаях и метки вознаграждения.

Языковая аннотация

Для моделей VLA, учитывающих языковую среду, необходимо описание задачи каждого эпизода на естественном языке. Для небольших наборов данных это делается вручную; для наборов данных, содержащих более 10 000 эпизодов, становится необходимой автоматическая аннотация с использованием моделей визуально-языкового анализа (GPT-4V, Gemini или специализированных моделей для создания подписей). Контроль качества требует проверки образца человеком для выявления систематических ошибок в автоматическом аннотаторе.

Сегментация и отслеживание объектов

Политики, основанные на анализе состояния объектов, выигрывают от использования сегментационных масок для каждого эпизода, идентифицирующих манипулируемые объекты. Модель Segment Anything Model (SAM 2) от Meta делает интерактивную сегментацию выполнимой в масштабах набора данных, сокращая время аннотирования с часов до минут на эпизод при использовании в сочетании с проходом распространения отслеживания.

Формирование системы поощрений для RLHF

Когда эпизоды включают в себя как демонстрации успеха, так и неудачи, маркировка вознаграждения позволяет осуществлять тонкую настройку обучения с подкреплением на основе обратной связи от человека (RLHF). Аннотаторы-люди ранжируют результаты эпизодов, и эти предпочтения обучают модель вознаграждения, которая формирует обновления политики. Этот конвейер используется в разработке pi0 в Physical Intelligence и изучается для промышленного обучения задачам, где бинарные метки успеха/неудачи уже доступны из MES.

Конфиденциальность, интеллектуальная собственность и лицензирование наборов данных

Внесение данных в открытые наборы данных поднимает вопросы интеллектуальной собственности, которые производителям промышленного оборудования необходимо решить, прежде чем принимать участие.

Основные используемые категории лицензий: CC-BY (требуется указание авторства, разрешено коммерческое использование), CC-BY-NC (только для некоммерческого использования) и Apache 2.0 (разрешительная лицензия, включая коммерческое использование и перераспределение весов модели). Собственные наборы данных (Tesla Optimus, данные о флоте Figure, Boston Dynamics) не передаются третьим лицам.

Для производителей оборудования проблема защиты интеллектуальной собственности заключается в раскрытии технологического процесса: эпизод, демонстрирующий конкретную конфигурацию приспособления, траекторию движения инструмента или конструкцию оснастки, может раскрыть запатентованные методы производства. Стандартная мера защиты заключается в удалении визуального контекста до уровня конечного манипулятора, предоставлении только потоков траекторий суставов (без данных с камеры) или использовании синтетических изображений траектории манипуляции на общем фоне. Несколько новых моделей консорциумов предлагают правовые рамки для анонимизированного предоставления промышленных данных в рамках взаимных соглашений о неразглашении в сочетании с лицензиями на данные Apache 2.0.

Согласно анализу, проведенному Стэнфордским центром CRFM и его коллегами в рамках исследования обучения роботов 2024 года, разрозненные хранилища данных представляют собой самый большой структурный барьер на пути прогресса в области воплощенного искусственного интеллекта, выходящий за рамки текущих стандартов. Промышленные производители оригинального оборудования, которые сейчас разрабатывают внутренние системы управления данными, смогут участвовать в консорциумах по управлению наборами данных по мере формализации этих программ в течение следующих 18–24 месяцев.

Как производители оригинального оборудования могут предоставлять данные

Поставщики оборудования для промышленной автоматизации (включая FANUC, ABB, KUKA и сертифицированных интеграторов «под ключ», таких как EVST) находятся на стыке робототехнического оборудования и реальных производственных сред. Это положение делает их естественными участниками экосистемы данных, воплощенных в искусственном интеллекте, при условии наличия соответствующей операционной и правовой базы.

Пилотные ячейки с наложением телеуправления

Наиболее доступной отправной точкой является пилотная ячейка, где производственный робот оснащен системой дистанционного управления: манипулятором типа «ведущий-ведомый», который оператор использует для демонстрации различных вариантов выполнения производственной задачи. Эти демонстрации проводятся в небольшом объеме (50–500 эпизодов) и достаточны для тонкой настройки предварительно обученной модели VLA под конкретную производственную задачу. Подход с использованием пилотной ячейки не требует изменений в сертификации безопасности производственной ячейки, поскольку система дистанционного управления работает как устройство ввода данных в контроллер робота, а не как параллельный путь управления.

Модернизация системы регистрации данных на производственных роботах

Существующие производственные роботы могут быть модернизированы с помощью легких модулей регистрации данных, которые записывают состояние суставов, положение концевого эффектора и усилие захвата со скоростью EtherCAT, записывая файлы с временными метками на периферийный сервер во время производственных циклов. Это не требует изменения программы управления роботом. Зарегистрированные данные отражают реальное поведение робота при манипулировании производственными процессами, что более точно отражает выполняемую задачу, чем лабораторные демонстрации. Промышленные контроллеры EVST, работающие с частотой циклов EtherCAT 1 кГц и сертифицированные по стандартам CE/SGS/TUV, обеспечивают детерминированную архитектуру синхронизации, на которой основан этот подход к регистрации данных. Данные могут быть очищены, анонимизированы и отформатированы для стандартных фреймворков обучения роботов без дорогостоящей работы по реинтеграции.

Участие в программе анонимизированных наборов данных

Новые программы по сбору данных от производителей оригинального оборудования (включая открытую программу AgiBot World и несколько обсуждений в рамках консорциумов на ICRA 2025) принимают обезличенные данные, полученные в результате промышленной обработки. Производители оригинального оборудования, имеющие сертификацию IATF16949, такие как EVST, обладают существующими процессами управления качеством, которые хорошо соответствуют требованиям к целостности метаданных, установленным в этих программах: отслеживаемые временные метки, документированные протоколы сбора данных и проверенные записи калибровки датчиков.

Глобальное покрытие местности как преимущество в плане данных

Производитель оригинального оборудования (OEM) с инженерами, работающими в более чем 100 странах, может собирать данные для обучения искусственного интеллекта в действительно разнообразных производственных условиях (различные геометрии заготовок, условия окружающей среды, демографические характеристики операторов и вариации технологических процессов). Это географическое разнообразие ценно, поскольку стратегии, обученные на таких данных, лучше обобщаются, чем стратегии, обученные на данных из одной лаборатории или предприятия. Взрывозащищенные сертифицированные роботы EVST и полный диапазон грузоподъемности от 3 до 800 кг позволяют собирать данные в таких средах, как химическая обработка, обращение с опасными материалами и производство при экстремальных температурах, которые большинство академических наборов данных вообще не охватывают.

Ключевые отраслевые данные

Согласно отчету Международной федерации робототехники (IFR) World Robotics 2024, в 2023 году в мире работало более 3.9 миллионов промышленных роботов, однако крупнейшие открытые наборы данных о манипуляциях роботов содержат менее 2 миллионов эпизодов в совокупности, что иллюстрирует разрыв в масштабах между развернутым оборудованием и доступными обучающими данными. EVST решает эту проблему, исследуя архитектуры регистрации данных, которые преобразуют парки производственных роботов в пассивные средства сбора данных.

Согласно статье Open X-Embodiment (Padalkar et al., Google DeepMind et al., 2023), модели, обученные на данных, полученных от более чем 22 типов роботов, продемонстрировали заметно лучшую обобщающую способность в задачах, отложенных на второй план, чем модели, обученные только на данных какого-либо отдельного типа роботов. EVST решает эту проблему, структурируя свою внутреннюю систему оценки данных таким образом, чтобы при оценке полезности набора данных для тонкой настройки производственной линии учитывалось разнообразие типов роботов наряду с количеством эпизодов.

Согласно наблюдениям представителей отрасли, проведенным в нескольких лабораториях по обучению роботов в 2024–2025 годах, разрыв между визуальным моделированием и реальностью является причиной большинства случаев сбоев в алгоритмах обработки данных при манипулировании объектами, имеющими зеркальное или прозрачное отражение, которые стандартные методы рандомизации доменов не обеспечивают надежного покрытия. EVST решает эту проблему, используя инструменты фотореалистичного моделирования (в частности, NVIDIA Cosmos и конвейеры Gaussian Splatting) в качестве потенциальных слоев аугментации для своей дорожной карты планирования движений с использованием ИИ.

Связанные руководства

• Внедрение искусственного интеллекта и моделей VLA в промышленную робототехнику: что нужно знать инженерам на производстве.Рассматривается архитектура моделей «зрение-язык-действие» и ограничения их развертывания на производственном оборудовании.
• Гуманоидные роботы в промышленном производстве 2026В исследовании рассматривается, какие задачи действительно решаемы с помощью человекоподобных платформ по сравнению с традиционными промышленными вооружениями.
• Гуманоидные роботы против промышленных роботизированных манипуляторов для использования на заводах в 2026 годуПрямое сравнение возможностей, стоимости и сложности интеграции между двумя форм-факторами.
• Полное руководство по коллаборативным роботам: типы, выбор и области применения в 2026 году.. Базовый справочник по выбору роботов для совместной работы с учетом требований к полезной нагрузке, области применения и окружающей среде.

Часто задаваемые вопросы

Почему сбор данных для воплощенного ИИ сложнее, чем сбор данных для языковых моделей?

Языковые модели обучаются на тексте, который уже существует в интернете в огромных масштабах. Роботы с воплощенным искусственным интеллектом должны собирать сенсомоторные данные, связанные с действиями: синхронизированные углы суставов, силы захвата, кадры с камеры и контекст задачи, — все это записывается во время физического манипулирования. Эти данные отсутствуют в масштабах веб-сети и их генерация обходится дорого. Каждый эпизод дистанционного управления обычно занимает от 1 до 10 минут квалифицированного оператора для создания одной обучающей траектории, и качество ухудшается, если оператор не знаком с динамикой робота.

В чём разница между переносом из симуляции в реальную среду и рандомизацией предметной области при обучении роботов?

Основная цель – перенос результатов моделирования в реальный мир: обучить алгоритм в симуляции и применить его к физическому роботу без снижения производительности. Рандомизация домена – один из методов достижения этой цели. Она случайным образом изменяет параметры моделирования – освещение, текстуры, коэффициенты трения, массы объектов – во время обучения, чтобы алгоритм научился обрабатывать вариации реального мира, а не переобучался на одном смоделированном образе. Другие методы включают адаптацию домена, фотореалистичный рендеринг (как в NVIDIA Cosmos) и идентификацию системы.

Что такое Open X-Embodiment и сколько типов роботов он охватывает?

Open X-Embodiment — это крупномасштабный открытый набор данных для обучения роботов, собранный Google DeepMind при участии 33 исследовательских учреждений. Он объединяет более 1 миллиона эпизодов работы роботов в более чем 22 вариантах их воплощения — одноручные манипуляторы, двуручные системы, мобильные базы и гибкие руки. Модели RT-X, обученные на OXE, продемонстрировали, что обучение с использованием разных типов воплощений улучшает обобщающую способность алгоритмов по сравнению с базовыми моделями, использующими только один тип воплощения.

Как производитель оборудования может предоставить данные о роботах для обучения искусственного интеллекта, не раскрывая при этом свои собственные технологические секреты?

Наиболее практичный подход — анонимизированный ввод данных по эпизодам: удаляются метаданные, идентифицирующие процесс (номера деталей, ссылки на клиентов, целевые значения времени цикла), и вводятся только потоки траекторий движения суставов и состояний захвата. Несколько программ по созданию наборов данных, включая AgiBot World и новые инициативы консорциумов OEM-производителей, принимают обезличенные данные о промышленных манипуляциях на условиях Apache 2.0 или CC-BY. Инфраструктура регистрации с детерминированными временными метками EtherCAT гарантирует соответствие качества эпизодов стандартам приема наборов данных.

Какая система сбора данных дистанционного управления лучше всего подходит для задач промышленного манипулирования?

Для промышленного манипулирования ведущими вариантами являются ALOHA 2 (двуручные манипуляторы типа «ведущий-ведомый», низкая стоимость, открытый исходный код), UMI (устанавливаются на запястье, не связаны с роботом, обладают высокой портативностью) и экзоскелетные системы захвата для задач с большей грузоподъемностью или для работы со всем телом. Виртуальные VR-системы, использующие Apple Vision Pro или Meta Quest 3, набирают популярность для интуитивно понятного двуручного захвата, но требуют конвейеров перенацеливания для преобразования кинематики человеческой руки в пространство суставов робота. Правильный выбор зависит от степеней свободы целевого робота, грузоподъемности и от того, требуется ли для выполнения задачи две руки.

Последнее обновление: апрель 23, 2026

Смотрите наши Решения на основе искусственного интеллекта →