Одна из главных проблем современных гуманоидных роботов заключается вовсе не в том, чтобы заставить их двигаться. Гораздо сложнее научить одну машину выполнять много разных движений, причём естественно, устойчиво и без отдельного алгоритма для каждой задачи.
Исследователи NVIDIA предложили решение: искусственный интеллект SONIC, который может выступать универсальным «двигательным центром» гуманоидного робота. Модель обучили более чем на 100 миллионах кадров человеческих движений, после чего она научилась превращать самые разные команды в согласованные движения всего тела робота. При этом одним и тем же контроллером можно управлять через виртуальную реальность, видеозаписи движений и языковые модели.
Почему роботам трудно двигаться как человеку?
Человек способен мгновенно переключаться между совершенно разными действиями. Мы можем идти, остановиться, наклониться, поднять предмет, повернуться или выполнить последовательность движений — и для этого мозгу не требуется запускать отдельную «программу управления» для каждого навыка.
У гуманоидного робота всё гораздо сложнее.
Каждое движение требует согласованной работы множества приводов. Нужно одновременно учитывать положение корпуса, рук и ног, баланс, скорость движения и взаимодействие с окружающими объектами.
Традиционный подход часто предполагает создание отдельных контроллеров для разных навыков. Один отвечает за ходьбу, другой — за манипуляции, третий — за определённое спортивное движение. Такой метод работает, но плохо масштабируется: чем больше навыков требуется роботу, тем больше отдельных систем приходится разрабатывать и настраивать.
SONIC создавался именно как попытка решить эту проблему с помощью единого универсального контроллера.
SONIC: «двигательная система» робота
Разработчики называют SONIC фундаментальной моделью для управления движением гуманоидных машин. Её задача состоит в том, чтобы получить целевое движение на достаточно высоком уровне и превратить его в конкретные команды для множества приводов робота. Условно процесс выглядит так:
команда или образец движения → SONIC → координация всего тела → команды приводам → движение робота.
Вместо того чтобы вручную описывать каждую фазу движения, разработчики обучают нейросеть находить закономерности в человеческих движениях.
Для обучения использовался массив более чем из 100 миллионов кадров. Это позволило модели изучать не отдельные действия, а гораздо более широкий набор закономерностей человеческой моторики.
Роботу можно показать, что нужно сделать
Особенно интересна универсальность входных данных. Исследователи проверили возможность управлять SONIC несколькими способами. В одном случае источником движения была виртуальная реальность: оператор мог управлять роботом дистанционно.
В другом использовалось обычное видео с человеческим движением. То есть вместо программирования робота инженер может дать системе визуальный пример того, как должно выглядеть действие.
Наконец, SONIC удалось объединить с vision-language-action (VLA) моделями — системами, которые связывают зрительное восприятие, язык и действия робота.
Получается своеобразная многоуровневая архитектура. Высокоуровневый ИИ может решить, что робот должен сделать, а SONIC отвечает за гораздо более приземлённый вопрос: как именно заставить тело выполнить это движение.
ИИ умеет переносить навыки на новые движения
Одним из наиболее важных результатов экспериментов стала способность SONIC обобщать полученные знания. Модель тестировали не только на движениях, которые непосредственно присутствовали в обучающих данных, но и на новых вариантах поведения. Несмотря на это, контроллер смог генерировать широкий набор устойчивых и естественных движений всего тела.
Это принципиально отличается от системы, которая просто запоминает заранее подготовленный набор анимаций.
Представим, что робота обучили ходить и поворачиваться. Если он действительно понимает закономерности движения, то комбинация этих навыков может позволить ему самостоятельно сформировать новое действие. Если же он лишь воспроизводит готовые шаблоны, любое отклонение от знакомой ситуации может привести к сбою. Именно способность обобщать движения делает SONIC потенциально полезным в качестве базовой модели для разных роботов и задач.
От виртуальной реальности до реального робота
Испытания проводились не только в компьютерных симуляциях. Исследователи проверили работу контроллера на гуманоидном роботе и оценивали, насколько точно он способен воспроизводить знакомые и незнакомые движения. При этом один и тот же контроллер можно использовать с разными источниками команд без повторного обучения модели.
Это важное свойство. Если для каждого нового способа управления приходится заново тренировать робота, создание универсальной платформы быстро превращается в дорогостоящий и трудоёмкий процесс. SONIC, напротив, выступает промежуточным слоем между источником задания и физическим телом машины. Поэтому один и тот же «двигательный интеллект» потенциально можно подключать к различным системам верхнего уровня.
Что изменится, если добавить рассуждающий ИИ?
Здесь появляется, пожалуй, самая интересная перспектива. Большие модели искусственного интеллекта уже способны понимать инструкции, анализировать изображения и планировать последовательность действий. Но между решением «возьми предмет со стола» и реальным выполнением этой команды существует огромная инженерная пропасть.
Языковая модель может прекрасно описать нужное действие, но сама по себе она не знает, на какой угол необходимо повернуть каждый сустав робота и с какой скоростью переместить его руку, чтобы не потерять равновесие. SONIC может стать своеобразным переводчиком между двумя уровнями.
Высокоуровневый ИИ говорит, что нужно сделать. SONIC превращает это решение в движение тела.
Именно поэтому NVIDIA рассматривает контроллер как основу для будущих систем, где способность рассуждать будет тесно связана с физическим выполнением задач. В дальнейшем разработчики планируют интегрировать SONIC с платформой NVIDIA Isaac GR00T.
Где это пригодится?
Потенциальных применений довольно много. На производстве роботам приходится перемещаться между рабочими зонами, брать предметы, переносить детали и взаимодействовать с оборудованием. На складах и в логистике набор задач ещё более разнообразен. В таких условиях универсальный контроллер особенно интересен: роботу не обязательно создавать отдельную систему управления для каждого нового движения.
Но до действительно универсального рабочего гуманоидного робота ещё далеко. Сама NVIDIA указывает на несколько направлений дальнейшей работы: необходимо улучшить понимание окружающей обстановки, снизить риск столкновений, повысить надёжность навигации в динамичной среде и на неровной поверхности, а также улучшить манипуляции с объектами, требующими физического контакта. Отдельная задача — сделать перенос поведения из симуляции в реальный мир более надёжным.
Следующий шаг — не просто умный робот, а универсальное тело для ИИ
SONIC интересен не тем, что научил робота одному необычному движению. Его главное достоинство — попытка создать универсальный двигательный слой, который можно использовать для большого количества навыков. Если этот подход удастся масштабировать, разработчикам больше не придётся создавать отдельный контроллер для каждого нового действия. Робот сможет получать инструкции от разных систем искусственного интеллекта, учиться по человеческим движениям и переносить полученные навыки на новые ситуации.
В таком сценарии гуманоидный робот становится своеобразным физическим интерфейсом для ИИ. Большая модель отвечает за восприятие, планирование и рассуждение, а специализированная двигательная модель превращает всё это в работу настоящих суставов и приводов. Именно соединение этих двух уровней — «понимать» и «уметь двигаться» — может оказаться одним из ключевых этапов на пути к действительно универсальным гуманоидным роботам.
Исследование Zhengyi Luo и его коллег опубликовано в журнале Science Robotics под названием SONIC: Supersizing motion tracking for natural humanoid whole-body control.
