Стена между цифровым мышлением и физическим действием начала осыпаться. Десятилетиями робототехника держалась на костылях из узкоспециализированного кода, где каждое движение сустава прописывалось вручную. Однако свежее исследование Anthropic Frontier Red Team, проведенное Шмуэлем Берманом, Майклом Илие, Цзя Дэном и Дэниэлом Фриманом, доказывает: будущее не за специфическим кодом, а за zero-shot способностями универсальных языковых моделей. Тесты на различных платформах — от детских игрушек до квадрупода Unitree Go2 и сложных гуманоидов — подтвердили, что современные LLM научились превращать сенсорное восприятие в физическую стратегию без всякого обучения на робототехнических датасетах.
Сдвиг в сторону высокоуровневой абстракции
Ключевой прорыв здесь не в силе моторов, а в уровне абстракции. Данные Anthropic показывают, что попытки заставить модель напрямую управлять крутящим моментом (torques) — это путь в никуда. На низшем уровне абстракции ИИ чаще всего пасует. Но стоит переключить интерфейс на генерацию кода контроллера или управление предобученной политикой робота, как производительность взлетает. В этой иерархии Claude выступает не водителем, а оркестратором: он оценивает сцену, понимает состояние «железа» и выдает высокоуровневые инструкции, которые отдельная нейросеть уже переводит в координацию суставов. Такая архитектура позволяет модели, никогда не видевшей данных о походке роботов, провести квадрупода через лабиринт или взять тарелку со стола и поставить её на плиту.
«Универсальная чат-модель без специальной подготовки уже способна в рамках удачного запуска написать и загрузить собственные инструменты, чтобы провести робота через препятствия».
Этот тектонический сдвиг означает, что экономическое «бутылочное горлышко» смещается. Раньше индустрия страдала от дефицита редких инженеров-робототехников, теперь же всё решает качество мультимодальной оркестрации. Модели последних поколений демонстрируют стабильный рост в логическом синтезе задач, хотя прямое управление «железом» на низком уровне все еще остается нестабильным. Для сложных гуманоидов LLM становится мозгом, который делегирует физику предобученным алгоритмам, концентрируясь на смысле действий.
Физические галлюцинации и задержка реакции
Впрочем, не стоит ждать, что роботы завтра заменят всех грузчиков. Переход из симуляции в реальный мир все еще сопряжен с техническим трением. Точность, требуемая для микроманипуляций, пока недоступна для прямого контроля со стороны LLM. Пропасть между «вижу сцену» и «безупречно выполняю захват» остается главным препятствием для полной автономии.
Проблема надежности — еще один критический риск для бизнеса. Как отмечают исследователи Anthropic, успех миссии зависит не только от интеллекта модели, но и от интерфейса управления и качества самой платформы. ИИ по-прежнему склонен к «физическим галлюцинациям» в 3D-пространстве, когда логически верное действие не соотносится с законами гравитации или инерции. Путь от лабораторного «удачного прогона» до промышленной отказоустойчивости — это пропасть, которую еще только предстоит мостить.
Если Claude способен ориентироваться в физической среде, не видя ни одного кадра из обучающих выборок по робототехнике, возникает закономерный вопрос: какова теперь рыночная стоимость проприетарных датасетов, которые корпорации собирали десятилетиями? Похоже, «насмотренность» общего ИИ начинает обесценивать узкую специализацию быстрее, чем мы предполагали.