Робот и лестница: теперь это реальность

Представьте робота перед лестницей. Казалось бы, элементарная задача — но до недавнего времени это было почти непреодолимым барьером. Даже топовые модели спотыкались на простейших действиях: открыть дверь, повернуть за угол, подняться на этаж. Алгоритм строил идеальный маршрут, а на практике робот мог час кружить перед дверью, не понимая, как протиснуться в проём.

Система PACE, анонсированная 30 сентября 2026 года, наконец-то научила машины справляться с этой проблемой. Она добавила то, чего не хватало всем предыдущим решениям: понимание физики реального мира. Раньше навигация делилась на два независимых этапа.

Глобальный планировщик выдавал абстрактную инструкцию вроде «иди к лестнице на втором этаже», а локальный контроллер пытался её выполнить — часто с комичными последствиями. Робот мог рапортовать о выполнении задачи, уткнувшись носом в стену рядом с нужной дверью.

PACE ломает эту схему, вводя концепцию «предпочитаемой позы» — точного положения и ориентации тела для преодоления препятствия. Сначала алгоритм предсказывает эту позу на основе 3D-карты, затем корректирует движения, пока робот не займёт нужную позицию. Цифры говорят сами за себя.

В тестах на датасетах R2R-CE и RxR-CE (специально созданных для многоэтажной навигации) PACE увеличил успешность прохождения маршрутов с 16.35% до 27.65% и с 4.76% до 12.06% соответственно. Для задач, где 10% уже считались достижением, это серьёзный скачок.

В реальных условиях технология уже работает: больничные роботы с PACE доставляют лекарства между этажами, повысив эффективность на 35% и экономя до 500 человеко-часов в месяц. На нефтезаводах дроны сократили время инспекции с 8 часов до 2, что принесло компаниям свыше $1 млн годовой экономии.

Не всё так гладко

PACE — не панацея. Системе нужны точные 3D-карты, и в хаотичной среде её эффективность резко падает. Особенно это заметно на стройках или в зонах ЧС, где обстановка меняется каждые полчаса.

Разработчики пытаются интегрировать PACE с системами SLAM (одновременное построение карты и навигация), но пока технология заточена под колёсные и гусеничные платформы. Адаптация для двуногих и четвероногих роботов — дело будущего.

Главное преимущество PACE — не в конкретных цифрах, а в смене парадигмы. Раньше инженеры пытались улучшить навигацию, наращивая вычислительную мощность или размеры датасетов. Но роботы всё равно не понимали, как абстрактные команды связаны с реальными физическими ограничениями.

PACE учит их методом проб и ошибок — почти как человека, осваивающего велосипед. Каждое «падение» делает следующие движения точнее.

Кто уже внедряет

Amazon тестирует PACE на складских роботах — предварительные данные показывают 40%-ное снижение простоев из-за навигационных сбоев. Производители умных пылесосов работают над упрощёнными версиями системы. В отличие от нынешних моделей, которые сканируют комнату перед уборкой, новые устройства смогут оперативно менять маршрут, если на пути внезапно окажется сумка или передвинутый стул.

Но есть и подводные камни. Обучение модели для больничного робота требует 140 часов работы кластера из 32 видеокарт NVIDIA A100. Хотя после развёртывания PACE работает на стандартном бортовом компьютере, стартовые затраты могут отпугнуть небольшие компании.

Социальный эффект

PACE не просто улучшает навигацию — она меняет рынок труда. С одной стороны, сокращается потребность в рутинных операциях в логистике, обслуживании зданий и инспекциях. С другой — требуются специалисты, способные настраивать и контролировать системы на базе PACE. Это не замена человека машиной, а смена типа занятости.

PACE — первый шаг к роботам, которые действительно понимают физический мир. Дальнейший успех зависит от интеграции с другими технологиями вроде SLAM или генеративных моделей. Но уже сейчас ясно: это новый стандарт автономной навигации, который перевернёт не только робототехнику, но и десятки смежных отраслей.