На выставке WRC 2026 акцент сделан на второй фазе воплощённого ИИ — приоритет отдаётся «воплощённому интеллекту» над «мозгом» и финансовыми показателями. Профессиональные зрители теперь оценивают не столько разнообразие функций систем, сколько их стабильность и эффективность (например, способность непрерывно работать 8 часов).
Среди ключевых направлений — сортировка посылок и приготовление кофе, офисные и розничные сценарии. Сортировка посылок выделяется как один из наиболее проработанных сценариев для коммерциализации воплощённого ИИ: задачи чётко определены, среда относительно контролируема, можно рассчитать ROI.
Компания на WRC демонстрирует сортировку посылок и резку фруктов. Система за ~2 секунды на штуку (1200 шт./час) выделяет жёлтые посылки из массы серых с помощью простых зажимов. Для этого используется базовая обобщающая модель DM0.5 (выпущена 9 июля). Система способна выполнять разные задачи (сортировка, резка арбуза, сборка конструктора) без замены системы и без жёстко заданных траекторий — за счёт обобщающей способности DM0.5.
Синьдун Цзиюань демонстрирует работу робота на реальной конвейерной линии. Компания использует подход «данные — большой мозг — управление — манипулятор — тело» с полной собственной разработкой. Выпустила новые модели: тело Синьдун L7 и манипулятор XHAND 1 PRO. Сотрудничает с Гуандун Почтой, присутствует на многих почтовых сортировочных площадках в Южном Китае.
Цзыдянь (Самопеременная) акцентирует внимание на скорости и эффективности в сортировке. Использует стандартные промышленные захваты по низкой цене. 24 июля компания выпустила собственную большую модель WALL-B: в ней визуальные, языковые и двигательные функции работают в единой сети. Робот способен к предсказанию событий в физическом мире в реальном времени — например, может определить расположение ярлыка по мелким выпуклостям на боковой стороне коробки.
Юби Сян демонстрирует совместную работу нескольких роботов Walker S2, опираясь на сеть «групповой мозг 2». Роботы Walker S2 — первые в мире человекоподобные роботы с автоматической заменой батареи за 3 минуты.
Cruzr Y1 и Cruzr S2 выполняют автономные операции в промышленных условиях: подача автомобильных кузовных деталей и механических деталей, разборка штабелей ящиков, сортировка мелких товаров для электронной коммерции. В основе — собственная модель Thinker, разработанная по принципу «малые параметры, высокая производительность, открытый исходный код».
«» представила AstraBrain-WBC 0.5 (19 июня) — первый в мире «универсальный маленький мозг» для человекоподобных роботов на базе GPT. Модель имеет задержку вывода 0,39 мс и способна выполнять высокодинамичные действия (баскетбол, бокс, танцы, вставание) без предварительного обучения. Также представлена модель «большого мозга» AstraBrain WAM 0.5 (WAM — World Action Model). Объединение этих моделей формирует архитектуру «большой мозг — маленький мозг — нервный контроль» (AstraBrain).
Galbot G1 выполняет домашние задачи (складывание одежды, приготовление завтрака) и задачи в розничной торговле (распознавание товаров на полках, точный захват и доставка). В зоне уличного экспонирования представлена полностью автономная розничная система.
RoboScience («») демонстрирует систему управления: посетители могут размещать предметы разной формы на столе и давать команды на естественном языке (например, «положите стакан слева от салфетки»), робот быстро реагирует. Также робот с «волшебной палочкой» провёл демонстрационное выступление продолжительностью 1–2 минуты.
17 августа, перед открытием WRC, компания «Машинальная наука» выпустила первый колёсный человекоподобный универсальный робот REX G1. REX G1 в сочетании с моделью «олицетворённого мира» и универсальной операционной моделью, развёрнутыми на Tencent Cloud, способен совмещать понимание визуальной информации и инструкций на естественном языке и выполнять операции с помощью ловких манипуляторов.
Компания «Цяньсюнь Интеллектуальная» за месяц улучшила эффективность выполнения долгосрочной задачи по уборке гостиной более чем на 15 % за счёт эволюции универсального робота-интеллектуала. Робот самостоятельно адаптируется к изменениям (например, при перемещении корзины с грязным бельём), распознаёт новые предметы и корректирует действия (например, повторно закрывает дверцу холодильника, если она не закрылась с первого раза).
Компания «Куавей Интеллектуальная» продемонстрировала на WRC три типа задач для воплощённого интеллекта: контроль качества на линии сборки телефонов, автономное сканирование и сортировка в супермаркете, последовательная подача мороженого и попкорна. На демонстрации задачи по контролю качества на линии сборки телефонов указано название компании «Ланьсы Технологии» — одного из крупнейших в Китае контрактных производителей.
«Уцзе Дунли» совместно с корейским брендом кофе HOLLYS (подразделение KG Group) создали иммерсивное роботизированное кофейное пространство. Робот K15 выполняет в открытой среде комплекс услуг: доставку напитков, уборку стола, сбор мусора, дезинфекцию рук, возврат стульев на место. Для этого используется собственная модель MWA (скрытое пространственное моделирование мира) и «длинносерийная двунаправленная физико-причинная цепочка». Продемонстрированы также совместная работа трёх роботов и точное захватывание («нанизывание бусин кончиком пальца»). «Уцзе Дунли» уже имеет заказы на сумму 700 млн юаней, начата первая глобальная поставка.
«» — компания, основанная после 2025 года, за три месяца привлекла около 10 млрд финансирования. Её система — «--»: «» — базовая модель SYNWorld. SYNWorld V0.5 (официально выпущена 8.17) — единый мультимодальный генеративный модель: объединяет язык, зрение, осязание, силу, состояние робота, команды действий, прогресс задач. «» делает акцент на «Scaling»: две линии возможностей — ACWM (отвечает на вопрос «если я выполню эти действия, что произойдёт дальше») и WAM (отвечает на вопрос «что должен сделать робот для этой задачи»). На выставке демонстрируется WAM: детали разбросаны, их нужно перевернуть и поместить в соответствующие пазы. На большом экране параллельно визуализируются текущее состояние механической руки и прогнозируемое моделью будущее состояние (прогноз появляется до фактического действия руки). Прогнозирование требует больших вычислительных ресурсов, сейчас возможно только на уровне миллисекунд.
«» демонстрирует сбор данных через носимые устройства: работник в перчатках выполняет действия (например, захват перца) в течение примерно 10 секунд — система генерирует видео через Ego-модель и воспроизводит на механической руке. Проблема отрасли — дороговизна и медленность сбора реальных данных. «» использует данные человека: работники выполняют действия в реальных условиях, превращая их в обучающие данные. В распоряжении компании — 100 тысяч часов данных о действиях человека. Соучредитель заявил: «Мировая модель — это всего лишь инструмент, с первого дня мы работаем с данными человека». Недавно «» готовит крупное объявление — в течение одного-двух месяцев представит его публике.
Лумин демонстрирует робота MOS2 (второе поколение) для перевозки ящиков: включает распознавание, захват двумя руками, перевозку, размещение. В MOS2 есть лидар, камеры на запястье и голове, датчики силы. Данные с робота в реальном времени поступают в NexCore — саморазработанную Лумином систему «телесного мозга», где строится замкнутый цикл обучения: автоматическое обучение и оптимизация формируют новые навыки, которые затем внедряются в MOS2.
Jíjiā Shìjiè («Полярное видение») использует генерацию данных через видео для создания синтетических данных (Simulation), серия GigaWorld обеспечивает до 90 % данных для обучения VLA, даёт прирост производительности почти на 300 % по трём измерениям обобщения (новые текстуры, ракурсы, расположение объектов).
Qióngchè Zhìnéng («Цюнчэ интеллектуальный») коммерциализирует общие возможности захвата/манипуляции — создаёт библиотеку навыков и API. AnyGrasp (выпущен в 2021 г.) имеет успех в одиночных задачах захвата 99,8 %; позже расширен до AnyFold, AnyShave, AnyOpen в рамках библиотеки AnySkill — акцент на возможности работы с незнакомыми объектами.
Ant Lingbo и Aobi Zhongguang разработали платформу сбора данных: Aobi Zhongguang — массив глубинных камер EGO RGB-D (с Gemini 330 в основе, собственный чип MX6800); Ant Lingbo — модель пространственного восприятия LingBot-Depth 2.0. Модель LingBot-Depth 2.0 обучена на 1,5 млрд данных, заняла первое место в 12 из 16 тестов по дополнению глубины.
Существует разрыв между оценкой «первой» модели и её практической применимостью, который включает проблемы sim-to-real, инженерии и масштабирования. Обичжунгуан (как производитель камер) и Маицзи Линбо (как разработчик моделей) дополняют друг друга: камера получает «интеллектуальный» аргумент продажи, а модель — объём установки. Маицзи Линбо планирует сначала внедрить «глаза» в разные отрасли, а затем продавать свою систему LingBot-VLA («мозг»).
Государственно-частное партнёрство в области человекоподобных роботов сосредоточено на создании открытого базового слоя моделей и единой платформы для обучения и оценки. Примеры открытых решений: OpenLoong, решения от Линлун Роботикс, универсальные малые мозговые модели. Цель — установить стандарты для обобщения моделей и создать общую систему координат для отрасли.
Сунъянь фокусируется на выразительном взаимодействии с лицом (так называемое «ловкое лицо»), преувеличивая выражения, чтобы снизить эффект «зловещей долины». Роботы вроде Сяоюэ и Сяочэнь могут менять образы с помощью макияжа, сотрудничают с IP из аниме и игр. Сунъянь добилась успехов на C‑рынке: заняла первое место в трёх категориях человекоподобных роботов на 618 от JD, привлекла 10 млрд на раунде B, половина заказов приходится на образовательный сектор.
Подписаться в Макс
