Прорыв Microsoft решает ограничения роботов с помощью системы тактильного восприятия

Microsoft Researchпровелазапуск новой системы управления роботами в конце января 2026, которая позволяет роботувыполнять задачис помощью рук, обрабатывая голосовые команды и физическую обратную связь. Система, получившая название Rho-alpha, знаменует выход компании на рынок фундаментальных моделей, предназначенных для роботов, оснащённых двумя манипуляторами одновременно.

Технология сначала будет доступна отдельным группам через программу Раннего Доступа, прежде чем Microsoft сделает ее более широко доступной на своей платформе Foundry. Затем компании смогут адаптировать систему под свои конкретные потребности с использованием собственных данных.

Добавление тактильности в робототехнику

Заводы и склады ищут роботов, способных адаптироваться к изменяющимся условиям, а не просто бесконечно повторять одни и те же запрограммированные движения вечно. В больницах требуются машины, которые могут адаптироваться к различным ситуациям. Производственные линии, где изделия различаются от партии к партии, создают проблемы, которые старая автоматизация не может эффективно решить. Microsoft создала Rho-alpha, чтобы удовлетворить эту потребность, обрабатывая визуальную и аудиальную информацию, получаемую роботами, вместе с тактильными ощущениями от датчиков.

Большинство роботизированных систем сегодня полагаются на камеры и микрофоны для понимания окружающей среды и получения инструкций. Rho-alpha добавляет еще один уровень, приравнивая тактильные ощущения к другим видам восприятия. Когда в захвате робота встроены датчики давления, система получает информацию, которую камеры совершенно не улавливают. Это имеет значение при попытке вставить что-то в розетку или соединить детали, где одного зрения недостаточно для получения достаточной детализации о правильности совмещения.

Microsoft демонстрирует эти возможности с помощью двух манипуляторов Universal Robots UR5e, оснащённых датчиками давления и контакта. Во время тестирования на задаче BusyBox люди в интервью давали роботу команды например, поместить лоток в ящик инструментов и закрыть крышку. Система обратился преобразовывала эти слова в скоординированные движения обоих манипуляторов и вносила коррективы на основе данных с датчиков. Если попытка вставить штекер не не удавалась с первого раза, оператор мог направить робота с помощью 3D-устройства ввода, а система обучалась на основе этих исправлений.

Получение достаточного объема данных для обучения остается главной проблемой при создании способных роботов. Языковые модели могут обучаться на огромных объемах текста, доступных в интернете, но для обучения роботов требуются реальные физические демонстрации, запись которых занимает время и деньги. Microsoft решила эту проблему, обучив Rho-alpha на трех типах информации: записи реальных физических демонстраций, смоделированные тренировочные задачи и большие наборы данных изображений с вопросами и ответами из интернета. Компания использует Nvidia Isaac Sim на серверах Azure для создания реалистичных синтетических сценариев с помощью процесса обучения с подкреплением.

Эта настройка симуляции создает физически точные тренировочные ситуации, которые дополняют реальные демонстрации. Комбинированный подход позволяет моделистолкнуться с необычными случаями и ситуациями отказа, которые в противном случае потребовали бы тысяч часов реальной эксплуатации для фиксации.

The training method follows patterns other companies in robotics are using. Google DeepMind’s Gemini Robotics system, Figure AI’s Helix model for humanoid robots, and Physical Intelligence’s Pi-zero all take similar approaches to work around the data shortage problem. The technique helps these systems learn general manipulation skills without needing specific demonstrations for every single task they might face.

Конкуренция на развивающемся рынке

Microsoft присоединяется к рынку фундаментальных моделей в робототехнике, который значительно вырос за последние полтора года. Nvidia выпустила GR00T N1.6, ориентированную на гуманоидных роботов, с акцентом на управление всем телом и понимание контекста. Google DeepMind расширила возможности Gemini в области робототехники, добавив способности от складывания бумаги в оригами до работы с игральными картами. Physical Intelligence представила Pi-zero как универсальную систему, обученную на различных типах роботов.

Rho-alpha выделяется тремя способами. Во-первых, акцент на тактильном восприятии позволяет справляться с ситуациями, в которых системы, полагающиеся исключительно на зрение, испытывают трудности. Во-вторых, модель создана на базе серии Phi от Microsoft, которая была оптимизирована для эффективной работы на обычном потребительском оборудовании. Это указывает на возможность ее запуска на локальных устройствах без необходимости постоянного подключения к облачным серверам. В-третьих, фокус на обучении на основе исправлений, вносимых человеком во время фактической работы, отличает ее от моделей, требующих полного переобучения для освоения новых поведенческих навыков.

Бизнес-подход Microsoft также отличается от подхода конкурентов. Компания планирует предлагать Rho-alpha через свою платформу Foundry в качестве инфраструктуры, которую производители и системные интеграторы смогут настраивать с использованием своих собственных проприетарных данных. Это отражает подход компании к сервису Azure OpenAI Service и ориентирован на организации, желающие создавать специализированные версии, а не использовать универсальную модель.

Для производителей и логистических компаний непосредственная возможность заключается в выявлении повторяющихся задач по обработке, где текущая автоматизация не справляется. Станции контроля качества, операции по сборке наборов изделий и линии малосерийного производства представляют собой ситуации, где сочетание понимания языка и тактильного восприятия Rho-alpha может сократить требования к программированию.

Программа раннего доступа, объявленная Microsoft, дает организациямспособ протестировать, подходит ли система их потребностям перед инвестированием в инфраструктуру развертывания. Компаниям следует подходить к этим оценкам с ожиданием, что потребуется человеческий надзор, и планировать рабочие процессы, в которых операторы корректируют и направляют роботов в течение начальных периодов обучения.

Физическое ИИ представляет собой переход от роботов как запрограммированных инструментов к роботам как гибким партнёрам. Этот переход займёт годы, а не месяцы, но фундаментальные модели от Microsoft, Nvidia и Google задают базовые паттерны, которые определят развитие корпоративной робототехники на следующие десять лет.