Почему данные собирают люди, а не операторы, дистанционно управляющие роботами?

  • Базовым моделям роботов не хватает огромных объёмов данных о физическом взаимодействии, которые можно собирать напрямую. Для каждого часа сбора данных с помощью традиционного дистанционного управления нужны доступный робот и, как правило, обученный оператор, поэтому процесс дорог и медленно масштабируется.
  • Generalist предлагает людям выполнять повседневные задачи с ручным захватом «Data Hand», одновременно записывая визуальные данные и данные о движениях. Присутствие робота не требуется, поэтому сбор можно вести параллельно в нескольких местах. По словам компании, объём набора данных вырос с примерно 270 тыс. часов в ноябре 2025 года до более чем 500 тыс. часов в апреле 2026 года.
  • Этот подход основан на предположении, что реальное взаимодействие позволяет сохранить физическую динамику и сократить разрыв между симуляцией и реальностью. По сравнению с подходами, ориентированными на симуляцию или интернет-видео, его преимущество зависит от того, будет ли масштаб сбора данных и дальше повышать возможности модели.

Что означают успешность в 99% и освоение новой задачи за несколько секунд?

  • Согласно данным компании, выпущенная в апреле 2026 года модель GEN-1 после дополнительного обучения на каждой задаче достигла средней успешности 99% против 64% у предыдущей модели, а скорость выполнения была примерно втрое выше. Эти результаты отражают работу после специализированного обучения.
  • Выпущенная в августе модель GEN-1.5 меняет способ обучения новым задачам: она может выполнить задачу после одного показа продолжительностью 3–12 секунд без обновления параметров модели; средняя успешность на 10 задачах составила 59%. После добавления 5 минут данных и 10 шагов обновления параметров для каждой задачи показатель вырос до 83%.
  • Morgan Stanley отмечает потенциал этой технологии сократить затраты на обучение новым задачам и уменьшить потребность в нескольких днях сбора данных. Однако результаты ограничены простыми задачами с короткой последовательностью действий; компания также признаёт, что навыки, освоенные по непосредственному показу, менее устойчивы, чем навыки после специализированной тонкой настройки.

Когда увеличение объёма реальных данных станет устойчивым преимуществом?

  • Generalist утверждает, что производительность модели предсказуемо улучшается по мере роста объёма данных для предварительного обучения. Если эта закономерность сохранится, компании смогут точнее оценивать отдачу от вложений в сбор данных и распределять вычислительные ресурсы, а конкуренция сместится в сторону того, кто сможет получить более разнообразные данные.
  • Для устойчивого преимущества также необходимо, чтобы данные о движениях человеческих рук переносились на разные конструкции роботов. Различия в устройстве манипуляторов, суставов и датчиков могут фрагментировать данные; Morgan Stanley отмечает, что данные компании об эффекте масштаба и успешности в основном представлены ею самой, а независимых оценок мало.
  • Компания рассчитывает сначала добиться внедрения благодаря более крупному начальному набору данных, а затем усилить модель за счёт данных, поступающих от внедрённых систем. Но конкуренты также смогут накапливать реальные данные после масштабного внедрения, а вопрос эффективного сочетания симуляции, видео и реальных данных остаётся открытым.

Почему выручка не вырастет сразу вслед за улучшением модели?

  • Generalist сейчас изучает возможности внедрения через партнёров по аппаратному обеспечению и программу раннего доступа для небольшого числа клиентов. Поставка может включать робота целиком; решение также может работать на уже имеющихся у клиентов манипуляторах. Коммерческая модель ещё формируется.
  • Morgan Stanley предполагает, что самостоятельное производство роботов целиком может усилить контроль над надёжностью и обеспечить получение данных о внедрении, но увеличит капитальную и операционную нагрузку. Лицензирование партнёрам по аппаратному обеспечению требует меньше ресурсов, но выручка ограничена каналами партнёров, которые также могут перейти на другую модель.
  • У клиентов в промышленности и логистике длительные циклы продаж и высокие требования к надёжности; сбои роботов могут остановить производственную линию. При этом сбор данных и обучение требуют значительных капиталовложений, а цены ещё не установлены. Поэтому банк считает, что стабильная выручка в конечном счёте также зависит от возможностей производства роботов и готовности клиентов реального сектора их внедрять.