Фізичний ШІ піднімає питання управління автономними системами

Вплив фізичного AI на розвиток автономних систем: нові виклики та перспективи

У міру того, як автономні AI-системи проникають у роботи, датчики та промислове обладнання, питання контролю стає дедалі складнішим. Проблема полягає не лише у здатності AI-агентів виконувати завдання, а й у тому, як їхні дії тестуються, відстежуються та зупиняються у взаємодії з реальними системами.

Розвиток промислової робототехніки

Промислова робототехніка вже надає основу для цих обговорень. Згідно з даними International Federation of Robotics, у 2024 році було встановлено 542 000 промислових роботів, що вдвічі більше, ніж рівень десятирічного терміну раніше. Очікується, що кількість установок досягне 575 000 у 2025 році та понад 700 000 до 2028 року.

Ринок фізичного AI

Дослідницька компанія Grand View Research оцінила світовий ринок фізичного AI у $81,64 мільярда у 2025 році, а до 2033 року цей показник може досягти $960,38 мільярда. Сюди входять системи, які об’єднують робототехніку, обчислення на краю мережі та автономні машини.

Виклики управління

Складність управління фізичним AI виникає через те, що системи можуть функціонувати у робочих зонах, інфраструктурі та поруч із людьми. Зокрема, необхідно забезпечити безпеку інтеракцій систем з обладнанням, що вимагає чітко визначених меж безпеки. Модель може перетворитися у рух робота чи інструкцію для машини, а також стати рішенням, заснованим на даних із сенсорів.

Нові розробки Google DeepMind

Google DeepMind презентував роботи Gemini Robotics та Gemini Robotics-ER у березні 2025 року, що базуються на моделі Gemini 2.0 для робототехніки та “втіленого” AI. Ці моделі мають на меті контролювати роботів, використовуючи візуальні, мовні та акційні моделі.

Google DeepMind заявив, що корисні роботи потребують загальності, інтерактивності та спритності. Загальність означає взаємодію з незнайомими об’єктами та середовищами, інтерактивність пов’язана з людським вводом та змінами умов, а спритність стосується фізичних завдань, що вимагають точності.

Фізичний AI у промисловості

Фізичний AI вже знаходить застосування в промислових перевірках, виробництві та логістиці, а також у складах та об’єктах. У цих умовах системи повинні інтерпретувати реальні умови та діяти у заданих рамках. Важливо вирішити, як ці рамки будуть встановлені, перш ніж автономні системи зможуть приймати або виконувати рішення.

Розробки Google DeepMind у партнерстві з такими компаніями, як Apptronik на базі Gemini 2.0, вказують на майбутні можливості втіленого AI у робототехніці, забезпечуючи контроль та безпеку у виконанні завдань. Це дозволяє AI-системам пристосовуватися до складних реальних умов, забезпечуючи нові рівні автоматизації та продуктивності.