Походка за 20 минут и $10 000: как RL научил роботов ходить, а «мозг» упёрся в контекст

За 2026 год двуногие роботы совершили качественный скачок: один из них пробежал полумарафон быстрее человеческого рекорда, другой — заставил CEO резать себе ногу ножницами на сцене, а третий — провалил задачу «пройти ровно» на презентации за миллионы долларов. Главный вывод: сама походка перестала быть инженерной проблемой — Reinforcement Learning (RL) позволяет обучить её за 20 минут на одной видеокарте, потратив около миллиона рублей на вычисления.

Но «живой» робот упирается в три ограничения: энергопотребление (ватты на реальное движение), переполняющийся контекст (мозг не успевает обрабатывать сенсорные данные в реальном времени) и отсутствие непрерывного обучения — модель застывает после тренировки и не адаптируется к новым условиям. Именно эти барьеры, а не сама походка, сейчас тормозят внедрение двуногих роботов в реальный мир.

Статья на Habr подробно разбирает первоисточники: как RL сделал ходьбу «дешёвой инженерией», почему публичные демонстрации всё ещё проваливаются, и что нужно для перехода от лабораторных успехов к массовому применению.