Гуманоид против конвейера: почему VLA-модели промахиваются и как МТС это исправляет

Большинство впечатляющих демонстраций роботов сегодня показывают их в статической среде: предметы лежат на столе, освещение стабильно, камера зафиксирована. В таких условиях VLA (Vision-Language-Action) модели действительно показывают высокое качество управления. Но в реальном быту или на производстве объекты часто движутся — например, по конвейеру. А если робот не закреплённый манипулятор, а полноростовой гуманоид, ему приходится ещё и делать шаги, поддерживая баланс, что многократно усложняет расчёт движений.

ML-инженер MTC Web Services Дания рассказала о конкретной проблеме: робот уверенно берёт предмет со стола, но начинает промахиваться, когда тот едет по конвейеру. Причина — в сложности предсказания траектории движущегося объекта и синхронизации с собственными движениями гуманоида. Стандартные VLA-политики, обученные на статичных сценах, не справляются с динамикой.

В RnD-направлении Physical AI MTC Web Services разрабатывают VLA-политику, способную работать в динамической среде. Инженеры исследуют, как адаптировать модель к изменяющимся условиям, чтобы гуманоид мог успешно взаимодействовать с движущимися предметами. Пока это исследовательская работа, но она приближает нас к роботам, которые смогут работать на реальных производствах и в быту.