Лаборатория embodied AI: как устроена и что купить

Как работает цикл телеоперация - датасет - политика и какое оборудование для обучения ИИ-политик нужно лаборатории на старте и при расширении.

Лаборатория embodied AI - это место, где модели искусственного интеллекта учатся действовать в физическом мире: брать предметы, открывать дверцы, перемещаться по помещению. В отличие от классической робототехники, где каждое движение программирует инженер, здесь робот учится на демонстрациях человека. Разберем, как устроен этот процесс, какое оборудование для обучения ИИ-политик нужно на каждом шаге и с чего разумно начать.

Что делает лаборатория embodied AI

Работа лаборатории укладывается в замкнутый цикл из четырех шагов:

1. Телеоперация. Оператор управляет роботом через ведущее устройство - копию руки, VR-контроллеры или экзоскелет.
2. Сбор датасета. Во время демонстрации синхронно записываются положения суставов, кадры с камер и действия оператора.
3. Обучение политики. На записанных эпизодах обучается нейросеть, которая по наблюдению (картинке и состоянию суставов) предсказывает следующие действия.
4. Развертывание и проверка. Политику запускают на роботе, смотрят на ошибки, добирают демонстрации для трудных случаев и повторяют цикл.

Качество результата определяется не столько мощностью видеокарты, сколько чистотой и количеством демонстраций. Поэтому главный актив такой лаборатории - удобный и воспроизводимый стенд для сбора данных.

Сколько демонстраций нужно

Универсальной цифры нет: простая задача вроде переноса кубика осваивается на десятках эпизодов, длинные двуручные операции требуют сотен. Практичнее планировать не число записей, а время операторов - несколько часов в неделю на стенде дают стабильный прирост данных. Записывайте неудачные попытки отдельно и меняйте положение предметов между эпизодами, иначе политика выучит одну конкретную сцену.

ACT и Diffusion Policy простыми словами

Два подхода к имитационному обучению стали отправной точкой для большинства учебных курсов.

• ACT (Action Chunking with Transformers) предсказывает не одно действие, а сразу короткую последовательность. Это сглаживает движения и снижает накопление ошибок, когда робот повторяет навык.
• Diffusion Policy генерирует траекторию так же, как диффузионные модели генерируют изображения - постепенно уточняя ее из шума. Подход хорошо справляется с задачами, где один и тот же результат достигается разными способами.

Следующий уровень - VLA-модели (vision-language-action), которые связывают изображение, текстовую команду и действие. Для студентов логичный путь такой: сначала ACT на простой задаче, затем Diffusion Policy, затем эксперименты с VLA.

Mobile ALOHA и готовый стенд COBOT Magic

Схема Mobile ALOHA предложена исследователями Стэнфорда: двурукий робот на мобильной базе, которым оператор управляет через пару ведущих рук. Собрать такой стенд самостоятельно можно, но это месяцы работы по механике, электрике и синхронизации камер.

AgileX COBOT Magic - серийная реализация этой схемы на базе AgileX Tracer. В комплекте четыре руки PiPER (две ведомые и две ведущие) и три камеры: камера глубины Orbbec DaBai и две на запястьях. Телеоперация и запись датасетов работают сразу, есть пайплайны ACT и Diffusion Policy, поддерживаются ROS 1 и ROS 2. Стенд занимает 1074 × 700 × 1136 мм, на одном заряде работает около 4 часов. Важно понимать границу поставки: обучение собственных политик и интеграция VLA-моделей - задача команды, а состав вычислителя, монитора и питания уточняется при заказе.

Начать с одной руки: AgileX PiPER

Если бюджет на первый год ограничен, лабораторию можно запустить на манипуляторе AgileX PiPER. Это та же рука, что стоит в COBOT Magic: шесть осей, нагрузка 1,5 кг, повторяемость ±0,1 мм, масса 4,2 кг. Управление идет по CAN через Python SDK или ROS, есть модель URDF, MoveIt и симуляция в Gazebo.

Две руки PiPER в режиме ведущая-ведомая превращаются в настольный стенд телеоперации: одна рука повторяет движения другой, а данные суставов пишутся в датасет. При цене от 460 000 ₽ за руку такой стенд обходится многократно дешевле мобильного двурукого. Код и навыки потом без переделки переносятся на COBOT Magic. Учтите, что захват (раскрытие 0-70 мм, усилие до 50 Н) заказывается отдельно. Подробно разница описана в сравнении PiPER или COBOT Magic.

Гуманоиды для исследований: H2 EDU и A3 Ultra EDU

Когда манипуляция освоена, лаборатория выходит на задачи всего тела. В каталоге две платформы этого класса.

Unitree H2 EDU - гуманоид ростом 180 см с 31 степенью свободы и моментом в суставе до 360 Н·м. Версия EDU открывает полный SDK на Python, C++ и ROS 2, поддерживает телеоперацию через VR-контроллеры и экзоскелетные устройства - то есть сбор данных для политик всего тела. Прикладные сценарии команда разрабатывает сама.

AgiBot A3 Ultra EDU делает ставку на руки и вычисления: 51 степень свободы, тактильные кисти до 20 степеней свободы, вычислитель 700 TOPS на NVIDIA Jetson Thor и до 8 часов работы. Это платформа для экспериментов с тонкой манипуляцией и длительных сессий сбора данных. Сценарии из демонстрационных роликов производителя в поставку по умолчанию не входят. Чем модели отличаются, разобрано в сравнении H2 EDU или AgiBot A3.

Мобильность и восприятие: Go2 EDU U2

Embodied AI не ограничивается руками. Задачи навигации, поиска объектов и работы в незнакомом помещении удобно отрабатывать на четвероногом роботе. Unitree Go2 EDU U2 несет NVIDIA Jetson Orin NX на 100 TOPS, лидар L1 и камеру глубины Intel RealSense D435i, а SDK доступен на Python, C++ и ROS 2. Нейросети восприятия работают прямо на борту, без внешнего компьютера. При необходимости ставится манипулятор Unitree D1 - получается мобильная платформа с рукой.

Состав лаборатории: три сценария

Полный сценарий собран в готовый комплект «Лаборатория embodied AI»; цена комплекта ниже суммы позиций, точную сумму фиксируем в КП. Цены - базовые комплектации на 01.10.2026.

Что учесть кроме роботов

• Вычисления для обучения. Бортовые модули нужны для запуска политик, а обучать модели удобнее на отдельной рабочей станции или сервере с GPU.
• Помещение. Для COBOT Magic нужны ровный пол, рабочий стол и розетка. Для гуманоидов - свободная площадь и зона безопасности.
• Объекты для задач. Набор одинаковых предметов, коробок и посуды - простая вещь, без которой воспроизводимые эксперименты не получатся.
• Хранение данных. Видео с нескольких камер быстро занимает место, договоритесь о хранилище заранее.
• Люди. Минимум один инженер на стенд и время на обучение операторов. Пусконаладку и занятие для команды можно включить в КП.

Как запустить лабораторию по шагам

1. Сформулировать 2-3 исследовательские задачи на первый год.
2. Выбрать стартовый сценарий и заложить расширение.
3. Подготовить помещение и рабочую станцию для обучения.
4. Заказать оборудование с пусконаладкой и обучением команды.
5. Собрать первый датасет, обучить ACT, получить базовую метрику успеха.

Об общей организации учебных лабораторий читайте в статье лаборатория робототехники в вузе, варианты для кафедр собраны на странице робототехника для вузов. Для закупки по 44-ФЗ и 223-ФЗ подготовим КП для обоснования цены и спецификацию.