Роботам мешают не тела, а мозги: физический ИИ живёт в эпохе GPT-2

Деньги в роботов летят быстрее, чем поспевают мозги. Гарри Мелсоп, который делает симуляторы для тренировки моделей, описал состояние отрасли одной фразой: физический ИИ живёт в эпохе GPT-2, то есть до своего ChatGPT.

Упор в данные и железо. Мелсоп называет две дыры: качественных данных мало, а вычислительных мощностей не хватает, особенно GPU с ray tracing для точных симуляций.

Веса уже открыты. Раньше мозги роботов жили внутри лабораторий. 31 мая NVIDIA выложила Cosmos 3 открытыми весами в трёх размерах: Super на 64B для дата-центра, Nano на 16B и Edge на 4B прямо на устройстве. Модель принимает текст, картинку, видео или действие и выдаёт видео, текст или сами действия робота.

Ставится на Linux с Python 3.13 и менеджером uv, пайплайн из Hugging Face Diffusers поднимается тремя строками. Железо под каждый размер своё: Super просит H200 или B200, Nano идёт на H100 или RTX Pro 6000, Edge живёт на Jetson AGX Orin.

Foxglove 18 августа запустила на Cosmos семантический поиск по записям роботов. Инженер описывает поведение обычным текстом, платформа достаёт подходящие куски из массивов неразмеченных данных вместе с телеметрией и логами.

Про «момент ChatGPT» спорят сами строители. Адриан Макнейл, CEO Foxglove, считает, что его не будет: развезти роботов по реальному миру труднее, чем раздать чат. Теофиль Жерве из Genesis AI отвечает, что универсальный робот, работающий на 80%, не нужен ни одному клиенту.

Алекс Кендалл, CEO Wayve, назвал порог прорыва числом: полная автономность на железе дешевле $1000 в машине.