Священный Шаолинь принял роботов в ученики — теперь машины владеют кунг-фу и не знают пощады

Священный Шаолинь принял роботов в ученики — теперь машины владеют кунг-фу и не знают пощады. Роботы отрабатывают удары и стойки на фоне двора Шаолиньского монастыря. Движения резкие и выверенные, повороты корпуса синхронные, темп не сбивается. Китайская компания Agibot показала видео, где гуманоидные машины выполняют связки приемов кунг-фу. Ролик быстро разошелся по соцсетях и вызвал смешанную реакцию от восторга до явного беспокойства.
Запись появилась в начале февраля и вскоре попала в крупные медиа. Видно, что разработчики сделали ставку не на отдельные трюки, а на согласованность группы. Роботы держат баланс, точно повторяют траектории рук и ног и не теряют ритм при переходе между элементами.
Для Agibot подобные демонстрации не новость. Весной 2025 года компания из Шанхая представила гуманоидную модель Lingxi X2 как универсального помощника. Тогда в промо-видео робот ехал на велосипеде по открытому пространству, удерживая равновесие как человек. Спустя два месяца вышел еще один ролик с более сложным номером. Машина выполнила акробатический прыжок Webster flip. Это переворот вперед с толчком одной ногой назад, где важен точный расчет фазы полета и положения тела. В той же серии показывали и отдельные элементы кунг-фу.
За поведение платформы отвечает модель искусственного интеллекта Genie Operator 1, ее также называют GO 1. Система поддерживает так называемое обобщение без примеров. На практике это означает, что робот может манипулировать предметами и выполнять базовые действия без предварительного обучения на каждом конкретном сценарии. Та же архитектура позволяет нескольким устройствам действовать согласованно, что и видно в групповом выступлении.
Модель усиливает способности Lingxi X2 к обучению и планированию действий в реальной среде. В ней используется механизм скрытых действий. Алгоритм анализирует последовательность визуальных кадров, прошлых и текущих, и на их основе лучше понимает человеческие движения. Такой подход частично решает проблему нехватки размеченных данных, которые обычно требуются для тренировки гуманоидных систем под комплексные задачи.

(По материалам сайта SecurityLab)