Bernt Bornich [ 1X Robotics ] / p.4

2025 / Понимание задачи > Выполнения конкретных действий
Успех выполнения задачи — плохо определённая метрика. Представим фабрику: робот сортирует мусорные мешки. Всё идёт нормально. Один мешок падает на пол. Есть разные уровни интеллекта. Первый — робот просто продолжает повторять движение, как обучен. Это классический end-to-end deep learning. Если в данных много примеров ошибок, возможно он поднимет мешок. Но если система понимает задачу — не просто сортировку, а зачем она это делает и как это вписывается в процесс — она поднимет мешок, вернёт его и ускорится на 20 секунд, чтобы компенсировать задержку. Это понимание имплицитно. В реальном производстве ошибки случаются постоянно, и люди их покрывают. Наша цель — чтобы роботы не повторяли движения, а глубоко понимали задачу. Тогда они смогут обобщать на edge cases, которых не видели. В вождении это называют «отрезать длинный хвост» — есть бесконечный хвост редких ситуаций, которые невозможно увидеть все. В какой-то момент система должна уметь решать то, чего не видела. Это достигается через разнообразие. Лучшее доказательство — LLM, они стали хороши именно из-за разнообразия данных.

2025 / World Models
Сегодняшние world models — не полноценные omni-models. Нам не хватает данных и вычислений. В идеале мы бы просто искали решение в world model и использовали её как policy. Это работает, но вычислительно нереально. Нужно дистиллировать из неё меньшую policy, которая может работать на роботе. Даже в облаке world model слишком медленная — миллисекунда реального времени может считаться секунды. Можно масштабировать compute, но мы пойдём умнее.

2025 / Вертикально - интегрирированная система производства
Для гуманоидов нет готовой инфраструктуры. Если идти по старому пути, получишь 200-фунтовых тяжёлых, дорогих, жёстких и небезопасных роботов. Это не масштабируется. Нужно инновации на каждом уровне цепочки поставок.Мы делаем буквально всё сами — вплоть до абсурда. У нас патенты на новые способы старения литого алюминия, мировой рекорд по соотношению прочности к весу. Мы занимаемся материаловедением, делаем своё производственное оборудование и автоматизацию, свои моторы, синтетические сухожилия для приводов, силовую электронику, батареи, механику, даже камеры и сенсоры. У нас тактильные сенсоры на новом принципе, запатентованные. Собственные модели для обучения и т.д.