LimX Dynamics показала второй эпизод VLA-демо TRON 2: робот автономно складывает одежду

Китайский производитель гуманоидных роботов LimX Dynamics опубликовал второй эпизод демонстрации своей VLA-модели (vision-language-action) TRON 2 — на этот раз робот автономно справляется со складыванием одежды, одной из самых сложных задач для роботизированных манипуляторов из-за деформируемости ткани.

Складывание белья в последний год превратилось в негласный тест-полигон для стартапов, которые учат роботов работать в доме. Как отмечает Business Insider, Sunday Robotics, Weave и 1X независимо друг от друга выбрали именно эту задачу отправной точкой для своих домашних роботов — она компактна по масштабу, но требует точной работы с мягкими, постоянно меняющими форму объектами, что делает её удобным полигоном для проверки обобщающих способностей моделей.

Одна из компаний, работающих в этом направлении, Sunday Robotics, уже заявила о значимых результатах: по данным Humanoids Daily, её новая модель ACT-2 достигает 99,1% успешных попыток складывания одежды без предварительной донастройки под конкретную сцену.

Демо LimX Dynamics встраивается в более широкий поиск индустрией архитектур, способных к настоящему обобщению за пределами обучающей выборки. Как объясняет технический блог NVIDIA, классические VLA-модели часто теряют точность, когда форма, положение или окружение объектов на сцене отличаются от тренировочных данных — именно поэтому индустрия экспериментирует с world action models и подобными архитектурами, стремясь к большей устойчивости манипуляций.

В этом же русле развивается и Dyna Robotics: компания представила модель DYNA-2, обученную на миллионе часов видео с людьми, которая, по словам разработчиков, справляется с задачами почти вдвое надёжнее классического VLA-подхода и адаптируется к новым операциям за 13 минут, о чём писал TechTimes.

Каждое новое видео гуманоида, аккуратно складывающего футболку, — это не просто эффектный ролик для соцсетей, а маркер того, куда смещается фокус индустрии: с эффектных ходьбы и прыжков в сторону мелкой моторики, без которой роботы не смогут по-настоящему работать в быту.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.