Роботи йдуть від лабораторії до реального промислового застосування набагато складніше, ніж здається.

Минулого року у галузі робототехніки було досягнуто багато результатів — технології VLA, Sim2Real,跨本體泛化, гнучке маніпулювання — всі вони досить міцні. Але цікаво, що найпередовіші дослідження в академічній та промисловій сферах зовсім різні, команда машинного навчання цікавиться одним, а компанії, що справді займаються промисловими роботами, — іншим, між ними лежить дуже важка для подолання прірва.

Основні проблеми полягають у трьох моментах: по-перше, дані для тренування часто суттєво відрізняються від реального середовища розгортання, і добре позначені набори даних, які потрапляють на виробництво, легко можуть спричинити збої. По-друге, дослідження зазвичай зосереджені на середній продуктивності, але в промисловому застосуванні найбільше бояться саме екстремальних ситуацій, одна помилка може коштувати дуже дорого. По-третє, продуктивність і затримка завжди перебувають у конфлікті: швидка обробка зменшує точність моделі, а точна відповідь вимагає більше часу. Якщо ці три моменти не врегулювати, навіть найкращі технічні статті залишаться лише на папері.