ММООЗЗГГ.ru

Нейросети для роботов: модели, которые превращают слова в движения

ТопРоботы и физический ИИ

5 мин6 источников

Нейросеть для робота в 2026 году чаще всего устроена как модель «зрение, язык, действие»: она смотрит в камеры, понимает команду словами и выдает движения суставов. Открытые модели GR00T, π0, SmolVLA и OpenVLA можно скачать и дообучить на своем роботе, закрытая Gemini Robotics доступна партнерам. Ниже порядок по открытости и подтвержденным результатам на настоящих роботах, данные на 16 октября 2026.

Коротко

  • Открытая модель для гуманоида с правом коммерческого использования: Isaac GR00T
  • Дообучение манипулятора на 1-20 часах данных: π0
  • Компактная модель для недорогой руки и одной видеокарты: SmolVLA
  • Исследования и сравнение с опубликованной статьей: OpenVLA
  • Планировщик через API и модели действия для партнеров: Gemini Robotics
  • Синтетические данные для обучения любой из них: Cosmos

Список

Порядок по критериям этой страницы, это не рейтинг.

  1. #1

    Isaac GR00T

    NVIDIA, США

    Для чего подходит
    Гуманоиды и двуручные роботы: основа для своей модели с коммерческой лицензией.
    Почему в списке
    16 марта 2026 года NVIDIA представила открытую модель Isaac GR00T N1.7 для гуманоидов с правом коммерческого использования; о ее применении объявили Humanoid, LG Electronics, NEURA и Noble Machines. NVIDIA Newsroom, 16 марта 2026
    Цена
    бесплатно: открытые веса и код (16 октября 2026) тарифы
    Официальный сайт
    developer.nvidia.com/isaac/gr00t
  2. #2

    π0 (openpi)

    Physical Intelligence, США

    Для чего подходит
    Манипуляторы: дообучение на новой задаче по записям с робота, открытый код openpi.
    Почему в списке
    4 февраля 2025 года Physical Intelligence открыла код и веса моделей π0 и π0-FAST; по данным компании, для дообучения под новую задачу хватало от 1 до 20 часов данных. Physical Intelligence, 4 февраля 2025
    Цена
    бесплатно: открытые код и веса (16 октября 2026) тарифы
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Официальный сайт
    github.com/Physical-Intelligence/openpi
  3. #3

    SmolVLA

    Hugging Face, США

    Для чего подходит
    Учебные и малые проекты: модель на 450 млн параметров для недорогих рук вроде SO-101.
    Почему в списке
    3 июня 2025 года Hugging Face выпустила SmolVLA на 450 млн параметров, обученную на 487 открытых наборах данных сообщества, всего меньше 30 тыс. эпизодов. Hugging Face Blog, 3 июня 2025
    Цена
    бесплатно: открытые веса (16 октября 2026) тарифы
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Лицензия
    Apache 2.0
    Официальный сайт
    huggingface.co/lerobot/smolvla_base
  4. #4

    OpenVLA

    Стэнфорд и партнеры, США

    Для чего подходит
    Исследования: открытая модель на 7 млрд параметров с подробной научной статьей.
    Почему в списке
    В статье от 13 июня 2024 года авторы OpenVLA сообщили, что модель на 7 млрд параметров обучена на 970 тыс. демонстраций роботов и на 16,5 процентного пункта точнее закрытой RT-2-X на 55 млрд параметров в 29 задачах. arXiv 2406.09246, 13 июня 2024
    Цена
    бесплатно: открытые код и веса (16 октября 2026) тарифы
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Официальный сайт
    openvla.github.io
  5. #5

    Gemini Robotics

    Google DeepMind, США

    Для чего подходит
    Планирование задач через Gemini API, модели действия для партнеров раннего доступа.
    Почему в списке
    30 июля 2026 года Google DeepMind выпустила Gemini Robotics 2: по данным компании, модель управляет гуманоидом целиком и адаптируется к новому роботу менее чем по 200 примерам. Google DeepMind, 30 июля 2026
    Цена
    Gemini Robotics ER 2 в Gemini API: бесплатный тариф; платно 1 $ за 1 млн входных и 5 $ за 1 млн выходных токенов до 31 декабря 2026 года. Модели действия Gemini Robotics 2 и On-Device 2 доступны только партнерам раннего доступа (16 октября 2026) тарифы
    Доступ из России
    официально не поддерживает официальная страница
    Официальный сайт
    deepmind.google/models/gemini-robotics
  6. #6

    Cosmos

    NVIDIA, США

    Для чего подходит
    Не управляет роботом сам: генерирует синтетические сцены для обучения моделей действия.
    Почему в списке
    1 июня 2026 года на GTC Taipei NVIDIA выпустила открытое семейство моделей мира Cosmos 3; старшая модель Cosmos3-Super содержит 64 млрд параметров. NVIDIA, 1 июня 2026
    Цена
    бесплатно: открытые веса (16 октября 2026) тарифы
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Лицензия
    OpenMDW-1.1 (Cosmos 3)
    Официальный сайт
    nvidia.com/en-us/ai/cosmos

Коротко: открытые и закрытые модели

Четыре модели из списка открыты: GR00T, π0, SmolVLA и OpenVLA. Их веса и код скачиваются без ограничений по стране, и их можно запустить на своем сервере. Различаются они лицензией, размером и тем, на каких роботах проверены.

Gemini Robotics закрыта: планировщик Gemini Robotics ER 2 доступен в Gemini API, а модели действия Gemini Robotics 2 и On-Device 2 только партнерам раннего доступа. По каталогу Google официально не поддерживает Россию. Cosmos в списке не как модель управления, а как источник синтетических данных для обучения остальных.

Как устроена модель «зрение, язык, действие»

На входе кадры с камер, положение суставов и команда текстом, например «положи красную деталь в лоток». На выходе последовательность движений на ближайшие доли секунды. Модель повторяет этот цикл много раз в секунду, пока задача не выполнена.

Часто модель делят на две части. Isaac GR00T N1, которую NVIDIA выпустила 18 марта 2025 года, состоит из быстрой части, которая отвечает за движения, и медленной на языковой модели, которая планирует. Google DeepMind 25 сентября 2025 года разделила роли так же: Gemini Robotics-ER 1.5 планирует, Gemini Robotics 1.5 думает перед движением и выполняет.

Основу таких моделей берут у моделей, обученных на картинках и текстах: так робот понимает слова «красная» и «лоток» без отдельной разметки. Движения он учит на записях с роботов и синтетических данных. Больше о том, как это связано с моделями мира и симуляцией, рассказано на странице о физическом ИИ.

Модели по порядку

Isaac GR00T от NVIDIA. Код под Apache 2.0, веса под NVIDIA Open Model License. 16 марта 2026 года вышла версия N1.7 с правом коммерческого использования, о ее применении объявили Humanoid, LG Electronics, NEURA и Noble Machines. Для первой версии NVIDIA за 11 часов сгенерировала 780 000 синтетических траекторий, а смесь синтетики и реальных данных дала +40% к результату.

π0 от Physical Intelligence. Код и веса открыты 4 февраля 2025 года в репозитории openpi, код под Apache 2.0, веса на основе PaliGemma под Gemma Terms of Use. По данным компании, для дообучения на новой задаче хватает 1-20 часов данных с робота, сами авторы называют выпуск экспериментом.

SmolVLA от Hugging Face. Модель на 450 млн параметров под Apache 2.0 вышла 3 июня 2025 года. Ее обучили на 487 открытых наборах данных сообщества, всего меньше 30 тыс. эпизодов. Размер позволяет экспериментировать без серверного парка.

OpenVLA от Стэнфорда и партнеров. В статье от 13 июня 2024 года авторы сообщили, что модель на 7 млрд параметров обучена на 970 тыс. демонстраций и на 16,5 процентного пункта точнее закрытой RT-2-X на 55 млрд параметров в 29 задачах. Веса построены на Llama* 2, поэтому кроме MIT на них действует лицензия Llama 2: перед коммерческим проектом ее стоит прочитать юристу.

Gemini Robotics от Google DeepMind. 30 июля 2026 года вышла Gemini Robotics 2: по данным компании, модель управляет гуманоидом целиком и адаптируется к новому роботу менее чем по 200 примерам. Навыки, выученные на роботе ALOHA 2, переносятся на гуманоида Apollo и руку Franka.

Cosmos от NVIDIA. Открытые модели мира, вышли 6 января 2025 года, среди первых пользователей 1X, Agility, Figure AI, Uber и XPENG. Семейство Cosmos 3 вышло 1 июня 2026 года под лицензией OpenMDW-1.1.

Сколько данных нужно для новой задачи

Цифры разработчиков различаются на порядки, и сравнивать их напрямую нельзя: задачи и роботы разные. Physical Intelligence для π0 называет 1-20 часов данных с робота на новую задачу. Google DeepMind для Gemini Robotics 2 пишет о менее чем 200 примерах для адаптации к новому роботу.

Синтетика сокращает ручную работу. NVIDIA за 11 часов получила 780 000 синтетических траекторий, это 6 500 часов показов человека, которые не пришлось записывать вручную с оператором.

Для компании это значит: бюджет эксперимента определяет не модель, а сбор данных. Нужны робот, оператор, который показывает движения, и площадка, похожая на реальный участок. Как устроено дообучение и почему качество примеров важнее их числа, объясняет словарь.

Открытые наборы данных

Open X-Embodiment, который Google DeepMind и лаборатории-партнеры выпустили 3 октября 2023 года, собрал данные с 22 типов роботов: больше 1 млн эпизодов и 500 навыков. Модель RT-1-X на нем в среднем на 50% успешнее исходных методов, а RT-2-X справляется с новыми навыками втрое успешнее.

Hugging Face развивает каталог наборов данных сообщества в формате библиотеки LeRobot: на 487 таких наборах обучена SmolVLA. Открытая рука SO-101 из того же проекта, по данным на апрель 2025 года, стоила около 100-130 $ в деталях и 240 $ готовым набором, поэтому записать свой набор может даже учебная лаборатория.

Перед использованием набора проверьте его лицензию: часть данных открыта только для исследований.

С чего начать эксперимент

Первый шаг: выбрать одну задачу с понятной цифрой результата, например «взять деталь из ящика и положить в лоток, доля успешных попыток». Без такой цифры не понять, выросла ли доля успеха после дообучения.

Второй шаг: собрать стенд. Для учебного проекта хватит руки SO-101, библиотеки LeRobot и модели SmolVLA или π0. Для гуманоида и двуручных задач смотрите GR00T и симулятор Isaac Sim. Инструменты для симуляции разобраны на странице о симуляторах для роботов.

Третий шаг: записать 1-20 часов демонстраций, дообучить модель и сравнить результат с исходным. Гуманоиды, на которых эти модели работают, собраны в обзоре гуманоидных роботов.

Как мы составили топ

  • Открытость: веса и код скачиваются, лицензия допускает коммерческое использование
  • Подтвержденные результаты на настоящих роботах по данным разработчика или статьи с датой
  • Объем данных для дообучения на новой задаче
  • Доступ из России по официальной странице

Порядок по критериям этой страницы, это не рейтинг.

Проверено:

Как мы составляем рейтинги

Вопросы и ответы

Можно ли подключить ChatGPT к роботу? Языковую модель можно поставить уровнем планирования: она разбирает команду на шаги. Двигать суставами она не умеет, это работа модели действия.

Так устроены GR00T N1, где медленная часть на языковой модели планирует, а быстрая управляет движением, и пара Gemini Robotics-ER 1.5 и Gemini Robotics 1.5.

Какая открытая модель для роботов лучше? Зависит от робота и задачи. Для гуманоида с коммерческим проектом подходит GR00T: веса под NVIDIA Open Model License с правом коммерческого использования.

Для манипулятора и быстрого дообучения подходит π0, для недорогой учебной руки SmolVLA на 450 млн параметров под Apache 2.0.

Источники

* Компания Meta признана экстремистской организацией, ее деятельность в России запрещена.

Написать в Telegram