Еще недавно казалось, что искусственный интеллект вот-вот научится программировать, рисовать фильмы и разговаривать на уровне человека. А тем временем самые дорогие робототехнические стартапы мира занялись задачей куда прозаичнее.

Они учат роботов складывать носки и футболки.

И это не шутка. Figure AI, Sunday Robotics, Weave Robotics и другие компании вкладывают огромные деньги в создание домашних гуманоидов, которые должны однажды превратиться в настоящих роботов-дворецких.

Но прежде чем робот начнет готовить вам ужин и мыть полы, ему придется разобраться с кучей грязного белья.

Я пишу об ИИ и IT‑стартапах, разбираю кейсы — подробно, с метриками. Приглашаю всех в наш Telegram. Там мы ведем челлендж «12 запущенных проектов за 12 месяцев».

Сначала были заводы

Большая часть современной робототехники десятилетиями развивалась в довольно комфортных условиях.

На заводе робот знает, где находится его рабочая зона. Детали имеют одинаковую форму. Маршрут заранее известен. Людей рядом обычно нет.

Можно запрограммировать машину на одно конкретное действие и заставить ее повторять его тысячи раз.

Дома все совсем иначе.

Кот внезапно пробежал под ногами. Ребенок бросил игрушку посреди комнаты. На полу лежит носок. На стуле — футболка. Рядом стоит чашка, которую робот никогда раньше не видел.

А теперь представьте, что всему этому хаосу нужно научиться управлять машине, которая должна самостоятельно понимать окружающий мир.

И тут появляется белье.

Почему именно белье?

На первый взгляд складывание футболки кажется одной из самых простых задач на свете.

Человек берет ее, расправляет, складывает пополам и кладет в стопку.

Для робота это настоящий кошмар.

Футболка не имеет фиксированной формы. Ее можно скомкать, вывернуть, растянуть или частично спрятать под другой одеждой.

Робот должен понять, где находится рукав, где воротник, где край ткани, а затем аккуратно захватить нужное место и сделать несколько движений в правильной последовательности.

Причем каждый раз футболка будет лежать немного по-другому.

Робототехники называют такие объекты deformable objects — деформируемые объекты.

Именно поэтому складывание одежды давно считается одной из самых сложных задач для роботизированных манипуляторов.

Зато у этой задачи есть одно огромное преимущество.

Если робот ошибется, ничего страшного не произойдет.

Он уронит футболку — придется поднять ее еще раз.

Он неправильно сложит трусы — никто не пострадает.

Он случайно отправит носок не в ту сторону — максимум придется переделать.

Для разработчиков это идеальный полигон.

Роботам не нужен весь дом

Есть еще одна причина, почему компании начинают именно с белья.

Дом — ужасное место для робота.

В промышленном цехе все можно контролировать. В квартире контролировать невозможно практически ничего.

Но для складывания одежды роботу не обязательно ходить по всему дому.

Можно поставить его рядом с корзиной, загрузить туда одежду и заставить работать в одном ограниченном пространстве.

То есть разработчики как бы говорят:

«Мы пока не научили робота жить в вашем доме. Давайте хотя бы научим его не бояться вашей корзины с бельем».

И это значительно проще.

А потом появились миллиарды

На этом месте история перестает быть смешной.

Потому что речь идет не о нескольких энтузиастах, которые собрали робота в гараже.

Figure AI, Sunday Robotics, Weave Robotics и другие стартапы привлекают огромные инвестиции, рассчитывая на то, что домашняя робототехника станет следующим большим рынком.

Они делают ставку на так называемый physical AI — искусственный интеллект, который не просто генерирует текст или изображение, а воспринимает физический мир и самостоятельно действует в нем.

И белье становится одним из первых серьезных экзаменов для этой технологии.

Робот за $8 000

Например, робот Isaac от Weave Robotics стоит $8 000 при покупке или $449 в месяц по подписке.

И вот здесь возникает довольно очевидный вопрос.

Зачем покупать восьмитысячного робота, чтобы он складывал футболки?

За эти деньги можно очень долго пользоваться прачечной или просто заплатить человеку.

Поэтому сами компании прекрасно понимают: складывание белья не может быть конечной целью.

Робот должен научиться делать гораздо больше.

Sunday уже обучает своего робота пылесосить, организовывать игрушки, застегивать молнии и готовить кофе.

1X продвигает своего NEO как домашнего помощника, который сможет складывать белье, приводить в порядок полки и убирать комнаты.

Идея примерно такая:

сначала робот складывает трусы;

потом убирает комнату;

потом готовит ужин;

а однажды человек просто говорит ему:

«Сделай дома нормально».

И робот сам решает, что именно нужно сделать.

Но есть еще одна причина

Возможно, самое ценное для этих компаний — даже не деньги, которые человек заплатит за складывание белья.

Это данные.

Большие языковые модели обучались на огромных объемах текста из интернета.

У робототехники такой роскоши нет.

Не существует гигантского датасета, в котором миллиарды людей показывают роботам, как правильно поднимать чашку, открывать шкаф или складывать футболку.

Поэтому компании хотят отправить роботов в настоящие дома.

Там они столкнутся с тысячами ситуаций, которые невозможно заранее придумать в лаборатории.

Футболка вывернулась наизнанку.

Носок застрял под полотенцем.

Кот сел на одежду.

Человек бросил вещи в корзину совершенно иначе, чем предыдущий пользователь.

Для человека это мелочи.

Для AI-робота — новые данные для обучения.

И чем больше таких ситуаций робот увидит, тем лучше он потенциально сможет работать в следующий раз.

Старый провал уже был

При этом идея робота для белья далеко не новая.

В конце 2010-х публику покорил Laundroid — огромная машина стоимостью около $16 000, которая обещала автоматически складывать одежду.

Были презентации, выставки и огромный интерес прессы.

Но коммерческого успеха не случилось.

Компания обанкротилась в 2019 году.

Другой проект, FoldiMate, тоже несколько раз появлялся на CES и обещал автоматизировать складывание одежды, но до массового продукта дело не дошло.

Проблема была простой: технологии были слишком дорогими и недостаточно надежными.

Теперь стартапы считают, что ситуация изменилась.

У них появились гораздо более мощные модели искусственного интеллекта, компьютерное зрение, более дешевые компоненты и огромный поток инвестиций.

Но проверить это можно только одним способом.

Запустить роботов в настоящие дома.

Короче, выводы

📍 Белье — это не главная цель. Это относительно безопасный и сложный тест, который позволяет роботам учиться работать с физическим миром.

📍 Дом намного сложнее завода. В нем невозможно заранее предсказать, где окажется каждый предмет и что произойдет через секунду.

📍 Главная ценность — данные. Роботы в реальных квартирах могут собирать уникальные данные, которых сейчас практически не существует.

📍 $8 000 за складывание одежды звучит абсурдно. Поэтому домашний робот должен уметь десятки разных вещей, иначе экономика просто не сойдется.

📍 Настоящая цель — робот-дворецкий. Если компании действительно научат машины понимать контекст и самостоятельно выполнять разные бытовые задачи, складывание белья окажется лишь первым уровнем.

Пока что человечество еще не получило робота, который приготовит вам ужин, выгуляет собаку и уберет квартиру.

Но зато он уже учится складывать ваши трусы.

И, возможно, именно с этого начинается самая дорогая гонка в истории бытовой робототехники.