Волна интереса к роботам вроде Tesla Bot, Boston Dynamics Atlas и китайских humanoid'ов создаёт в сообществе иллюзию, что проблема робототехники уже почти решена — нужно только «припаять» большую языковую модель. Это не так, и в сообществе это всё чаще обсуждают как серьёзное недопонимание того, что происходит на самом деле.
LLM действительно помогает роботам с интерпретацией команд и планированием на высоком уровне — вместо того чтобы вручную программировать каждый жест, можно сказать модели, что нужно сделать. Но это только интерфейс. Базовые задачи остаются прежними: стабильный баланс при ходьбе на неровных поверхностях, точное управление силой хватания, предсказание поведения объектов при взаимодействии, восприятие среды в реальном времени без задержек. Ни одна из этих проблем не решается текстовой моделью.
Когда робот работает в реальном мире, ему нужна обратная связь не в миллисекундах, а в сотых долях миллисекунды. LLM работает медленнее, и это не баг API или оптимизации — это фундаментальное свойство архитектуры. Поэтому все тяжелые операции управления приходится делать классическими контроллерами и системами компьютерного зрения, а LLM находится над ними, как планировщик. Разделение это жёсткое и не скоро размоется просто потому, что физика мира не подчиняется трансформерам.
Романтизация «chatbot'ов с руками» опасна для инвестиций и репутации отрасли. Она создаёт впечатление, что проблема на 80% решена и осталось только масштабировать, — на самом деле технический прогресс робототехники зависит от совсем других вещей. Это не медийная история вроде «ChatGPT научился говорить», это работа в фундаменте: сенсорика, динамика, энергоэффективность, долгоживущие батареи. Эти области развиваются, но медленнее и скучнее, чем рост числа параметров в LLM.
Для российских компаний, которые смотрят в сторону робототехники, это означает, что ставить на готовые решения вроде «берём API большую модель и встраиваем в робота» — рискованно. Реально работающие проекты либо строят свои системы управления с нуля (долго и дорого), либо используют LLM узко — для разбора команд и коммуникации, не возлагая на неё ответственность за управление. Сочетание классических систем управления с LLM-интерфейсом выглядит скучнее, чем обещания про «универсальных роботов», но это именно то, что работает в производстве и логистике.
Тема кажется специальной, но за ней стоит глубже вопрос: как AI-сообщество оценивает готовность технологии к практике. LLM блестяще решают задачи обработки текста, но не каждая задача — это задача обработки текста. Когда очередной стартап показывает, как робот понимает естественный язык, нужно помнить, что понимание команды и её исполнение — две разные проблемы.