Компьютерное зрение наконец начинает выходить из облака в физический мир. Если раньше визуальный AI был в основном развлечением — генерация картинок, распознавание котов в интернете — то теперь серьёзные команды начинают применять его там, где это может сэкономить миллионы на автоматизации. Perceptron, стартап двух бывших исследователей из Meta (Armen Aghajanyan и Akshat Shrivastava из подразделения FAIR), как раз к этому и относится.

На этой неделе они представили Isaac 0.5 — модель, которая позволяет роботам не просто видеть, но и принимать решения прямо на месте. Суть в том, что робот должен выполнять сложные задачи в реальной среде: прочитать этикетку на коробке, понять, где она лежит в пространстве, решить, какую взять первой, спланировать последовательность действий. Раньше для каждого такого этапа нужны были разные модели или облачные вычисления — медленно и дорого. Isaac 0.5 пытается сделать это в одной универсальной модели, которая гибко адаптируется к конкретному окружению.

Фишка в том, что это open-weight модель — исходные параметры видны всем, что даёт ей преимущество перед чёрными ящиками типа закрытых облачных API. Компания обучала Isaac 0.5 на петабайтах данных: миллион часов обычного видео, видео от первого лица (ego video с GoPro) и UMI-видео с повторяющимися человеческими действиями плюс реальные траектории движений роботов. На практике это означает, что модель уже знает кучу сценариев и может их комбинировать.

Перейти из лабораторий в реальную производственную среду — тесный проход. Здесь важна не только точность распознавания, но и скорость, надёжность, адаптивность к грязи, плохому свету, непредвиденным ситуациям. Стартапы уже несколько лет обещают революцию в промышленной робототехнике, но большинство решений остаются либо очень узкими (робот делает только одно), либо работают только в идеальных лабораторных условиях. Perceptron позиционирует свой подход как что-то среднее — универсальный инструмент, который всё-таки не требует облачных GPU для каждого экземпляра робота.

Рынок автоматизации складов и производства действительно огромен. Logistics, manufacturing, security, мобильность — везде нужны глаза и мозг для робота. Вопрос, сможет ли Perceptron конвертировать хороший R&D в реальные продажи производителям оборудования и интеграторам, которые вставляют эту логику в свои системы. Конкуренция уже есть — и от крупных компаний вроде Tesla Optimus, и от специализированных стартапов. Но открытый вес модели — интересный ход: разработчикам дешевле экспериментировать, сообщество может улучшать, сам стартап может собирать фидбек и данные о реальных применениях.

Для российского бизнеса такие решения особенно актуальны в контексте роста локализации — когда компаниям нужна альтернатива западным закрытым системам и когда облачные вычисления дорогие из-за санкций и ограничений. На заводах и в логистических центрах можно интегрировать Isaac или похожие модели локально, на собственных серверах. В сфере автоматизации процессов и обработки видео (например, аналитика с камер видеонаблюдения) это может быть полезно компаниям, которые хотят обойти зависимость от американских облачных сервисов. Но нужно понимать, что open-weight модель — это только часть решения; нужна ещё инженерия, адаптация под конкретное оборудование, обучение на своих данных.

В целом это хороший пример того, как researchers действительно идут из крупных лабораторий в стартапы с конкретными идеями, а не ещё одной мечтой про AGI. Physical AI — реальный тренд, и если Perceptron не станет очередной переоценённой историей, будет интересно следить, смогут ли они доказать, что их модель работает не только на демках, но и в грязных производственных условиях.

Meta Platforms Inc. признана экстремистской организацией, её деятельность запрещена на территории РФ; это относится и к принадлежащим ей социальным сетям Instagram и Facebook.