Физическому ИИ не не хватает моделей; ему не хватает опыта. Вот почему @axisrobotics заслуживает более пристального внимания. Проблема не в том, чтобы сделать роботов «умнее». Проблема в том, что роботы не сталкивались с достаточным количеством реальных сценариев для обучения. Лабораторий много, но реальных роботизированных манипуляторов — мало. Если данные оттачиваются исключительно в лабораторных условиях, физический ИИ останется продуктом лишь избранных операторов, а не широкой рабочей силы. Axis переворачивает эту логику. Вам не нужен робот, чтобы обучать робота. Достаточно веб-интерфейса для генерации траекторий и подачи сигналов в цикл обучения. Интересное происходит не в процессе манипуляции, а после неё: траектория фильтруется, проверяется и одобряется, превращаясь в сигнал для обучения. Генерировать данные легко; превратить эти данные в настоящий опыт — настоящая задача. Истинный цикл — это не просто слоган «Создать → Проверить → Обучить → Улучшить». Настоящий цикл включает в себя: человек инициирует действие через знакомый интерфейс, машина фиксирует движение, система фильтрует шум, происхождение записывается в блокчейн, происходит обучение политике, и человек возвращается, чтобы исправить ошибки политики. Без этой последней связи коллекция из 3,7 миллиона траекторий — всего лишь склад движений. Но с этой связью каждые 40 секунд работы добавляют реальный интеллект роботу. Для Axis вопрос больше не в том, сколько траекторий можно сгенерировать. Вопрос в том, сколько путей проходят проверку, сколько исправлений устраняют реальные точки отказа и какой опыт действительно позволяет роботу понимать мир — а не просто запоминать сцены из браузера.