Nvidia представила платформу безопасности для роботов

Nvidia анонсировала набор аппаратных и программных средств, который должен повысить безопасность человекоподобных роботов при работе рядом с людьми. Компания предлагает использовать ПО Halos вместе с платформой IGX Thor, чтобы машины быстрее оценивали обстановку, прогнозировали риск столкновения и принимали решения без полной остановки. Речь идёт о сегменте, где медлительность повышает издержки, а ошибка может закончиться травмой и претензиями регулятора.

По описанию Nvidia, Halos выросла из наработок для автопилота, но адаптирована под другой тип задач. Беспилотнику достаточно не врезаться, роботу этого мало. Ему нужно понимать, к чему можно прикасаться, что нельзя сдвигать, когда допустим физический контакт и с какой силой. Для складской техники это особенно важно: погрузчик или мобильный робот должен видеть не только свою траекторию, но и людей, тележки, стеллажи и ситуацию «за углом» через внешние камеры.

Компания отдельно делает ставку на инфраструктуру сертификации. Nvidia открыла лабораторию, где производители роботов и их заказчики смогут прогонять сценарии безопасности до обращения к регуляторам. Инженеры компании участвуют в предварительной проверке и доработке систем. Это важная часть предложения: продавать только чипы в робототехнике уже недостаточно, нужны ещё инструменты валидации, симуляции и доказательства того, что машина ведёт себя предсказуемо.

Nvidia прямо указывает на прикладной сценарий для таких машин, как Agility Digit. Роботы должны анализировать окружение в реальном времени и не просто останавливаться при риске контакта, а выбирать более точное действие. Это может быть снижение скорости, изменение траектории, отказ от захвата предмета или обращение к внешним датчикам склада. В логистике такая разница критична: система аварийной остановки защищает человека, но одновременно съедает производительность линии.

Nvidia и безопасность роботов: история вопроса

Робототехника давно движется в сторону совместной работы с человеком, но действующие подходы к безопасности в основном консервативны. На промышленных линиях роботов обычно изолируют ограждениями, либо резко ограничивают их скорость и усилие рядом с оператором. Для складов, магазинов и больниц этого уже мало. Там машина должна постоянно делить пространство с людьми и принимать решения без длинной паузы на согласование с оператором.

Интерес Nvidia к этой теме объясним и с коммерческой стороны. Компания остаётся крупнейшим поставщиком ускорителей для систем ИИ и ищет новые рынки для своих вычислительных платформ. Глава компании Дженсен Хуанг в последние два года регулярно называл «физический ИИ» следующим большим направлением после генеративных моделей. Если этот сценарий сработает, производители роботов станут для Nvidia ещё одним крупным классом заказчиков наряду с облачными провайдерами и автопромом.

Конкуренция в сегменте уже формируется. Figure AI тестирует своих роботов на промышленных площадках BMW, Tesla развивает Optimus как универсальную платформу для заводов и, в перспективе, бытового применения, Agility Robotics продвигает Digit для складов. Отдельно действует Boston Dynamics, которая много лет решает задачи устойчивости и движения, хотя её коммерческая модель отличается от ставки на универсальных «гуманоидов». На этом фоне Nvidia пытается занять слой инфраструктуры и стать поставщиком стандартного «мозга» и среды тестирования сразу для нескольких брендов.

Рынок пока невелик по сравнению с серверным ИИ, но траектория роста понятна. Barclays оценивал потенциальный объём сегмента человекоподобных роботов к 2035 году в $200 млрд. Есть и более приземлённая база: по данным Международной федерации робототехники, в мире в 2023 году установили более 540 тыс. промышленных роботов. Это другой класс машин, но именно из таких систем отрасль заимствует сенсоры, приводы, методы контроля и требования к безопасности.

В пользу складского сценария говорит и практика внедрения. Amazon несколько лет тестирует Digit на своих объектах, а логистика остаётся самым понятным полигоном для новых роботов: маршруты там повторяются, операции стандартизованы, экономический эффект легко считать. Следующими обычно называют розницу, здравоохранение и строительство. Во всех трёх случаях требования к безопасности выше, чем на складе, потому что среда менее предсказуема, а цена ошибки для оператора и заказчика заметно больше.

Nvidia пытается решить именно это узкое место. Если Halos и IGX Thor позволят роботам сохранять темп работы без жёстких остановок при каждом потенциальном контакте, компания получит аргумент не только для производителей машин, но и для корпоративных клиентов, которым нужен понятный путь к сертификации. Ответ на вопрос о коммерческом эффекте появится в ближайшие 12-24 месяца, когда первые проекты выйдут из лабораторных тестов в серийные внедрения на складах и промышленных площадках.