X-Square Robot: стек основ для универсальных роботов, наконец-то читаемый

Горизонт Jul 13, 2026 at 17:2710В закладки

Лаборатория X-Square Robot публикует « foundation stack » из трёх слоёв для встраиваемого ИИ. Пока это ещё не GPT для роботов — но архитектура уже зрелая.

Простыми словами

Лаборатория X-Square Robot недавно опубликовала трёхслойную архитектуру для создания по-настоящему универсальных роботов: модель восприятия, модель действий и модель управления. Отдельно взятые, эти компоненты не революционны. Но то, как они объединены и обоснованы, знаменует собой новый этап.

Контекст

С момента выхода Google RT-2 (2023), Figure 02 (2024) и моделей Vision-Language-Action от DeepMind (2025) отрасль ищет « фундаментальную модель робота». Существуют два подхода: end-to-end (единая большая модель от пикселя к двигателю) и модульный стек (раздельные восприятие, планирование и управление). End-to-end привлекает математической красотой, а стек — инженерной проработкой и возможностью отладки.

Данные

По данным IEEE Spectrum, X-Square Robot открыто отстаивает модульный подход, структурированный в три отдельных слоя:

Восприятие — предварительно обученная модель vision-language.
Планировщик задач — декомпозиция целей в последовательность действий.
Политика управления — обучение с подкреплением в сочетании с обучением по подражанию, перенос из симулятора в реальность.

Архитектурная ставка

X-Square отстаивает идею, что восприятие, планирование и управление терпят неудачи по-разному — и поэтому должны обучаться отдельно. Это осознанный противовес подходу «просто больше» в моделях end-to-end.

В статье стек позиционируется как цель для создания « универсальных роботов». На данный момент нет публичных сторонних бенчмарков.

Анализ

Интерес заключается не в заявленных результатах — их невозможно проверить, — а в методологическом выборе. После трёх лет подхода «просто больше модель», несколько команд возвращаются к модульности. Почему? Потому что на роботе важна сквозная задержка, безопасность требует явных точек перехвата, а отладка сбоя требует изоляции ошибочного слоя. Непрозрачная end-to-end модель, когда манипулятор разбивает стакан, оставляет вас в недоумении.

И что дальше

Для инвестора в робототехнику: больше не ставьте на обещание «одна гигантская модель решит всё». Смотрите, у кого есть задокументированный, тестируемый и отлаживаемый стек. Для инженера: главный вопрос 2026–2027 годов — не какая модель, а какой интерфейс между слоями. Именно здесь будет кристаллизоваться ценность, как протокол когда-то сделал это для интернета.