30 сентября 2026 года на саммите Microsoft Industry Summit в Сеуле компания Microsoft представила концепцию «физического ИИ» (Physical AI), в рамках которой искусственный интеллект управляет станками и роботами напрямую, а не просто отвечает на вопросы или помогает в офисных задачах . Ключевым анонсом стал открытый набор инструментов Physical AI Toolchain, позволяющий обучить и развернуть модель на реальном роботе всего за 2–3 дня .
Что такое Physical AI Toolchain
Physical AI Toolchain — это открытая платформа, которая объединяет весь цикл работы с робототехническими моделями: сбор данных, симуляцию, обучение, оценку и развёртывание на реальном оборудовании . Вице-президент Microsoft по физическому ИИ Аарон Шнайдер объяснил, что процесс сбора реальных данных, запуска симуляций, обучения модели и её последующего развёртывания оказался одинаковым для всех применений физического ИИ, которые разрабатывала компания .
Ключевые компоненты платформы
Инструментарий включает несколько связанных уровней :
| Компонент | Назначение |
|---|---|
| Симуляция и синтетические данные | NVIDIA Isaac Sim и Isaac Lab для обучения с подкреплением и генерации синтетических данных |
| Сбор данных на периферии | Запись демонстраций через ROS 2 на устройствах NVIDIA Jetson с последующей загрузкой в облако |
| Облачный конвейер данных | Автоматическое преобразование ROS в LeRobot, проверка качества, оркестрация на основе событий |
| Инфраструктура обучения | Интеграция NVIDIA OSMO и Azure ML для масштабируемого обучения с подкреплением и имитационного обучения |
| Оценка модели | Офлайн-воспроизведение, валидация в Isaac Sim, панели мониторинга |
| Развёртывание модели | Конвертация ONNX/TensorRT, упаковка в контейнеры, GitOps-развёртывание на периферии |
| Агентные рабочие процессы | Агенты, управляемые инструкциями, которые автоматизируют весь конвейер от сбора данных до развёртывания |
Как это работает на практике
Демонстрация на саммите показала два ключевых элемента технологии :
Сбор данных через демонстрацию. Два роботизированных манипулятора настраиваются как «лидер» и «ведомый». Оператор вручную двигает ведущий манипулятор, а ведомый повторяет движения. Система записывает положение суставов и видео с камер, превращая это в данные для обучения модели Vision-Language-Action (VLA) .
Дополнение симуляцией. Поскольку реальных данных для обучения часто не хватает — а останавливать производственную линию ради записи невозможно — платформа использует цифровые двойники и симуляцию. Аарон Шнайдер привёл пример: если точность выполнения задачи на 100 реальных эпизодах составляла около 60%, то добавление симуляционных данных подняло её до 90% и выше .
Управление жизненным циклом и безопасность
Отдельное внимание уделено управлению версиями и безопасности. Платформа отслеживает какая модель работает на каком роботе, поддерживает откат к предыдущим версиям при возникновении проблем, а также позволяет настраивать права доступа и процессы утверждения развёртывания для каждого ответственного сотрудника . Инфраструктура поддерживает как подключённые к облаку площадки, так и изолированные среды (air-gapped) для предприятий с повышенными требованиями к безопасности .
Реальные внедрения
На саммите были представлены примеры использования технологии :
- Kawasaki Heavy Industries разрабатывает программное обеспечение для роботов в Azure, проверяет его в виртуальном пространстве и развёртывает на реальных площадках. Однажды созданная функция может использоваться на нескольких задачах и объектах — переход от разработки отдельной системы под каждую задачу к переиспользованию функций .
- LG Electronics и Toyota также представили результаты внедрения физического ИИ на своих производствах .
Стратегический контекст
Microsoft позиционирует физический ИИ как следующий этап после чат-ботов и копилотов. Вице-президент корейского подразделения компании Чхве Ган Рим описал эволюцию предприятий в пять стадий: соединение → помощь → оптимизация → координация → автономное исполнение . На финальной стадии «автономного исполнения» несколько ИИ-агентов координируют работу и выполняют задачи в рамках заданных полномочий, а человек контролирует и корректирует .
Microsoft не предлагает заменять существующие системы ERP, PLM и MES — напротив, платформа работает поверх них, добавляя слой ИИ-оркестрации . Компания подчёркивает необходимость постепенного расширения прав ИИ: автономность предоставляется сначала в проверенных областях, а затем масштабируется по мере подтверждения надёжности .