Команда Ли Хунъяна за полгода показала робота, который сам подставляет табурет

Спустя полгода после основания команда Ли Хунъяна впервые системно показала, что её подход «интеллекта всего тела» (Whole-Body Intelligence, WBI) работает на реальном роботе. Демо простое по сюжету: игрушка стоит слишком высоко, рука до неё не дотягивается. Робот находит подставку, переносит её, поднимается и снимает игрушку. Публикация вышла 10 октября 2026 года, а материал о ней разошёлся через издание «机器之心» (Jiqizhixin).

Что именно показали

Главное в ролике — последовательность из трёх действий, у каждого из которых своя физика:

• перенос подставки: робот держит предмет, и его центр масс смещается;
• подъём на подставку: контакт с землёй и опорная площадь меняются, высота платформы выше, устойчивость ниже;
• взятие игрушки на высоте: рука работает в новой рабочей зоне, а равновесие нужно удерживать на узкой опоре.

По данным анонса, это первая систематическая публикация результатов на реальном роботе. До этого команда только описала технологический путь WBI в техническом блоге. Оценивать пока можно только сценарий.

Почему подставка сложнее, чем выглядит

Большинство демонстраций манипуляции строится на упрощении: тело стоит, работает рука. Здесь так не получится. Когда робот взбирается на подставку, он по сути меняет собственную морфологию. Меняются высота, точки опоры и допустимые усилия в суставах. Контроллер должен учитывать это заранее: подставку нужно поставить так, чтобы потом на неё встать и дотянуться.

Отсюда и логика WBI. Если планирование движения рук, ног и корпуса разнесено по разным модулям, задача разваливается на стыках: манипулятор не знает, что опора скоро изменится. Единая модель или единый контур управления теоретически снимает эту проблему. Теоретически, потому что ролик не показывает, как именно устроена система: end-to-end политика, иерархия или классический whole-body control с обучаемыми надстройками.

Сам выбор сценария говорит об амбиции. Использование инструмента из окружения, пусть и такого простого, требует понимания геометрии сцены и последствий собственных действий. Это ближе к рассуждению о физике, чем к воспроизведению заученной траектории. Но один удачный эпизод может быть и результатом аккуратной постановки.

На что смотреть дальше

Чтобы отличить научный результат от красивого видео, нужны ответы на несколько практических вопросов:

• Повторяемость. Сколько попыток из ста заканчиваются успехом и как робот ведёт себя при сбое?
• Обобщение. Что будет, если поменять высоту подставки, её вес, покрытие пола или положение игрушки?
• Автономность. Кто задаёт цель: человек командой или робот сам решает, что без подставки не обойтись?
• Платформа. Это собственный корпус команды или готовый гуманоид, и какова цена ошибки при падении?
• Открытость. Выйдут ли статья, код или бенчмарк, по которым результат смогут проверить другие лаборатории?

Для индустрии сигнал в другом. Рынок гуманоидов смещается от демонстраций одной руки к задачам, где тело целиком участвует в решении. Для заводов и складов именно такие навыки определяют, сможет ли робот работать в неидеальной среде. Команде Ли Хунъяна теперь предстоит показать, что её подход выдерживает не один сценарий, а десятки вариаций. Пока это заявка с рабочим прототипом, а проверкой станут новые публикации с метриками.