Vesoma 1

Текущий статус

Vesoma зарегистрирована и начала работу в декабре 2025 года. За полгода компания выросла до 60 сотрудников, оборудовала 3 500 м² лабораторий и офисов в Мюнхене и Лимасоле, спроектировала и построила первые гуманоидные прототипы. Машина собственной разработки ходит на политике, которую выучила сама, без программирования походки инженером.

Задача

Vesoma 1 создаётся для работы, которая теряет людей: ночные смены на складах, монотонный и опасный труд на производственных линиях, физическая нагрузка в уходе за больными и пожилыми, отнимающая у персонала время на то, что может дать только человек. Дефицит рабочих рук ощущается уже сейчас: посылка идёт неделю, ремонт записывают через полтора месяца, бытовые задачи приходится делать самим. Люди, которые могли бы занять эти места в ближайшие два десятилетия, уже родились — и их недостаточно.

Обычная автоматизация забрала работу, которая повторяется точно. Оставшаяся требует автономности, мобильности, ловкости и адаптивности человека. Физический труд — основа любой экономики, он стоит триллионы ежегодно, и это тот ресурс, который деньги покупают всё хуже.

Метод обучения

Vesoma разрабатывает самообучающийся физический агент, который учится на собственном взаимодействии с миром. Он исследует среду, ошибается, находит, что работает для его тела, и улучшается с каждым часом работы. Компетентность, приобретённая таким образом, основана на физике, а не на примерах, поэтому сохраняется, когда условия меняются.

Походка в лаборатории — ранний результат этого подхода. Система получила тело и задачу и сама выработала способ движения, который ни один инженер не задал бы вручную. Большинство компаний, строящих гуманоиды, обучают остальные функции на демонстрациях человека — Vesoma намерена провести самообучение через обучение с подкреплением до конца: контактно-насыщенная манипуляция, работа всем телом в неподготовленных средах, задачи, где ошибка что-то ломает.

Для этого должны совпасть три условия: обучение должно быть настолько эффективным, чтобы физическая машина достигла компетентности за реалистичное число попыток; тело должно быть спроектировано так, чтобы его можно было тренировать и чтобы оно выдерживало тренировку; одна команда должна держать и то, и другое, потому что каждое изменение тела меняет то, чему может научиться агент. Алгоритмы, разработанные членами нынешней команды, помогли сделать обучение с подкреплением достаточно эффективным для физических систем — эти методы используются в отрасли сегодня.

Собственное тело

Vesoma строит собственного гуманоида, потому что владение телом делает обучение быстрым: кинематика, которую можно оптимизировать сквозным образом, привод и сенсоры, спроектированные для замкнутого цикла обучения, а не адаптированные из промышленных компонентов, и машина достаточно способная, чтобы потолок определялся агентом, а не железом. Человеческая форма выбрана осознанно: это форма, под которую построено каждое рабочее место, форм-фактор с ясным путём к автомобильным объёмам производства, и форма, которую люди легче всего читают, что важнее, чем кажется, когда речь идёт о готовности работать рядом.

Безопасность и ограничения

Безопасность определяет конструкцию с первого эскиза. Один из основателей разработал первую архитектуру безопасности для гуманоидов, которую отрасль сейчас перенимает. Компания строит по стандартам, которые будут применяться к этой категории, в ряде случаев участвуя в их написании.

При основании Vesoma приняла обязательство: не для оружия, военных или систем наблюдения. Ни напрямую, ни косвенно.

Команда и локации

Vesoma основана Николаем Энсленом, сооснователем компании Synapticon (управление движением и функциональная безопасность), и Петром Скоромным, сооснователем Easybrain (логические игры). Исследования ИИ ведёт главный по ИИ Мартин Ридмюллер, бывший директор по исследованиям в Google DeepMind. Другие лаборатории тренируются методами обучения с подкреплением, которые публиковала команда Vesoma; другие роботы работают на приводах, контроллерах движения и архитектуре безопасности, разработанных членами команды.

Мюнхен — одно из немногих мест в мире, где исследователей ИИ и инженеров промышленного железа можно нанять в одном здании, и где инженеры, доводившие сложные машины от прототипа до производства, норма, а не исключение. Лимасол — один из быстрорастущих хубов европейской цифровой экономики. Компания строит в обоих местах намеренно: поставщик трудовой инфраструктуры для Европы должен быть европейским с нуля, а не европейским филиалом чего-то, управляемого из другого места.

План

• Построить агента, который учится физической работе из собственного опыта, а не из имитации.
• Построить тело, которое делает это обучение быстрым, и владеть им от начала до конца.
• Достичь надёжности на реальной работе, в реальных условиях, по стандарту, который ставят клиенты.
• Развернуть там, где нужда наиболее острая, и позволить каждому развёртыванию обучать следующее.
• Расширить диапазон работы, которую может делать одна платформа, пока доступность рук перестанет ограничивать то, что строится, производится и о чём заботятся.