Роботы AGIBOT G2 выполнили 1 730 задач за 24 часа в испытании в шанхайском магазине
Испытание длиной 24 часа в действующем магазине
Компания AGIBOT провела 24-часовое испытание шести своих колёсных гуманоидных роботов G2 в действующем магазине у дома в районе Сюйхуэй в Шанхае. Об этом сообщает The Robot Report. Роботы выполнили в общей сложности 1 730 задач: от помощи покупателям и приготовления кофе до пополнения полок и уборки. Четыре из шести прошли итоговую оценку эффективности.
Испытание началось в 10 утра 2 ноября и завершилось в 10 утра 3 ноября. В отчёте говорится, что трансляция в прямом эфире шла на онлайн-платформах, и её посмотрели более двух миллионов зрителей.
Испытание завершило выставку технологий AI WAVE, которая открылась 22 октября. На ней компания опубликовала наборы данных для робототехники, инструменты симуляции, ИИ-модели, а также аппаратное и программное обеспечение для работы. Задача испытания в магазине — объединить эти технологии в реальной среде и показать, как роботы справляются с повседневной работой в течение более длительного времени. Отдельно компания сообщила в сентябре 2026 года, что её 20 000-й робот сошёл с конвейера.
Распределение ролей и результаты испытания
Каждый робот выполнял свою задачу. Одни обслуживали запросы покупателей, другие проверяли полки и пополняли их, а третьи готовили кофе, работали на кассе и с горячей едой или убирали магазин.
За 24 часа роботы зафиксировали 683 взаимодействия с покупателями и 369 случаев выдачи и доставки товаров. Кроме того, они приготовили 147 заказов кофе и 126 завтраков, отработали 277 задач по проверке и пополнению полок, а столы протёрли 128 раз.
Испытание охватило четыре периода: обеденный наплыв покупателей, часы вечернего пика, работу в ночное время и утренний наплыв за завтраком. В отчёте говорится, что каждый период ставил свои задачи: от ответов на запросы в часы большой загрузки до бесперебойной работы магазина ночью.
Оценивали каждого робота по тому, как долго он оставался на смене, выполнял ли задачи, отзывы покупателей, скорость реакции и то, как он справлялся с неожиданностями. По данным отчёта, четыре робота прошли итоговую проверку, а два других не соответствовали некоторым требованиям.
Кроме того, два оценщика провели практические тесты на основе ситуаций, с которыми роботы могут столкнуться при обслуживании клиентов. В одном случае они заказали обычную Coca-Cola и Coca-Cola без сахара, чтобы проверить, смогут ли роботы отличить похожие на вид продукты. В другом — сдвинули упаковки жевательной резинки с мест и попросили роботов вернуть их на место.
Чтобы проверить навигацию, оценщики поставили в один проход человека и коробку, проверяя, смогут ли машины заметить препятствия и обойти их.
Почему магазин — сложное испытание
В отчёте отмечается, что для роботов магазин у дома может казаться простым: компактная планировка и множество задач, которые выполняются по стандартным процедурам. Тем не менее захват товаров, пополнение полок и приготовление еды всё равно требуют от машин умения справляться с небольшими, но частыми изменениями условий.
В отчёте приводятся примеры. Пакетики с конфетами, висящие под немного другим углом, трудно захватить так, чтобы не сдвинуть соседние товары. Хрупкий предмет, например кусок торта, требует точного контроля силы захвата, чтобы его не уронить и не повредить.
По данным отчёта, живой магазин сильно отличается от лаборатории. Покупатели ходят по проходам, товары берут и возвращают обратно, а их положение, угол и упаковка постоянно меняются, поэтому даже одна и та же операция не всегда проходит одинаково.
В отчёте говорится, что G2 продемонстрировали несколько возможностей, рассчитанных на эти проблемы. Роботы использовали визуальные данные в реальном времени, чтобы находить товары не на своих местах и возвращать их на закреплённые места, а не опирались только на заранее заданные координаты.
Один робот, отвечавший за пополнение, заметил пустые места на полках и заполнил их без отдельной команды. В зоне уборки другой отделял разлитую жидкость от узора, напечатанного на столешнице, и подбирал подходящие инструменты.
В отчёте говорится, что такие задачи выходили за рамки отдельных движений. Они требовали восприятия окружающей обстановки, решений, привязанных к конкретной задаче, и изменения действий по мере смены условий.
Genie Master и обучение на основе работы роботов
В испытании также проверяли Genie Master от AGIBOT — фреймворк для воплощённого ИИ-агента. По данным отчёта, его тестировали на координацию задач, исправление ошибок и обучение на основе работы.
Genie Master задаёт общую структуру, которая координирует работу всех шести роботов и связывает их действия с последующим анализом и обучением. В отчёте говорится, что связь между планированием, выполнением и обратной связью проходит через Embodied Execution Protocol (EEP).
Система распределяет работу с учётом возможностей каждого робота и условий в магазине. Затем роботы выполняют задачи по политикам действий и на основе того, что видят в реальном времени. Результаты каждой попытки возвращаются в систему для анализа и диагностики сбоев.
Фреймворк также учится на предыдущих попытках. Анализируя удачные и неудачные выполнения, он может сохранять полезный опыт в долговременной памяти для похожих случаев. Удачные корректировки можно превращать в обучающие данные, которые уточняют политики действий.
Дальнейшие шаги
AGIBOT также применяет полученные в ходе работы наработки, чтобы улучшить показатели G2 в задачах, требующих аккуратного обращения с предметами, и дополнительно тренирует роботов в более спокойные ночные часы. В отчёте говорится, что эти усилия направлены на задачи, где нужна точная работа с предметами.
Компания намерена расширить испытания на другие задачи и реальные площадки, используя обратную связь от работы, чтобы сделать машины надёжнее и гибче. По данным отчёта, AGIBOT также изучит, какие возможности и методы работы можно переносить между задачами и тиражировать на другие площадки. В отчёте предполагается, что эти результаты определят следующий этап, нацеленный на более стабильное и масштабируемое применение роботов на практике.