Сбер: роботы повторяют путь LLM: от узких кейсов к массовому прорыву, робототехника в экспоненте

Jun 10, 2026Channel
AI Analysis
Data from YouTube Data API v3Updated Just now
JsonTV
JsonTV

7.3K subscribers

View Channel

Video Overview

Video Details

Published1 month ago
Duration4:48
Video IDPV2LN2NEQMo
Languageru
CategoryScience & Technology
PrivacyPublic
Made for KidsNo
Video TypeRegular Video

Performance Metrics

Views11
Likes0
Comments0
Engagement Rate0.00%
Likes per 100 views0.00
Comments per 1K views0.00

Description

Морошкин Святослав, управляющий директор, Центр робототехники Сбера. Конференция ЦИПР 2026, «Цифровая индустрия промышленной России». Организатор компания ООО «ОМГ». Развитие робототехнического AI похоже на эволюцию больших языковых моделей. Ещё в 2020 году LLM казались нишевой темой, а сегодня стали массовым инструментом; с роботами, по мнению выступающего, происходит похожая история. Прогресс идёт за счёт роста вычислений и обучения. Этот тренд уже был у языковых моделей, и аналогичная динамика наблюдается в моделях для “физического AI” в робототехнике. Снаружи кажется, что всё движется медленно, но на самом деле это экспоненциальный рост. Особенно быстро улучшаются не только движения роботов, но и их понимание среды и действий. Главный bottleneck — данные. Нейросети пока почти не видели реального мира, поэтому сейчас в эту область активно идут инвестиции и исследования. В горизонте 5–7 лет ИИ-тренды перейдут в робототехнику. Это подаётся как практически неизбежное развитие. Антропоморфные роботы в одиночных задачах могут быть избыточны. Раньше, вероятнее всего, появятся роботы на колёсных платформах с руками, которыми будет управлять тот же физический AI. Гуманоидные роботы придут позже, но с более широким покрытием сценариев. Их описывают как “general purpose” решения, похожие по универсальности на современные AI-модели. Первыми массово появятся специализированные решения. Они будут закрывать всё более широкий набор edge cases в производственных процессах.

Related Videos

More videos from JsonTV