2056 машин из 666 команд и 16 стран приехали в Пекин на вторые Всемирные игры человекоподобных роботов. И если коротко, то гуманоидные роботы уже научились бегать так, что рядом с ними неловко вспоминать школьные нормативы, но с задачами уровня «подключи кабель в розетку» у них все еще заметно хуже. Для русскоязычной IT-аудитории это хороший срез реального состояния embodied AI: эффектные демо больше не редкость, а вот надежная работа в физическом мире по-прежнему остается узким местом.
С 22 по 26 августа 2026 года организаторы провели 51 дисциплину и 1301 матч, забег и тестовое задание, сообщает vc.ru. Масштаб вырос резко: на первых Играх в 2025-м было 280 команд и 487 активностей. Под инфраструктуру турнира в Пекине даже построили отдельный «Дом роботов» с возможностью одновременно заряжать 1200 аккумуляторов и размещать до 2000 устройств. Уже по этой логистике видно, что речь идет не о выставке смешных андроидов для роликов в соцсетях, а о довольно серьезном полигоне для производителей, университетов и лабораторий.
Самая зрелищная часть программы, ожидаемо, была спортивной. В футболе сразу в двух турнирах победила немецкая B-Human, проект Бременского университета и DFKI. В полуфиналах команда прошлась по соперникам из США и Китая со счетом 15:0 и 24:0, а в финалах обыграла HTWK Robots со счетом 9:0 и 13:3. Здесь важна не только разница в классе, но и сами правила: гол засчитывали лишь в том случае, если до удара мяча коснулись минимум два робота одной команды. То есть организаторы явно подталкивали участников не к индивидуальным трюкам, а к развитию координации, паса и командного поведения. Для разработчиков это важная деталь: отрасль оценивает не просто механику шага, а связку из компьютерного зрения, планирования и коллективного взаимодействия.
Но главные заголовки сделали беговые дорожки. На стометровке сразу несколько машин показали времена быстрее мирового рекорда Усэйна Болта 9,58 секунды. Робот Lightning от Honor пробежал дистанцию за 9,47 секунды, а Tiangong Ultra от X-Humanoid и вовсе за 8,64 секунды. Для сравнения: на первых Играх лучший результат на 100 метрах был 21,5 секунды. На 400 метрах тот же Tiangong Ultra выиграл среди крупных роботов с результатом 38,15 секунды, а Tiangong Omni победил в категории небольших роботов, показав 45,66 секунды. В длинном прыжке Tiangong Ultra улетел на 7,97 метра, что уже рядом с элитной человеческой легкой атлетикой. Если смотреть только на эти цифры, можно решить, что рынок гуманоидов уже почти решил проблему мобильности. Но это как судить о качестве автопилота по умению ехать строго по прямой.
Потому что сразу после красивых рекордов началась куда менее глянцевая часть шоу. На 100 метрах с препятствиями робот X2 от AgiBot взял золото благодаря собственной навигационной системе Agile, которая помогает держать баланс и распознавать рельеф. Но после финиша роботы часто не могли нормально остановиться или повернуть, врезались в ограждения и падали. Tiangong Ultra после пересечения черты рухнул на обочину, а сломанного Lightning, по описанию очевидцев, уносили на носилках. Некоторые машины на других этапах буквально разваливались, у других от перегрузки горели моторы. Аспирант Purdue Дипам Патель в комментарии Ars Technica резонно заметил, что инженеры тренировали роботов добежать до финиша, а не безопасно завершить цикл движения. Для индустрии это, пожалуй, важнее самих рекордов: оптимизация под один блестящий проход и реальная эксплуатационная надежность все еще живут в разных мирах.
То же самое показали силовые и контактные дисциплины. В боевых искусствах роботов делили на категории до 40, 58 и 80 кг, и правила были почти человеческими: после падения участник должен был подняться за десять секунд, иначе нокаут. В категории до 58 кг победила команда GoGo Шанхайской театральной академии и AgiBot. В тяжелой атлетике роботы регулярно теряли равновесие и роняли штанги; один после этого сам завалился рядом с судьей. Золото в тяжелом весе взяла совместная команда Beijing Humanoid и HUST, их робот поднял 16 кг. Даже в танцах, где число команд выросло с 29 до 108, организаторы ужесточили правила и потребовали полностью автономного исполнения. То есть отрасль уже не хочет просто красивой постановки с оператором за кадром. Ей нужен воспроизводимый автономный результат.
И вот здесь начинается самая интересная часть, потому что бытовые задания оказались для роботов сложнее спринта и ударов ногой с разворота. В отдельных испытаниях машины взвешивали порошок, открывали бутылки, подключали гибкие кабели, перебирали фасоль пинцетами, закручивали винты и вбивали гвозди под прямым углом. Еще 21 сценарий имитировал реальную работу: обслуживание гостиничного номера, работа в кафе, сортировка книг, выкладка товаров, сбор заказов и даже ликвидация аварии на открытом воздухе. В одном из сценариев за полчаса нужно было найти опасное вещество, перекрыть три разных вентиля, обнаружить очаг возгорания и потушить его огнетушителем. С задачей справились только три команды из 12.
Это и есть главный вывод всей недели в Пекине. Быстро бежать по известной траектории, особенно если под это заточены механика, покрытие и алгоритм, для машины уже не магия. А вот аккуратно взять предмет нестандартной формы, не пролить напиток, не удариться о мебель, отвлечься на новую задачу и потом вернуться к предыдущей без хаоса в планировщике — совсем другой класс сложности. Робототехник из Университета Брауна Стефани Теллекс объясняет это через парадокс Моравека: то, что человеку дается почти на автомате благодаря моторике, осязанию и интуитивному пониманию физики, для робота оказывается тяжелой вычислительной и инженерной задачей. Проще говоря, сальто выглядит как чудо, а вставить кабель в розетку — как скучный быт. На практике все наоборот.
Для разработчиков, продактов и техдиректоров это довольно полезный холодный душ. Игры человекоподобных роботов показали, что рынок embodied AI быстро прогрессирует в узких, хорошо формализованных контурах: бег, баланс, отдельные сценарии реакции, командные паттерны. Но как только среда становится менее предсказуемой, а предметы перестают быть идеальными объектами из симулятора, начинаются старые знакомые проблемы: нестабильность, хрупкость, сложность торможения, ошибки захвата, сбои в последовательности действий. Поэтому в ближайшей перспективе выигрывать будут не те, кто громче всех обещает универсального домашнего андроида, а те, кто умеет превратить одну конкретную способность в надежный повторяемый продукт. После пекинских стартов вопрос уже не в том, научатся ли гуманоидные роботы бегать еще быстрее. Вопрос в том, кто первым заставит их без драмы и спецэффектов сделать обычную человеческую рутину хотя бы на уровне очень аккуратного стажера.