Виртуальные миры, оставшиеся после метавселенной, обрели «коренных жителей» — роботов

Автор: Zen, PANews

8 сентября американский стартап Antioch завершил раунд финансирования серии A на сумму 32 миллиона долларов, который возглавила известная венчурная компания из Кремниевой долины Greylock. Вместе с посевным раундом на 8,5 миллиона долларов, проведённым в начале года, общий объём привлечённых средств этой компании, существующей чуть больше года, достиг 40,5 миллиона долларов.

Основное направление Antioch — перенос реальных роботов, датчиков, программных систем и условий эксплуатации в компьютер, чтобы в цифровом мире, максимально приближенном к реальности, проводить масштабное обучение, тестирование и проверку машин. Отказы и экстремальные сценарии, которые в реальности дороги, трудновоспроизводимы и даже опасны, здесь можно повторять снова и снова.

Antioch — не единственный пример. По мере того как Physical AI (физический ИИ) становится новым инвестиционным направлением в индустрии ИИ, группа компаний, работающих в области 3D-пространств, цифровых двойников, физического моделирования и синтетических данных, вновь привлекает внимание капитала. Все они, по сути, пытаются решить одну задачу: как создать в компьютере мир, достаточно близкий к реальному.

Судя по таким описаниям, как «построение виртуального мира» и «воспроизведение реальных сценариев», легко вспомнить предыдущую технологическую волну — метавселенную. Но разница в том, что Antioch не предлагает пользователям путешествовать по виртуальному миру в VR-гарнитуре. На этот раз те, кому действительно нужно долго «жить» в виртуальном мире, — это роботы.

Виртуальный мир никуда не исчез — просто теперь его «обитатели» изменились.

Люди не заселились в метавселенную

В августе 2021 года на SIGGRAPH, важнейшей конференции по компьютерной графике, NVIDIA объявила о расширении платформы Omniverse. Тогда позиционирование NVIDIA было предельно чётким: Omniverse — это платформа для моделирования и 3D-совместной работы, которая «закладывает основу для метавселенной».

Её ключевая идея заключалась в том, чтобы 3D-контент, разбросанный по разным программам, попадал в единый виртуальный мир.

Одна из важнейших базовых технологий — USD, Universal Scene Description (универсальное описание сцен). Это стандарт описания 3D-сцен, изначально разработанный Pixar для создания сложных анимационных фильмов и позже выпущенный в открытый доступ. Проще говоря, это своего рода «универсальный язык» 3D-мира: какие объекты есть в виртуальной сцене, где они находятся, какие материалы используют, как движутся и как соотносятся друг с другом — всё это можно организовать с помощью USD.

Поэтому дизайнеры, использующие программы 3D-моделирования, такие как Blender, художники, создававшие текстуры и материалы в Adobe Substance 3D, и инженеры, использовавшие различные инженерные программы, могли через USD подключать созданный ими контент к Omniverse и совместно работать в одном 3D-мире.

NVIDIA даже описывала это будущее как «3D-интернет»: сегодня интернет соединяет веб-страницы, а в будущем он может соединять бесчисленные 3D-пространства, в которые можно входить и взаимодействовать в реальном времени.

В октябре того же года Facebook сменила название на Meta, и метавселенная вступила в самую бурную фазу.

По сравнению с NVIDIA Цукерберг рисовал ещё более грандиозное будущее. В его представлении люди больше не будут пользоваться интернетом через плоские экраны, а войдут в цифровые миры с ощущением пространства и «присутствия», где будут проводить встречи, работать, развлекаться, делать покупки и общаться. Meta тогда прогнозировала, что в ближайшие десять лет метавселенная может охватить 1 миллиард человек и сформировать огромную цифровую экономику.

Метавселенная — это бездонная бочка, в которую можно складывать всё что угодно. В последующие два года VR, AR, цифровые люди, виртуальные офисы, 3D-игры, цифровые двойники и нарративы о цифровых активах вроде NFT были объединены в единое представление о «масштабном цифровом мире».

Однако потребительская метавселенная так и не состоялась, и многие из первых участников незаметно вышли из игры. Meta по-прежнему не отказалась от VR, AR и умных очков, но поддерживающее эти направления подразделение Reality Labs остаётся чрезвычайно дорогим долгосрочным проектом. В 2025 году выручка Reality Labs составила около 2,207 миллиарда долларов, а операционный убыток достиг 19,193 миллиарда долларов. Meta также ожидает, что в 2026 году операционный убыток этого подразделения останется примерно на уровне 2025 года.

Для сравнения, изменения в Omniverse ещё более показательны. Пять лет назад NVIDIA называла Omniverse «основой метавселенной». Сегодня на официальном сайте NVIDIA определение изменилось: «набор библиотек и микросервисов для разработки приложений Physical AI».

Нарратив верхнего уровня и продуктовый фокус Omniverse сместились в сторону промышленных цифровых двойников, моделирования роботов и разработки автономного вождения. Под ним теперь находится целый ряд инструментов для робототехники и Physical AI: Isaac Sim, Isaac Lab, Cosmos, PhysX, Warp. Одна и та же платформа теперь несёт совершенно другой главный нарратив.

На самом деле история моделирования роботов, промышленных цифровых двойников и физических движков началась задолго до начала эпохи метавселенной. Предыдущая волна метавселенной просто объединила 3D-моделирование, рендеринг в реальном времени, цифровых двойников, виртуальную совместную работу, открытые 3D-стандарты и NFT — технологии, которые раньше были относительно разрозненными, — в единое представление о «масштабном цифровом мире».

Поэтому после спада интереса к метавселенной эта инфраструктура никуда не исчезла. Люди просто постепенно поняли, что виртуальный мир, возможно, нужен роботам больше, чем людям.

Зачем роботам нужен виртуальный мир

В этом году на конференции GTC NVIDIA, объясняя систему обучения человекоподобных роботов, снова показала очень наглядную «пирамиду данных для роботов».

В самом низу — самый большой объём данных из интернета и данных о людях: веб-страницы, изображения, видео и записи человеческого поведения. Они практически неисчерпаемы и могут рассказать роботу, что такое мир и что делают люди, но обычно не содержат углов суставов, усилий, тактильных ощущений и управляющих сигналов, необходимых роботу для реального выполнения действий.

На вершине пирамиды — данные реальных роботов. Если заставить робота по-настоящему хватать, переносить и ходить с помощью телеуправления или автономной работы, можно получить данные, максимально близкие к конечной задаче, но они же и самые дорогие: один робот за день может проработать максимум 24 часа, и при этом требуются машины, помещения, операторы и обслуживание оборудования.

Между ними находятся моделирование и синтетические данные. Они не так точны, как данные реальных роботов, но могут быстро воспроизводиться и параллельно генерироваться на GPU; в отличие от интернет-видео, которые лишь показывают, «что делают люди», они могут напрямую создавать данные о движениях, состояниях и показаниях датчиков, необходимые роботу для выполнения задач.

Поэтому NVIDIA предлагает в будущем постоянно расширять средний слой пирамиды — слой синтетических данных, — чтобы он стал важным источником данных для обучения роботов.

Плюсы и минусы трёх типов данных на самом деле очень просты: интернет-данные и данные о людях дёшевы и огромны по объёму, но далеки от реального выполнения задач роботом; данные реальных роботов ближе всего к реальному развёртыванию и обладают наивысшей физической достоверностью, но дороги и медленны; данные моделирования находятся посередине — с некоторой потерей достоверности, но с гораздо большими масштабом, стоимостью и управляемостью, чем у реальных машин.

Именно поэтому моделирование становится одним из самых привлекательных для капитала и крупных компаний направлений инфраструктуры Physical AI в США.

И решает оно не только проблему количества данных. Главная особенность реального мира в том, что его нельзя произвольно копировать. Если у компании 100 роботов, она может одновременно запустить только 100 роботов; склад тоже не может ради обучения роботов каждые десять минут полностью переставлять полки, освещение, полы и товары. А в виртуальной среде одного и того же робота можно клонировать в тысячи или даже десятки тысяч цифровых копий.

Одна роботизированная рука может одновременно обрабатывать 1000 вариантов расположения предметов на столе; робот может постоянно менять положение, массу и материалы объектов; освещение, положение камеры, трение пола и даже погрешности датчиков можно случайным образом регулировать. Такой метод обучения в робототехнике называется Domain Randomization (доменная рандомизация): вместо того чтобы заставлять робота заучивать одну идеальную виртуальную среду, среду намеренно постоянно меняют, чтобы модель училась выполнять одну и ту же задачу в самых разных условиях.

Кроме того, помимо данных о «нормальной работе», разработчикам нужны данные об экстремальных ситуациях. Внезапный отказ камеры, скользкая поверхность под ногами робота, падение робота — всё это сценарии, которые нужно учитывать и преодолевать. В реальном мире невозможно каждый день устраивать аварии ради сбора данных, а в виртуальном — можно.

Именно поэтому некоторые считают, что разработка роботов не может вечно полагаться на реальные испытательные полигоны. Реальные испытания требуют оборудования, площадей и инженерного времени, а экстремальные отказы трудно воспроизвести. В моделировании же одно обновление системы можно сразу протестировать параллельно в тысячах условий.

Главный вопрос, с которым столкнулась метавселенная, звучал так: зачем людям вообще входить в виртуальный мир? Роботы уже дали совершенно другой ответ. Для человека виртуальный мир — лишь необязательная альтернатива реальной жизни. А для робота виртуальный мир может стать тренировочной площадкой перед выходом в реальность.

«Виртуальный мир» снова становится бизнесом

Вокруг Physical AI формируется новая индустрия «инфраструктуры виртуального мира», и специализация этих компаний становится всё более узкой.

В августе 2026 года базирующаяся в Мюнхене компания NavVis привлекла 85 миллионов долларов финансирования.

NavVis — компания пространственных данных. Её основной бизнес — не обучение роботов, а быстрое сканирование реальных заводов, зданий и инфраструктуры в высокоточные 3D-данные с помощью мобильных сканирующих устройств. Компания сообщила, что только за 2025 год её системы обработали и распространили более 1 миллиарда квадратных метров реальных пространств.

Теперь NavVis напрямую позиционирует этот бизнес как «данные-основу» для Physical AI: если роботы в будущем будут работать на реальных заводах, компьютер сначала должен точно знать, как этот завод выглядит.

Корейский стартап NdotLight решает задачу другого уровня. NdotLight — компания данных для Physical AI, специализирующаяся на создании 3D-ассетов для моделирования роботов. В августе этого года она привлекла новое финансирование в размере 15 миллиардов вон, около 10,6 миллиона долларов, под руководством Корейского банка развития KDB.

Обычным 3D-моделям обычно достаточно быть достаточно реалистичными, чтобы их можно было использовать в играх или анимации. Но для обучения роботов этого далеко не достаточно, потому что нужно знать, сколько весит этот стул, где произойдут столкновения, каково трение поверхности и какие части могут двигаться.

Разработанный NdotLight инструмент TRINIX преобразует обычный 3D-контент в так называемые SimReady-ассеты — 3D-ассеты, которые можно напрямую загружать в симуляторы роботов. Помимо внешнего вида, он добавляет данные о массе, трении, структуре суставов и столкновениях и подключается к NVIDIA Omniverse и Isaac Sim. Он решает задачу, как сделать виртуальные объекты не только похожими на реальные, но и пригодными для использования роботами, как реальные объекты.

17 сентября ещё одна компания, Treble из Исландии, привлекла 18 миллионов долларов. Treble — компания акустического моделирования. Создав виртуальное пространство, она может моделировать распространение звука в комнатах, зданиях и других средах и генерировать синтетические акустические данные.

По мере того как роботы, умные очки и другие устройства Physical AI всё больше полагаются на микрофоны для понимания реальной среды, компания начала применять свою технологию акустических цифровых двойников для обучения Physical AI. Её главная задача — сделать так, чтобы в виртуальном мире роботы «слышали» звуки, близкие к реальным.

Все эти компании вместе уже начинают заново собирать цифровой мир, и он очень близок к тому «виртуальному миру», о котором говорили пять лет назад. Разница в том, что метавселенная стремилась к погружению, а Physical AI — к достоверности.

Это подводит к важнейшему понятию в области моделирования роботов — «Sim-to-Real», то есть «от моделирования к реальности». Вопрос в том, можно ли использовать в реальном мире то, чему робот научился в виртуальном.

Именно поэтому Isaac Sim от NVIDIA делает акцент не только на визуализации, но и включает динамику твёрдых тел, суставы, столкновения и различные виртуальные датчики, чтобы максимально сократить этот разрыв; Isaac Lab дополнительно позволяет разработчикам одновременно запускать большое количество сред с роботами и параллельно обучать стратегии роботов на GPU.

Таким образом, ключевое отличие сегодняшнего виртуального мира для роботов от многих потребительских метавселенных в том, что ценность первого в конечном счёте должна пройти проверку в реальном мире.

Люди в итоге не заселились в метавселенную, как предполагалось изначально. Но дороги, проложенные для виртуального мира, не пришли в запустение — по ним роботы возвращаются в реальность.