Чем точнее симуляция, тем хуже перенос — до недавнего времени этот парадокс был главной головной болью разработчиков человекоподобных роботов. Гуманоид, который в виртуальной среде уверенно ходил по камням и поднимал ящики, в реальности падал на первом же неровном покрытии. Но в середине 2026 года сразу несколько исследовательских групп показали: разрыв между симуляцией и реальностью (sim-to-real gap) перестаёт быть непреодолимым.
Самый наглядный результат опубликовала команда Holiday Robotics — южнокорейского стартапа, основанного в 2024 году. Их алгоритм FlashSAC (алгоритм быстрого обучения с адаптивным «критиком-актором») протестировали на четырёх симуляторах: Nvidia Isaac Lab, MuJoCo Playground, Genesis и DeepMind Control Suite. Во всех средах FlashSAC обучил политику управления за время, которое на 40% короче, чем у предыдущего стандарта SAC. А главное — при переносе на реального робота FRIDAY политика не потребовала дообучения. Zero-shot сработал.
Почему это стало возможным? Ключевое изменение — в том, как учитывается физика привода. Стандартные симуляторы используют упрощённые модели моторов: идеальный момент, нулевое трение, линейная обратная связь. В реальности каждый сервопривод имеет гистерезис, люфт и задержку реакции. В июльском препринте на arXiv группа из Цюриха и Торонто описала метод actuator reality shaping (актуаторное формирование реальности), где параметры привода калибруются по данным с реального робота, а затем рандомизируются — чтобы политика училась работать с любым разбросом.
Аппаратная сторона тоже движется. В июне Nvidia представила открытую платформу Isaac GR00T — референсного гуманоида на базе Unitree H2 с вычислителем Jetson Thor. Платформа включает полный стек: от сбора данных через телеоперацию до симуляции в Isaac Sim и развёртывания на реальном роботе. По сути, Nvidia стандартизирует пайплайн sim-to-real, делая его доступным не только для команд из топ-5 лабораторий мира.
Цифры подтверждают сдвиг. Ещё в 2024 году Humanoid-Gym — фреймворк от RobotEra — показывал zero-shot перенос для ходьбы на относительно простых поверхностях. В 2025 году доля успешных переносов для базовой локомоции выросла до 70%. К середине 2026 года, по данным опроса исследователей на воркшопе Sim-to-Real Transfer на конференции IEEE-RAS Humanoids, 85% протестированных политик прошли zero-shot для ходьбы и 60% — для манипуляции предметами.
Ограничения остаются. Сложные сценарии — работа с деформируемыми объектами (кабели, ткани), взаимодействие с людьми, длительная автономия — всё ещё требуют дообучения в реальном мире. Но тенденция ясна: sim-to-real перестаёт быть научной задачей и становится инженерной. Как мы писали в конце июня, инвестиции в physical AI — от Generalist AI до Neura Robotics — уже превысили $13 млрд в 2025–2026 годах. Следующие 12 месяцев покажут, сколько из этих денег уйдёт на закрытие оставшегося разрыва между симуляцией и реальностью.
