Маленький жёлтый робот идёт по ковру, цепляет оранжевый конус и падает на спину. Под картинкой его «мозг», облако светящихся точек, вспыхивает красным: «ALPHA FALL DETECTED, TILT 74°». Через пару секунд надпись меняется на «PLAN GET-UP», облако желтеет, робот ворочается, встаёт, и экран успокаивается: «BALANCE LOCKED». Потом его толкает сосед, и всё начинается заново.

Этот 20-секундный ролик разошёлся в X 24 октября 2026 года с подписью, что новые микророботы NVIDIA получили «мозг» Grok и теперь их нейротелеметрию можно смотреть вживую. Выглядит жутковато: кажется, что подглядываешь за мыслями машины.

Что на самом деле в голове у такого робота

Мыслей там нет. Есть набор отдельных навыков, и каждый из них — небольшая нейросеть. Инженеры называют их политиками (policy): одна умеет ходить, другая вставать, третья садиться или кувыркаться. Пятьдесят раз в секунду навык получает от тела 61 число — как стоят суставы, как наклонён корпус, куда велено идти — и отвечает командами моторам.

Когда робот падает, он не размышляет. Управление просто переходит к другому навыку. У Microduck, на которого очень похожи роботы из ролика, бортовая программа на ходу переключает политики «ходьба», «восстановление» и «трюк», и любая из них может перехватить робота в любой момент. Надписи gait.policy и GET-UP на панелях ролика рисуют как раз такую смену.

Учатся этим навыкам в симуляции. Тысячи виртуальных копий робота одновременно пытаются идти, падают, получают награду за удачные шаги и штраф за падения: это обучение с подкреплением. Для Microduck такой путь описан в Isaac Lab и физическом движке Newton от NVIDIA: 4096 параллельных сред, до 1,25 млн шагов симуляции в секунду на 16 GPU. Встать с пола робот умеет потому, что в цифровом мире до этого падал очень много раз.

Откуда эти роботы и при чём тут Grok

Маленькие двуногие без рук очень похожи на Microduck — открытого робота Pollen Robotics и Hugging Face ростом около 25 см. В шапке ролика они так и подписаны: «4 MICRODUCKS». Четыре таких робота 21 октября 2026 года вышли к Дженсену Хуангу на сцену GTC Berlin: садились, вставали и «ложились спать» по команде. Их навыки обучили в симуляции на инструментах NVIDIA. Направление и трюки на сцене задавали операторы, а сами движения выполняли обученные политики, уточнил инженер Pollen Robotics Реми Фабр.

Анонса «Grok Robot Brain Engine» нет ни у NVIDIA, ни у xAI. Сам ролик выглядит как 3D-визуализация с графикой поверх картинки, а откуда взяты данные «телеметрии», в посте не сказано.

Как иллюстрация он всё равно точен: ходьба, тревога при падении, план подъёма и снова ходьба. Только вместо облака из тысяч «нейронов» там несколько компактных нейросетей и переключатель между ними.

Для тех, кто хочет подробнее

Обучение Microduck открыто в репозитории microduck_rl. Политики учат алгоритмом PPO в mjlab (MuJoCo Warp) с частотой 50 Гц, экспортируют в формат ONNX и загружают на робота. Для пригодной походки, по данным репозитория, хватает одного-двух часов на одной видеокарте при 4096 параллельных средах. Чтобы навык не сломался на настоящем ковре, в симуляции нарочно меняют массу робота, трение пола, задержку команд, заряд батареи и люфт в шестерёнках, а ещё толкают его.

Среди готовых задач:

  • ходьба по командам скорости и поворота головы;
  • ходьба и восстановление после падения в одной политике;
  • подъём из положения лицом вниз, на спине или сидя, затем устойчивая стойка;
  • посадка и подъём по команде;
  • кувырок вперёд, удар по мячу и езда на роликах.

Все политики видят мир через одинаковый набор из 61 значения: 48 описывают собственное тело робота (положение и скорости суставов, ориентацию), остальные — команды. Поэтому бортовая программа может в любую секунду передать управление от ходьбы к подъёму и обратно.

В техническом блоге NVIDIA показан более длинный путь: агент Hermes с моделью Nemotron помогает собрать полосу препятствий, Isaac Lab обучает политику в облаке, а готовую политику проверяют в Isaac Sim на ноутбуке RTX Spark. Так, по словам NVIDIA, готовили и роботов для GTC Berlin. Цикл обучения там описан так: наблюдения → действия политики → движение в симуляции → новые наблюдения. Ранние попытки заканчиваются неустойчивыми шагами, столкновениями и падениями, и именно они двигают обучение. Языковой агент при этом готовит эксперимент, а суставами управляет обученная политика.

Следующий шаг

Если вы присматриваетесь к роботам или обучению в симуляции для своего проекта, удобнее всего разбирать это на конкретной задаче: какие навыки нужны и где их учить.

Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov